典型文献
基于深度学习算法的前列腺癌生化复发预测模型的建立
文献摘要：
目的 利用深度学习算法建立前列腺癌生化复发预测模型,为前列腺癌根治术后患者早发现、早诊断、延长患者生存期提供参考.方法 收集2001年3月—2016年11月北京大学第一医院泌尿外科接受前列腺癌根治术的442例患者的临床信息作为变量,应用五折交叉验证法将其划分为训练集(n=412)和验证集(n=30),采用深度学习算法(CNN-BiLSTM、CNN-LSTM、BiLSTM、CNN-BiGRU)建立前列腺癌生化复发预测模型,其中验证集用于评估模型性能和临床应用的可能性.结果 在4种深度学习的算法中,CNN-BiLSTM算法准确率最高为76.7％,受试者工作曲线下面积为0.71.结论 基于前列腺癌根治术后患者的多种临床信息,通过深度学习方法建立前列腺癌生化复发预测模型具有较高的准确率,能够为预测前列腺癌的生化复发提供一定参考.
文献关键词：
前列腺癌;生化复发;深度学习;预测模型
中图分类号：
作者姓名：
高文治;何宇辉;夏漫城;巩艳青;何世明;张建烨;周利群;郭跃先;李学松
作者机构：
北京大学第一医院泌尿外科,北京 100000;河北医科大学第三医院泌尿外科,河北省石家庄市 050000
文献出处：
引用格式：
[1]高文治;何宇辉;夏漫城;巩艳青;何世明;张建烨;周利群;郭跃先;李学松-.基于深度学习算法的前列腺癌生化复发预测模型的建立)[J].现代泌尿外科杂志,2022(03):230-233
A类：
B类：
深度学习算法,生化复发,复发预测,前列腺癌根治术,根治术后,术后患者,早发现,早诊断,生存期,北京大学第一医院,泌尿外科,临床信息,五折交叉验证,交叉验证法,训练集,验证集,BiLSTM,BiGRU,模型性能,受试者工作曲线,深度学习方法
AB值：
0.185838
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
