基于集成学习的乳腺癌患者生存预测方法分析.pdfVIP

基于集成学习的乳腺癌患者生存预测方法分析

摘要

乳腺癌是女性最常见的恶性肿瘤之一，其生存预测对临床治疗具有重要的参考价值。

传统方法主要依赖于医生的经验和统计建模，面对高维度复杂数据时存在一定的局限性。

为此，本研究采用集成学习算法，构建了乳腺癌患者生存预测模型，通过整合多个模型

的预测结果，更有效地处理复杂数据。

首先，对SEER数据库中的患者数据进行了详细的预处理，包括数据清洗、特征选

择和降维等步骤。采用特征选择方法筛选出与患者生存预后密切相关的关键特征，并使

用降维技术减少了冗余信息，优化了数据结构。为了处理目标变量的类别不均衡问题，

采用SMOTE-RandomUnderSampler组合采样方法优化数据的分布情况，提升了模型的

泛化能力。

然后，在模型构建方面对多种机器学习算法进行了优化，主要改进了XGBoost和

Stacking模型。在XGBoost模型中，引入了自适应学习率调整、正则化项优化和动态子

采样率调整等策略，提高了处理非线性特征关系的能力。改进的XGBoost模型准确率达

到了86.4%，召回率为84.8%，AUC值为0.88，表现出色；对于Stacking模型，在次级

学习器的选择、特征重要性、初级学习器多样性与权重调整以及增量训练策略等方面，

提升了模型的泛化能力。实验结果表明，本研究提出的MLP-FIS-Stacking模型各项性能

指标均更加优异，AUC值高达0.91，远优于其他单一模型。改进后的集成学习模型具

有更高的准确性，AUC值明显高于Cox回归（约为0.75），表明集成学习方法在乳腺癌

生存预测领域中有着优越的表现。

最后，为了提高模型的可解释性，还结合SHAP方法分析了乳腺癌生存预测的关键

影响因素，通过对全局和个体层面影响因素研究，揭示了患者生存预后的关键生物标志

物和临床特征。本研究通过集成学习方法提升了乳腺癌生存预测的精度和稳定性，为临

床治疗决策提供了更加可靠的支持。

关键词：乳腺癌；生存预测；不平衡数据；集成学习；SHAP

I

临沂大学硕士专业论文

Abstract

Breastcancerisoneofthemostcommonmalignanttumorsinwomen,anditssurvival

predictionhasimportantreferencevalueforclinicaltreatment.Traditionalmethodsmainly

relyondoctorsexperienceandstatisticalmodeling,whichhavecertainlimitationswhen

dealingwithhigh-dimensionalcomplexdata.Forthisreason,thisstudyusestheintegrated

learningalgorithmtobuildasurvivalpredictionmodelforbreastcancerpatients.By

integratingthepredictionresultsofmultiplemodels,complexdatacanbeprocessedmore

effectively.

Firstly,detailedpreprocessingwasperformedonthepatientdataintheSEERdatabase,

includingstepssuchasdatacleaning,featureselection,anddimensionalityreduction.We

usedfeatureselectionmethodstoscreenkeyfeaturescloselyrelatedtopatientsurvival

prognosis,anduseddimensionalityreduc