基于多视图多核学习的弥漫大B细胞淋巴瘤预后分类

摘要：

目的 为更加充分地利用弥漫性大B细胞淋巴瘤患者的电子病历数据,挖掘其内部的区别与联系,以提高疾病预后模型性能,为进一步的临床治疗提供参考.方法 现使用多视图多核的机器学习方法对疾病预后进行建模.对电子病历中患者的病理信息、影像资料以及诊断治疗记录这三个方面分别进行数据收集与整理,将收集到的三类特征经预处理与重采样,用核函数分别映射至三个核空间,最终运用多视图多核学习得到合成核进行预后分类.将目标模型的分类结果与逻辑回归,决策树等经典模型进行对比.结果 通过十折交叉验证,目标模型性能(accuracy=0.977,AUC=0.970,precision=0.981)均高于常见模型,且多视图多核学习的模型性能优于混淆特征的多核或单核学习.结论 通过多视图多核学习的建模方法,更能够挖掘出电子病历数据中的有效信息,模型性能优越,可为临床工作者进一步的诊断与治疗方案选择提供一定参考.

关键词：弥漫性大B、细胞淋巴瘤、疾病预后、多视图学习、数据挖掘、核方法

所属期刊栏目：39

分类号：R195.1(保健组织与事业（卫生事业管理）)

资助基金：国家自然科学基金;山西医科大学博士启动基金;国家自然科学基金;山西省基础研究计划面上项目

在线出版日期：2022-09-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：340-344