机器学习算法在医学肿瘤领域应用广泛,文章针对肺腺癌磨玻璃结节患者,运用Logistic回归、人工神经网络、支持向量机和Ada Boost等4种经典算法,从准确率、灵敏度、特异度、F1值和G值等5个指标进行模型性能的分析和比较,发现4种模型的准确率均高于85%,而临床医师对患者诊断准确率只有78%,并总结出不同模型的特点:BP神经网络的精度最高,具有较强的自我学习能力;支持向量机需要调节参数来优化模型,对小样本训练效果较好;Logistic回归不需要调节参数,但在大样本下训练比较耗时;Ada Boost具有组合多个模型后再做诊断的优良品质,为临床医师提供术前诊断方案.

机器学习; 肺腺癌; 性能比较; 临床医学 machine learning; lung adenocarcinoma; performance comparison; clinical medicine

guangzhou university