目的 由于传统机器学习算法的分类能力较低,不足以辅助临床诊断,本研究将分类功能强大的集成学习与医疗诊断相结合,提高诊断准确率和召回率.方法 研究应用集成学习的随机森林算法和Xgboost算法来提高模型准确率和召回率,并利用交叉验证和网格搜索提高模型拟合能力.结果 通过对比随机森林模型、Xgboost模型和传统机器学习的决策树模型,研究得出,集成学习极大地提高了乳腺癌诊断的准确率和召回率,准确率从0.92提高至0.96,召回率从0.90提高至0.97和0.99.结论 将集成学习算法与实际医疗诊断技术相结合具有实际的研究意义,可以进一步将两种领域相结合,以提高医疗诊断的效率和准确率.
作者：邓卓；苏秉华；张凯
来源：中国医疗设备 2020 年 35卷 12期
