计算智能和神经科学
研究文章

一个集成的方法对癌症生存预测使用数据挖掘技术

表8

技术的比较与先前的文献。
S.no。 作者 数据集 类型的癌症与阶段 癌症患者使用阶段 类型的属性 分类技术 结果
1。 松尾et al。50] 临床- 768患者 子宫颈癌 所有的阶段 (我)临床 深度学习和cox比例模型 平均绝对误差为30.7(深度学习),43.6 (cox比例风险回归)
(2)治疗
2。 公园等。51] SEER数据集 乳腺癌 所有的阶段 (我)临床 子群矿业 有效的规则生成
(2)治疗
3所示。 西姆西可et al。29日] SEER数据集 乳腺癌 所有的阶段 (我)临床 人工神经网络和逻辑回归 83.6% (ann)
5年存活率82.9% (LR)
4所示。 王等人。52] 临床- 1075患者 肺癌 所有的阶段 (我)临床 高斯贝叶斯网络 R293.57% (i期),86.83%(第二阶段),67.22%(第三阶段),52.94%(四期)
(2)治疗
(3)并发症
5。 Garcia-Laencina et al。53] 临床- 399患者 乳腺癌 所有的阶段 (我)临床 资讯、逻辑回归、决策树、支持向量机 然而,81%(最高)
(2)治疗
6。 托斯等。54] 国家卫生数据库- 28817病人 结肠癌 所有的阶段 (我)治疗 序列挖掘 - - - - - -
7所示。 古永锵et al。30.] 临床- 7267患者 前列腺癌 所有的阶段 (我)临床 人工神经网络 84.9%的总体5年生存
(2)治疗
8。 凯特和Nadig [55] SEER数据集 乳腺癌 所有的阶段 (我)临床 逻辑回归、朴素贝叶斯决策树 84.2%(朴素贝叶斯)
(2)治疗
9。 Malhotra et al。56] 临床- 393患者 胶质母细胞瘤癌 所有的阶段 (我)治疗 序列挖掘与统计技术 85%(逻辑回归)
(2)遗传
(3)临床
10。 郭et al。57] 临床- 5842患者 子宫颈癌 阶段IA1 IIB2 (我)临床 支持向量机,决策树,随机森林、安等。 0.895和0.89 AUC(光GBM和随机森林)
11。 Kalafi et al。58] 马来亚大学医学癌症登记处- 8066病人 乳腺癌 所有的阶段 (我)临床 SVM,延时(多层感知器),决策树,随机森林 88.2%的准确率(MLP)
(2)治疗
12。 阿拉et al。59] SEER数据集 口腔癌 所有的阶段 (我)临床 逻辑回归、支持向量机、贝叶斯点,提振,决定森林,丛林的决定 88.7%(增加)
13。 Bos et al。60] 临床- 177患者 口腔癌 所有的阶段 (我)临床 逻辑回归 0.744 AUC
(2)Radiomic (MRI)
14。 希拉et al。61年] tcga - 579和593样品 卵巢癌 所有的阶段 (我)Multi-omics数据 深度学习 93.2 -95.5%和87.1 -95.7%的准确率
15。 建议的方法 临床- 140患者 卵巢癌 高级阶段 (我)临床 序列挖掘合奏 76.4%的准确率和0.85 AUC(提高)
(2)治疗
(3)生活质量(并发症+ ECOG)