肿瘤类疾病的过度与错误医疗检查控制机制与模型的研究后印本

作者： 朱诗生 ¹ 汪昕蓉 ¹ 毛礼厅 ² 柳学国 ²
作者单位：

1. 汕头大学计算机系

2. 中山大学附属第五医院
提交时间：2018-07-23 17:50:04

摘要: 针对当前肿瘤类疾病诊治过程中存在的错误与过度医疗问题，基于医疗大数据提取出相似病案专家处方中的影像信息，利用机器学习分类模型提出了发现错误与过度诊治的检查控制机制与解决方案。该方案依托医院长期积累的各类肿瘤疾病病历中的CT、MRI图像，以每次诊疗过程中的实际肿瘤类型为依据，从医疗数据库中选择对应类型的影像数据进行特征提取、特征选择、模型构建，得到该类型肿瘤的预测分类器，预测当前病例的良恶性；并通过跟医生诊断结果的对比判断诊疗过程中是否存在过度与错误医疗问题。其核心是提高不依赖人工判别方法的判别正确率来降低肿瘤类疾病的错诊可能性，通过实验证明结合了spearman去冗余方法的SVM_RFE降维，与传统的SVM_RFE方法相比，在肺结节良恶性分类问题的SVM模型中表现更佳，同时也优于传统的radiomics方法。该方案能及时发现错误与过度医疗问题并提出预警，发挥监督提醒的作用，在实现预防和避免诊治错误的同时减少对人工鉴别的依赖，为错误医疗问题及减轻患者负担提供一种新的解决途径。

错误医疗机器学习 spearman SVM_RFE SVM分类模型

分类： 计算机科学 >> 计算机科学的集成理论

期刊：

计算机应用研究

投稿状态： 已在期刊出版
引用： ChinaXiv:201808.00125 (或此版本 ChinaXiv:201808.00125V1)
DOI:10.12074/201808.00125V1
CSTR:32003.36.ChinaXiv.201808.00125.V1
科创链TXID： 4576743a-450f-4718-8db6-974d43658c49
推荐引用方式： 朱诗生,汪昕蓉,毛礼厅,柳学国.肿瘤类疾病的过度与错误医疗检查控制机制与模型的研究.计算机应用研究:https://chinaxiv.org/abs/201808.00125.[ChinaXiv:201808.00125V1] (点此复制)

版本历史

[V1]

2018-07-23 17:50:04

ChinaXiv:201808.00125V1

下载全文

相关论文推荐

1. 面向实际应用的微表情分析：从数据采集到智能部署	2025-06-12
2. 机器学习的信息科学原理：基于形式化信息映射的因果链元框架	2025-06-06
3. Semantic structures within natural language and their cognitive functions	2025-06-03
4. 注视即计算	2025-05-30
5. 面向多模态认知与具身决策的“文录”大脑系统：通用大模型与行业知识深度融合的安全化新架构	2025-05-30
6. Physical models realizing the transformer architecture of large language models	2025-05-27
7. 基于AIGC的个性化软硬件与柔性供应链系统构建多模态设计生成与优化引擎设计	2025-05-21
8. DO-RAG: A Domain-Specific QA Framework Using Knowledge Graph-Enhanced Retrieval-Augmented Generation	2025-05-20
9. 基于数据治理框架的数据质量评估技术研究	2025-05-15
10. 基于证据积累的认知决策神经网络模型	2025-05-11


公开评论匿名评论仅发给作者

肿瘤类疾病的过度与错误医疗检查控制机制与模型的研究 后印本

版本历史

相关论文推荐

肿瘤类疾病的过度与错误医疗检查控制机制与模型的研究后印本