基于随机森林的乳腺癌计算机辅助诊断.pdf

2017 年 软 件 2017, Vol. 38, No. 3 第 38 卷 第 3 期 COMPUTER ENGINEERING SOFTWARE 国际 IT 传媒品牌 基于随机森林的乳腺癌计算机辅助诊断 全雪峰 （南阳医学高等专科学校 卫生管理系，河南 南阳 473061 ） 摘 要: 为提高乳腺癌诊断的准确性，该文提出了一种基于随机森林算法的乳腺癌诊断方法。用 UCI 数据集 提供的 683 例乳腺肿瘤患者进行了分类识别，5-折交叉验证结果表明，采用新方法检测乳癌平均准确率达到 96.93% ， 优于概率神经网络识别方法，说明了其在乳腺癌计算机辅助诊断方面的可行性。 关键词: 随机森林；乳腺癌；计算机辅助诊断 中图分类号: TP391 文献标识码: A DOI ：10.3969/j.issn.1003-6970.2017.03.012 本文著录格式：全雪峰. 基于随机森林的乳腺癌计算机辅助诊断[J]. 软件，2017 ，38 （3）：5759 Computer-Aided Diagnosis of Breast Cancer Based on Random Forest QUAN Xue-feng (Department of Health Management, Nanyang Medical College, Nanyang 473061, China) 【Abstract 】: In order to improve the accuracy of diagnosis of breast cancer, this paper proposes a method for diag- nosis of breast cancer based on random forest algorithm. With 683 cases of breast cancer patients from UCI data sets for identification and classification, 5-fold cross validation results show that average accuracy rate reached 96.93% by this new method for the detection of breast cancer. This is superior to probabilistic neural network recognition method, indicating the feasibility of computer-aided breast cancer diagnosis. 【Key words 】: Random forest; Breast cancer; Computer-aided diagnosis 0 引言 没有显著提高运算量的前提下提高了预测精度。黄 衍 [8]等人指出，在多分类问题上，随机森林的泛化 乳腺癌是一种危及妇女健康和生命的恶性肿 能力明显优于支持向量机。文献 [9-10]指出支持向量 瘤，是导致女性癌症死亡的第二大原因 [1] 。根据世 机比 BP 神经网络具有更高的泛化能力。目前，随机 界卫生组织的报道，每年有超过 120 万女性被诊断 森林已被应用于多个领域[11-12] 。模型本文提出了一种 患有乳腺癌[2] 。因此早期诊断、积极预防已成为迫 基于随机森林的乳腺癌识别方法，并使用 UCI 数据 切需要解决的问题。随着人工智能技术的迅速发展，