基于 TVUS 与机器学习算法的卵巢囊肿卵巢癌预测
机器学习
2021-08-31 v1 图像与视频处理
生物大分子
机器学习
摘要
卵巢癌（OC）是一种女性生殖系统恶性肿瘤，可发生于年轻女孩，且多见于育龄或生殖期女性。少数囊肿具有危险性并可能致癌。因此，预测十分重要，可通过经阴道超声（TVUS）筛查所用的各类筛查手段进行检测。在本研究中，我们采用名为 PLCO 的真实数据集结合 TVUS 筛查，并运用三种机器学习（ML）技术，分别为 Random Forest、KNN 和 XGBoost，针对三个目标变量进行预测。我们在准确率、召回率、f1 分数和精确率上分别取得了约 99.50%、99.50%、99.49% 和 99.50% 的最佳性能。在 Random Forest、KNN 和 XGB 算法中观察到的 AUC 分数分别为 99.87%、98.97% 和 99.88%。该方法有助于医生和疑似患者尽早识别卵巢风险，减少卵巢癌相关并发症与死亡。
引用
@article{arxiv.2108.13387,
title = {Ovarian Cancer Prediction from Ovarian Cysts Based on TVUS Using Machine Learning Algorithms},
author = {Laboni Akter and Nasrin Akhter},
journal= {arXiv preprint arXiv:2108.13387},
year = {2021}
}
备注
This paper has been published in International Conference on Big Data, IoT and Machine Learning 2021 (BIM 2021)