Machine Learning and Feature Selection to SEER Data to Novel Diagnosis Thyroid Cancer
- سال انتشار: 1400
- محل انتشار: اولین همایش بین المللی و دهمین همایش ملی بیوانفورماتیک ایران
- کد COI اختصاصی: IBIS10_030
- زبان مقاله: انگلیسی
- تعداد مشاهده: 188
نویسندگان
Department of Bioinformatics, Segal biotechnology, Tehran, Iran
Department of Microbiology, Karaj Branch, Islamic azad university, Karaj, Iran
چکیده
In this research to create a machine learning prediction model that can be used to predict bone metastasisin thyroid cancer. Demographic and clinicopathologic variables of thyroid cancer patients in theSurveillance, Epidemiology, and End Results database from ۲۰۱۰ to ۲۰۱۶ were retrospectively analyzed.On this basis, we developed a random forest algorithm model based on machine-learning. The area underreceiver operating characteristic curve (AUC), accuracy score, recall rate, and specificity are used toevaluate and compare the prediction performance of the random forestmodel and the other model. A totalof ۱۷,۱۳۸ patients were included in the study, with ۱۶۶ (۰.۹۷%) developed bone metastases. Grade, T stage,histology, race, sex, age, and N stage were the important prediction features of bone metastasis. The randomforestmodel has better predictive performance than the other model (AUC: ۰.۹۱۷, accuracy: ۰.۹۰۴, recallrate: ۰.۸۳۳, and specificity: ۰.۹۰۵). The random forestmodel constructed in this study could accuratelypredict bone metastases in thyroid cancer patients, which may provide clinicians with more personalizedclinical decision-making recommendations. In conclusion, here, we developed a random forest predictionmodel for bone metastases in thyroid cancer patients that outperformed traditional logistic regressionmodels. This facilitates personalized diagnosis and refined clinical decision making for bone metastasis inthyroid cancer patients.کلیدواژه ها
bone metastasis, machine learning, random forest, SEERمقالات مرتبط جدید
- بررسی خاصیت ضدبیوفیلمی ترکیب گیاهی ۱و۸-سینئول علیه آسینتوباکتر بومانی دارای مقاومت داروئی
- ابر دریاچه باستانی ری - مقدمه ای بر تغییرات سطح-حجم آب در طول زمان از دیدگاه مورفولوژی
- تاثیرنشانگ رهای غیرتهاجمی بزاق در تشخیص سرطان دهان
- بررسی میزان فراوانی بیماری فاویسم در کودکان زیر۶ سال در شهر بوشهر
- بررسی تاثیرپاالیندگی گیاه Salsola crassa بر کاهش آلودگیفاضلاب صنعتی
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.