机器学习在肺癌诊断中的研究和应用
朱勇
晏峻峰
湖南中医药大学 长沙 410208
摘要：肺癌是一种严重危害人类健康的恶行肿瘤,以其高发病率和高死亡率闻名[1].如何快速准确地诊断肺癌是肺癌预防和治疗的一大挑战,对人类的生命健康具有重要意义.论文将机器学习方法中的支持向量机(SVM)、随机森林(RF)与XGBoost模型进行比较分析.通过模型评估指标中的准确率、召回率、f1值、精确度和ROC曲线对比分析,证明了支持向量机在线性核函数下能较好地预测肺癌,准确率可以达到95.18%.同时发现随机森林与XGBoost模型的各项性能评估指标在SMOTE算法均衡化后的数据集上均有较高的提升,其准确率可以达到89.16%和90.36%.在保证准确率的前提下,随机森林和XGBoost较之支持向量机可以更快地得到预测结果,在辅助诊断肺癌中也是很好的模型选择.
关键词：肺癌支持向量机随机森林XGBoost算法SMOTE算法
分类号：TP301.6(计算技术、计算机技术)
资助基金：湖南省教育厅重点项目(21A0250)湖南中医药大学中医学一流学科开放基金项目(2022ZYX08)
论文发表日期：2024-03-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 751-756 )
英文信息