典型文献
人工智能线性判别分析算法建立喉癌5年生存状态预测模型
文献摘要：
目的:采用人工智能线性判别分析(linear discriminant analysis,LDA)算法建立判断喉癌5年生存状态的预测模型,为临床喉癌的诊治及预后判断提供参考.方法:回顾性分析我院124例喉癌患者生存预后数据,采用LDA算法,以患者的性别,年龄,是否抽烟、饮酒,TNM分期,肿瘤的临床分期,有无复发,有无放化疗及病理分级等临床参数作为特征,以60％数据为训练集,40％数据为测试集建立模型,以准确率、灵敏度、特异度、曲线下面积(area under the curve,AUC)、F1值和Cohen's kappa系数对模型进行评估.此外,将LDA与支持向量机等其他机器学习算法的模型结果进行对比.结果:我们成功使用LDA算法建立了基于上述临床特征的喉癌5年生存状态预测模型,模型的准确率、灵敏度、特异度、AUC、F1值及Cohen's kappa系数分别为:0.86、0.86、0.85、0.86、0.86和0.66,与其他机器学习算法相比,LDA算法建立的模型性能最佳.结论:采用LDA算法可以建立可靠的喉癌5年生存状态的预测模型,本模型可为喉癌临床诊治提供一个新的预后评估手段.
文献关键词：
人工智能;预测模型;线性判别分析;喉癌;机器学习
中图分类号：
作者姓名：
李祖飞;黄志刚;房居高;陈晓红;钟琦;李平栋;侯丽珍;高文;张洋
作者机构：
100730 北京,首都医科大学附属北京同仁医院 耳鼻咽喉头颈外科
文献出处：
引用格式：
[1]李祖飞;黄志刚;房居高;陈晓红;钟琦;李平栋;侯丽珍;高文;张洋-.人工智能线性判别分析算法建立喉癌5年生存状态预测模型)[J].肿瘤预防与治疗,2022(02):120-126
A类：
B类：
线性判别分析,喉癌,生存状态,状态预测,linear,discriminant,analysis,LDA,预后判断,我院,生存预后,抽烟,饮酒,TNM,临床分期,放化疗,病理分级,临床参数,训练集,测试集,建立模型,area,under,curve,Cohen,kappa,机器学习算法,模型性能,临床诊治,预后评估,评估手段
AB值：
0.293148
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。
