基于多目标神经网络的前列腺癌诊断方法

被引：6

作者：

孔倩 ^{[1
]}

王杜娟 ^{[1
]}

王延章 ^{[1
]}

JIN Yaochu ^{[1
,2
]}

江彬 ^{[3
]}

机构：

[1] 大连理工大学管理与经济学部

[2] 英国萨里大学计算机系

[3] 大连市友谊医院泌尿外科

来源：

系统工程理论与实践 | 2018年 / 38卷 / 02期

基金：

中央高校基本科研业务费专项资金资助;

关键词：

前列腺癌诊断; 多目标神经网络学习; 进化计算; 特征选择;

D O I：

暂无

中图分类号：

R737.25 [前列腺肿瘤]; TP18 [人工智能理论];

学科分类号：

100214 ; 081104 ; 0812 ; 0835 ; 1405 ;

摘要：

前列腺癌是男性恶性肿瘤中发病率最高的肿瘤之一.通过对前列腺癌的有效诊断,可以尽早治疗,降低前列腺癌的死亡率.针对前列腺癌早期筛查的准确度不足,病理检查给病人身体带来严重负担的现状,以及现有基于数据挖掘的癌症诊断方法只关注诊断结果准确性或者只关注可解释性的问题,本文提出一种基于多目标神经网络的诊断方法,通过特征选择提取对诊断结果最具有解释性的特征子集,以提高模型的可解释性和准确度;通过采用进化计算的方式进行神经网络的结构和权重学习,从而构建有效的能够充分体现临床信息与前列腺癌之间关联的多目标神经网络模型进行前列腺癌诊断;并通过Pareto优化方法对模型训练过程中的结构和参数进行优化,从而提供多个有效的诊断模型以满足医务工作者不同的决策偏好.

引用

页码：532 / 544

页数：13

共 13 条

[1] 经直肠超声引导下穿刺活检在前列腺癌诊断中的临床应用价值 [J].

兰雨 ;

何秀丽 .

解放军医学杂志, 2016, (05) :416-419

[2] 多目标决策下Pareto非支配解的快速构造方法 [J].

王芳 ;

饶运清 ;

唐秋华 ;

何晓霞 ;

张利平 .

系统工程理论与实践, 2016, (02) :454-463

[3] 泛化误差的各种交叉验证估计方法综述 [J].

杨柳 ;

王钰 .

计算机应用研究, 2015, 32 (05) :1287-1290+1297

[4] 基于人工神经网络的前列腺癌诊断模型对前列腺癌的诊断价值研究 [J].

宋敏 ;

王开正 ;

杭永伦 ;

李光荣 ;

田刚 ;

刘靳波 .

中国全科医学, 2012, 15 (35) :4061-4063

[5] 基于随机森林的特征选择算法 [J].

姚登举 ;

杨静 ;

詹晓娟 .

吉林大学学报(工学版), 2014, (01) :137-141

[6] 采用并行协同进化遗传算法的文本特征选择 [J].

邬开俊 ;

鲁怀伟 .

系统工程理论与实践, 2012, 32 (10) :2215-2220

[7] 特征选择方法综述 [J].

姚旭 ;

王晓丹 ;

张玉玺 ;

权文 .

控制与决策 , 2012, (02) :161-166+192

[8]

人工神经网络在前列腺癌诊断中的应用[J]. 吕冬姣,张珏,王霄英,郭雪梅,王翠艳. 北京大学学报(医学版). 2009(04)

[9] BP人工神经网络自适应学习算法的建立及其应用 [J].

李晓峰 ;

徐玖平 ;

王荫清 ;

贺昌政 .

系统工程理论与实践, 2004, (05) :1-8

[10]

Cancer statistics in China, 2015[J] . Wanqing Chen,Rongshou Zheng,Peter D. Baade,Siwei Zhang,Hongmei Zeng,Freddie Bray,Ahmedin Jemal,Xue Qin Yu,Jie He. CA: A Cancer Journal for Clinicians . 2016 (2)

← 1 2 →