利用机器学习与深度学习技术提升前列腺癌病理分期精度
机器学习
2025-02-17 v1
摘要
前列腺癌（Pca）仍是男性癌症死亡的主要原因之一，传统诊断方法如直肠指检（DRE）、前列腺特异抗原（PSA）检测和活检的精度局限，凸显了在提高治疗效果和改善患者预后方面准确分期检测的关键重要性。本研究利用机器学习和深度学习方法，结合特征选择与提取技术，利用来自 The Cancer Genome Atlas（TCGA）的RNA测序数据，增强前列腺癌病理分期预测的性能。对486个肿瘤的基因表达谱采用多种先进算法进行分析，包括随机森林（Random Forest, RF）、逻辑回归（Logistic Regression, LR）、极端梯度提升（Extreme Gradient Boosting, XGB）和支持向量机（Support Vector Machine, SVM）。本研究的性能评估以F1分数、精确率和召回率衡量，均采用加权平均值计算。结果显示，随机森林算法获得的最高测试F1分数约为83%，其次是逻辑回归的80%，而极端梯度提升（XGB）和支持向量机（SVM）得分均在约79%。此外，采用数据增强的深度学习模型准确率为71.23%，而基于主成分分析（PCA）的降维方法准确率为69.86%。本研究凸显了人工智能驱动方法在临床肿瘤学中的潜力，为开发更可靠的诊断工具铺平了道路，从而最终有助于改善患者预后。
引用
@article{arxiv.2502.09686,
title = {Leveraging Machine Learning and Deep Learning Techniques for Improved Pathological Staging of Prostate Cancer},
author = {Raziehsadat Ghalamkarian and Marziehsadat Ghalamkarian and MortezaAli Ahmadi and Sayed Mohammad Ahmadi and Abolfazl Diyanat},
journal= {arXiv preprint arXiv:2502.09686},
year = {2025}
}