原创力文档- 1、本文档共5页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
2024年8月25日现代信息科技Aug.2024
第8卷第16期ModernInformationTechnologyVol.8No.16
DOI:10.19850/ki.2096-4706.2024.16.018
基于机器学习的膀胱癌患者生存预测模型研究
12121
方昱衡，李泽伟，许迎盈，李功利，李科
（，；，）
1.电子科技大学四川成都6100542.屏山县人民医院四川宜宾644000
摘要：该研究旨在构建基于机器学习的生存预测模型，预测膀胱癌（BC）1、3和5年生存率，帮助医生准确识
别预后较差的患者，并辅助临床预后方案制定。从监测、流行病学和最终结果（SEER）数据库中获取患者数据，基于逻
辑回归（LR）、随机森林（RF）和梯度提升决策树（GBDT）和Cox比例风险模型（Coxproportionalhazards）构建
生存预测模型，通过在训练集和验证集中使用受试者工作特征曲线和校准度曲线评估模型性能。实验结果表明，GBDT
在BC患者1、3和5年生存率预测方面具有较高的区分度和校准度。
关键词：膀胱癌；生存预测；机器学习；COX回归
中图分类号：TP181；TP391.41文献标识码：A文章编号：2096-4706（2024）16-0083-05
ResearchonSurvivalPredictionModelofBladderCancerPatientsBasedon
MachineLearning
12121
FANGYuheng,LIZewei,XUYingying,LIGongli,LIKe
(1.UniversityofElectronicScienceandTechnologyofChina,Chengdu610054,China;
2.ThePeoplesHospitalofPingshan,Yibin644000,China)
Abstract:ThisresearchfocusesonconstructingasurvivalpredictionmodelbasedonMachineLearningtopredictthe
1-year,3-year,and5-yearsurvivalratesforpatientswithBladderCancer,aidcliniciansinaccuratelyidentifyingpatientswith
poorprognosisandassistinformulatingclinicalprognosisplans.PatientdataisobtainedfromtheSurveillance,Epidemiology,
andEndResults(SEER)database.ThesurvivalpredictionmodelisconstructedbasedonLogisticRegression(LR),Random
Forest(RF),GradientBoostingDecisionTree(GBDT),and
文档评论（0）