資源描述：
《基于隨機(jī)森林構(gòu)建濾泡型甲狀腺癌遠(yuǎn)處轉(zhuǎn)移預(yù)測(cè)模型》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、分類號(hào)：R736.1G35單位代碼：10159密級(jí)：公開學(xué)號(hào)：201521222碩士學(xué)位論文中文題目：基于隨機(jī)森林構(gòu)建濾泡型甲狀腺癌遠(yuǎn)處轉(zhuǎn)移預(yù)測(cè)模型英文題目：Developmentofapredictivemodelofdistantmetastasisoffollicularthyroidcarcinomabasedonrandomforest論文作者：紀(jì)宇楠指導(dǎo)教師：趙玉虹教授學(xué)科專業(yè)：情報(bào)學(xué)完成時(shí)間：2018年3月中國醫(yī)科大學(xué)碩士學(xué)位論文中國醫(yī)科大學(xué)碩士學(xué)位論文基于隨機(jī)森林構(gòu)建濾泡型甲狀腺癌遠(yuǎn)處轉(zhuǎn)移預(yù)測(cè)模型Developmento
2、fapredictivemodelofdistantmetastasisoffollicularthyroidcarcinomabasedonrandomforest論文作者紀(jì)宇楠指導(dǎo)教師趙玉虹教授申請(qǐng)學(xué)位管理學(xué)碩士培養(yǎng)單位醫(yī)學(xué)信息學(xué)院一級(jí)學(xué)科圖書情報(bào)與檔案管理二級(jí)學(xué)科情報(bào)學(xué)研究方向臨床決策（腫瘤學(xué)）論文起止時(shí)間2017年5月—2018年3月論文完成時(shí)間2018年3月中國醫(yī)科大學(xué)（遼寧）2018年3月中國醫(yī)科大學(xué)碩士學(xué)位論文中國醫(yī)科大學(xué)學(xué)位論文獨(dú)創(chuàng)性聲明本人鄭重聲明：本論文是我個(gè)人在導(dǎo)師指導(dǎo)下獨(dú)立進(jìn)行的研究工作及取得的研究成果，論文中除
3、加以標(biāo)注的內(nèi)容外，不包含其他人或機(jī)構(gòu)已經(jīng)發(fā)表或撰寫過的研究成果，也不包含本人為獲得其他學(xué)位而使用過的成果。對(duì)本研究提供貢獻(xiàn)的其他個(gè)人和集體均已在文中進(jìn)行了明確的說明并表示謝意。本人完全意識(shí)到本聲明的法律結(jié)果由本人承擔(dān)。論文作者簽名：日期：中國醫(yī)科大學(xué)學(xué)位論文版權(quán)使用授權(quán)書本學(xué)位論文作者完全了解學(xué)校有關(guān)保留、使用學(xué)位論文的規(guī)定，同意學(xué)校保留并向國家有關(guān)部門或機(jī)構(gòu)送交學(xué)位論文的原件、復(fù)印件和電子版，允許學(xué)位論文被查閱和借閱。本人授權(quán)中國醫(yī)科大學(xué)可以將本學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫進(jìn)行檢索，可以采用影印、縮印或掃描等復(fù)制手段保存和匯
4、編學(xué)位論文。保密（），在年后解密適用本授權(quán)書。（保密：請(qǐng)?jiān)诶ㄌ?hào)內(nèi)劃“√”）論文作者簽名：指導(dǎo)教師簽名：日期：日期：中國醫(yī)科大學(xué)碩士學(xué)位論文摘要目的：隨著影像學(xué)診斷技術(shù)的精準(zhǔn)，甲狀腺癌發(fā)病率逐年增加，其發(fā)病率為15.0/10萬人。甲狀腺癌的預(yù)后較好，5-10年生存率達(dá)80-95%，然而發(fā)生遠(yuǎn)處轉(zhuǎn)移的患者生存率降到40%左右。目前甲狀腺癌的預(yù)后研究較少，研究者對(duì)于遠(yuǎn)處轉(zhuǎn)移影響預(yù)后狀況的關(guān)注度不高。由于甲狀腺癌發(fā)病率高、發(fā)生遠(yuǎn)處轉(zhuǎn)移的患者預(yù)后差的特點(diǎn)，本研究選擇易發(fā)生遠(yuǎn)處轉(zhuǎn)移的濾泡型甲狀腺癌（FollicularthyroidCarcinom
5、a，F(xiàn)TC）患者為研究對(duì)象，從SEER數(shù)據(jù)庫中獲取其預(yù)后數(shù)據(jù)，應(yīng)用隨機(jī)森林算法構(gòu)建濾泡型甲狀腺癌遠(yuǎn)處轉(zhuǎn)移預(yù)測(cè)模型，輔助臨床醫(yī)生診斷，改善遠(yuǎn)處轉(zhuǎn)移患者預(yù)后生存狀況。方法：通過SEER數(shù)據(jù)庫提供的SEER*Stat軟件提取2004-2014年間的濾泡型甲狀腺癌患者預(yù)后數(shù)據(jù)。綜合參考NCCN指南、AJCC指南、SEER使用指南、CS腫瘤信息采集系統(tǒng)和已有文獻(xiàn)，初步篩選出預(yù)后相關(guān)研究變量，包括社會(huì)人口特征：性別、確診年齡、種族、婚姻狀況、居住區(qū)域；腫瘤特征：腫瘤大小、患病時(shí)長、組織學(xué)類型、原位手術(shù)、淋巴結(jié)手術(shù)、腫瘤浸潤程度、區(qū)域淋巴結(jié)轉(zhuǎn)移和多灶
6、性。結(jié)局變量為是否發(fā)生遠(yuǎn)處轉(zhuǎn)移。通過刪除缺失值、數(shù)據(jù)轉(zhuǎn)換、數(shù)據(jù)離散化對(duì)數(shù)據(jù)集進(jìn)行初步處理后，按照約7:3的比例劃分為訓(xùn)練集和測(cè)試集。利用SMOTE技術(shù)將訓(xùn)練集調(diào)整為平衡數(shù)據(jù)集?；谛掠?xùn)練集應(yīng)用SPSS20.0選取單因素分析和logistic回歸的統(tǒng)計(jì)分析方法和應(yīng)用Rstudio的隨機(jī)森林變量重要性的機(jī)器學(xué)習(xí)方法篩選特征變量，而后基于新訓(xùn)練集以隨機(jī)森林算法構(gòu)建預(yù)測(cè)模型。利用測(cè)試集，評(píng)估預(yù)測(cè)模型效能并與決策樹、人工神經(jīng)網(wǎng)絡(luò)算法進(jìn)行比較，評(píng)價(jià)指標(biāo)有G-mean指數(shù)、特異度、靈敏度和ROC曲線下面積。結(jié)果：初步數(shù)據(jù)處理后的數(shù)據(jù)集中包含5278個(gè)
7、樣本，其中發(fā)生遠(yuǎn)處轉(zhuǎn)移的患者有203例占1/25是不平衡的數(shù)據(jù)集。經(jīng)過SMOTE技術(shù)調(diào)整的新訓(xùn)練集包含5616個(gè)樣本，陰陽性樣本數(shù)量基本達(dá)到平衡。特征變量篩選后的高相關(guān)變量有確診年齡、腫瘤的浸潤程度、腫瘤的大小、區(qū)域淋巴結(jié)轉(zhuǎn)移和組織學(xué)類型?；陔S機(jī)森林構(gòu)建的模型G-mean指數(shù)和ROC曲線下面積分別為0.767和0.837，優(yōu)于決策樹的0.367和0.565，也優(yōu)于人工神經(jīng)網(wǎng)絡(luò)的0.629和0.75。結(jié)論：本研究以濾泡型甲狀腺癌患者為研究對(duì)象，基于隨機(jī)森林算法構(gòu)建遠(yuǎn)I中國醫(yī)科大學(xué)碩士學(xué)位論文處轉(zhuǎn)移預(yù)測(cè)模型，G-mean指數(shù)和ROC曲線下
8、面積分別為0.767和0.837。通過SMOTE技術(shù)對(duì)不平衡訓(xùn)練集的調(diào)整，明顯提高了陽性樣本分類正確率。本研究應(yīng)用的SEER數(shù)據(jù)庫主要是隨訪數(shù)據(jù)，在未來的研究中可以加入實(shí)驗(yàn)室檢查數(shù)據(jù)等變量，提升模型準(zhǔn)確度，
