基于高阶概率感知机的乳腺癌诊断

一个两层神经网络模型被改造用于分类乳腺癌肿瘤为恶性或良性，并为两种结果分配概率；该模型系统性地纳入输入变量间任意阶的相关性，并旨在实现贝叶斯推断。网络的输入表示细针穿刺活检中成像的细胞核的测量特征。这一用于诊断的机器学习方法（称为 HOPP，即高阶概率感知机，higher-order probabilistic perceptron）在 Wolberg 等人广为研究且开放获取的乳腺癌威斯康星（诊断）数据集上进行了测试。该数据集针对每个肿瘤列出了各样本细胞核的测量物理参数。HOPP 模型能够识别与可靠诊断最相关的关键因素——输入特征及其组合。HOPP 网络在威斯康星数据库中 90% 的样本上训练，并在剩余 10% 上测试。针对随机选取用于交叉验证的 300 个网络组成的集成，测试集分类准确率轻易达到最高 97%，标准差约 2%，同时平均 Matthews 相关系数达到 0.94，表明优异的预测性能。显然，HOPP 能够匹配数十年来应用于该被广泛研究数据库的其他先进机器学习算法所达到的预测能力。分析表明，在这一近乎线性可分的具体问题中，威斯康星数据库测量特征间不可约相关性的影响相对次要，因为朴素贝叶斯近似本身即可产生接近 95% 的预测准确率。HOPP 算法的优势将在应用于更具挑战性的机器学习问题时更为明显地展现。