Aug, 2024

深度学习预测晚发型乳腺癌转移：针对深度前馈神经网络的单一超参数网格搜索（SHGS）策略的元调优

HTML
PDF
TL;DR本研究针对机器学习在乳腺癌转移预测中的应用有限性，提出了一种单一超参数网格搜索（SHGS）策略，以提高深度前馈神经网络（DFNN）模型的超参数优化效率。实验结果表明，超参数的最佳值依赖于数据集，且受到其他超参数设置的显著影响，这为实施低预算的网格搜索提供了有益的经验和基础。
发现论文，激发创造
  • 深度神经网络改善放射科医生乳腺癌筛查的表现

    本文提出了一个基于深度卷积神经网络的乳腺癌筛查检查分类方法，并在超过200,000个检查（超过1,000,000张图像）上进行了训练和评估。该网络在筛查人群中预测乳腺癌的AUC为0.895，其高准确度的原因是采用了两阶段训练程序，并通过可靠的读者研究验证了准确性。最后，研究发现由我们的神经网络预测恶性概率与放射科医生的预测平均值相结合会更加准确。

    Mar, 2019

  • 深度前馈神经网络癌转移预测模型过拟合的实证研究

    本研究使用电子病历数据集探讨关于深度前馈神经网络预测模型中过拟合现象。通过改变深度FNNs模型的11个超参数的不同值，研究了每个超参数对于预测性能和过拟合的影响，发现学习率、decay和batchsize对过拟合和预测性能的影响更显著。

    Aug, 2022

  • 子宫内膜癌淋巴结转移的风险评估：因果推理方法

    用因果贝叶斯网络代替机器学习模型，通过bootstrap重采样算法，从限制性的观察数据中发现子宫内膜癌患者淋巴节点转移的危险性，并评估选择偏差造成人工干预的可能性，最终讨论因缺失数据而产生的偏差，为真实世界临床环境下的预后风险评估提供方法。

    May, 2023

  • 深度神经网络改进乳腺癌多基因风险评分的估计

    通过比较计算模型，本研究发现深度神经网络(DNN)在估计乳腺癌多基因风险评分(PRS)方面胜过其他机器学习技术和统计算法，包括BLUP、BayesA和LDpred。DNN能够将案例人群分为高基因风险和正常基因风险两个亚群，并准确预测疾病风险，其中DNN在50%患病率测试样本中实现了18.8%的召回率和90%的精确度，可推广至12%患病率的一般人群中的20%精确度下达到65.4%的召回率。此外，通过DNN模型的解释还发现了在关联研究中被赋予不显著p值的重要变异体，这些变异体可能通过非线性关系与表型相关联。

    Jul, 2023

  • 利用人工智能预测乳腺癌的个体风险调整MRI筛查和早期检测

    通过当前的MRI进行预测，以减轻筛查负担和促进早期发现，该研究旨在预测在一年内发展乳腺癌的风险。

    Nov, 2023

  • 资源有限的自动Ki67指数估计在乳腺癌中

    通过使用肿瘤浸润淋巴细胞（TILs）和核蛋白Ki67作为预测因子，我们提出了一种资源消耗感知的深度神经网络方法，用于在乳腺癌筛查中有效估计Ki67阳性细胞的百分比，并且在减少计算资源需求的同时保持了较高的准确率。

    Dec, 2023

  • 基于梯度提升算法的乳腺癌分类，重点减少假阴性并使用SHAP解释性

    通过使用四种提升算法：AdaBoost、XGBoost、CatBoost和LightGBM，研究了乳腺癌的预测和诊断，以及针对召回率、ROC-AUC和混淆矩阵的最有效度量标准。同时使用Optuna进行超参数优化，利用SHAP方法提高模型的可解释性，旨在帮助鉴定和预测乳腺癌，有效减少误诊率且达到更多的AUC值。

    Mar, 2024

  • 利用放射学特征和机器学习算法预测脑转移瘤MRI数据中的原发肿瘤

    使用放射组学特征和机器学习预测脑转移瘤的原发肿瘤部位，并展示了放射组学和机器学习在提高诊断准确性和个体化治疗规划方面的潜力。

    Jul, 2024

  • 深度学习：一种用于优化乳腺癌转移未来风险预测的启发式三阶段网格搜索机制

    本研究针对网格搜索在时间管理上的挑战，提出了一种启发式三阶段机制，以优化乳腺癌转移风险预测的深度学习模型。通过实施甜点网格搜索和随机网格搜索策略，该机制显著提高了模型预测性能，提升了5年、10年和15年乳腺癌转移风险的预测能力，分别提高了18.6%、16.3%和17.3%。

    Aug, 2024

  • 深度学习：一种启发式三阶段机制用于网格搜索，优化基于电子健康记录的乳腺癌转移未来风险预测

    本研究针对网格搜索在时间管理上的挑战，提出了一种启发式三阶段机制，以优化低预算网格搜索的运行时间。研究结果表明，通过实施该机制和甜点网格搜索（SSGS）以及随机网格搜索（RGS）策略，乳腺癌转移的风险预测性能显著提升，5年、10年和15年的风险预测分别提高了18.6%、16.3%和17.3%。

    Aug, 2024