一种数据驱动的肺癌患者术前评估方法
计算机与社会
2017-07-27 v1 神经与进化计算
摘要
肺癌是癌症死亡的首要原因。许多早期肺癌患者具有可切除的肿瘤；然而，在他们被确定为适合手术的候选者之前，需要对其心肺功能进行适当评估。因此，一部分此类患者被要求接受标准肺功能测试，如心肺运动试验（CPET）或爬楼梯试验，以评估其肺功能。这些标准测试昂贵、劳动密集，且有时因并存疾病（如行动不便）而效果不佳。康复中的患者将极大地受益于一种可在家佩戴、使用简单且相对便宜的设备。利用信息技术的进步，目标是设计一种连续、廉价、移动且以患者为中心的机制来评估患者的肺功能。我们设计了一种轻型移动面罩，配备有二氧化碳、氧气、流量体积和加速度传感器，并在18名进行15分钟运动的受试者上进行了测试。从设备收集的数据存储在云服务中，并使用机器学习算法来训练和预测用户的活动。比较了几种分类技术——K近邻、随机森林、支持向量机、人工神经网络和朴素贝叶斯。一个有用的关注领域涉及使用分类模型将患者的预测活动水平（特别是仅使用呼吸数据）与正常人的活动水平进行比较。
引用
@article{arxiv.1707.08169,
title = {A Data-Driven Approach to Pre-Operative Evaluation of Lung Cancer Patients},
author = {Oleksiy Budilovsky and Golnaz Alipour and Andre Knoesen and Lisa Brown and Soheil Ghiasi},
journal= {arXiv preprint arXiv:1707.08169},
year = {2017}
}