典型文献
基于机器学习的肿瘤智能辅助诊断方法
文献摘要：
在肿瘤诊断领域,人工智能辅助诊断系统可对肿瘤属性、恶性肿瘤分期进行准确地判别,从而延长患者的生存时间.文中以乳腺肿瘤为例,针对特征提取过程中数据量过大所导致的过拟合问题,提出了一种基于监督学习的人工智能辅助诊断模型.在提取特征时,通过引入层次聚类分析来完成有效的特征降维,并将分类后的特征数据作为人工神经网络模型的特征输入,以此实现分类器的有效训练.实验结果显示,所提算法的准确率和AUC值相比对照算法有所提升,表明该模型不仅能解决海量特征区域描述造成的过拟合问题,还增强了人工智能辅助诊断系统的泛化能力,可以完成对钼靶乳腺肿瘤的高精度区分.
文献关键词：
机器学习;恶性肿瘤;辅助诊断;特征选择;特征降维;分类器;层次聚类;神经网络
中图分类号：
作者姓名：
程顺达;程颖;孙士江
作者机构：
河北省中医院,河北 石家庄050000;河北省卫健委 统计信息中心,河北 石家庄050051
文献出处：
引用格式：
[1]程顺达;程颖;孙士江-.基于机器学习的肿瘤智能辅助诊断方法)[J].电子科技,2022(05):56-59
A类：
B类：
基于机器学习,肿瘤诊断,人工智能辅助诊断系统,肿瘤分期,而延,生存时间,乳腺肿瘤,数据量,量过大,过拟合,监督学习,诊断模型,提取特征,层次聚类分析,特征降维,特征数据,人工神经网络模型,分类器,有效训练,照算,特征区域,区域描述,泛化能力,钼靶,特征选择
AB值：
0.294867
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。
