案例描述
近年来疾病早期诊断越来越受到医学专家的重视,从而产生了各种疾病诊断的新方法。乳癌最早的表现是患乳出现单发的、无痛性并呈进行性生长的小肿块。肿块位于外上象限最多见,其次是乳头、乳晕区和内上象限。因多无自觉症状,肿块常是病人在无意中(如洗澡、更衣)发现的。少数病人可有不同程度的触痛或刺激和乳头溢液。肿块的生长速度较快,侵及周围组织可引起乳房外形的改变,出现一系列体征。如:肿瘤表面皮肤凹陷;邻近乳头的癌肿可将乳头牵向癌肿方向;乳头内陷等。癌肿较大者,可使整个乳房组织收缩,肿块明显凸出。癌肿继续增长,形成所谓“桔皮样”改变。这些都是乳腺癌的重要体征。
乳癌发展至晚期,表面皮肤受侵犯,可出现皮肤硬结,甚者皮肤破溃形成溃疡。癌肿向深层侵犯,可侵入胸筋膜、胸肌,致使肿块固定于胸壁而不易推动。
乳癌的淋巴转移多表现为同侧腋窝淋巴结肿大,初为散在、无痛、质硬,数目较少,可被推动;以后肿大的淋巴结数目增多,互相粘连成团,与皮肤或腋窝深部组织粘连而固定。少数病人可出现对侧腋窝淋巴结转移。
乳癌的远处转移,至肺时,可出现胸痛、气促、胸水等;椎骨转移时,出现患处剧痛甚至截瘫;肝转移时,可出现黄疸、肝肿大等。
案例分析
本案例通过采集乳腺癌的9个医学指标数据,通过建立RBF神经网络模型,为早期诊断乳腺癌是良性或是恶心提供有效依据。用于预测建模的9个医学指标为:细胞的均匀形状、细胞边缘粘附程度、胆上皮细胞大小、裸核大小、Bland染色体、正常核仁大小、丛厚度、均匀细胞大小、有丝分裂程度。

预测建模
操作步骤一:数据准备
1.  本用例提供临床采集的699例样本数据集作为样本数据,详见:《样本数据­.xls》。

2.   本例用于预测建模的9个医学指标为细胞的均匀形状、细胞边缘粘附程度、胆上皮细胞大小、裸核大小、Bland染色体、正常核仁大小、丛厚度、均匀细胞大小、有丝分裂程度,样本数据如下:

将“样本数据.xls”文件的699条数据中前650条数据作为训练数据集,后49条数据作为

操作步骤二:创建方案
登录TipDM平台后的默认页面即为“方案管理”,在此页面,选择“数据分类”创建一个新方案,方案名称:基于RBF神经网络乳腺癌医学诊断建模。方案描述:近年来疾病早期诊断越来越受到医学专家的重视,从而产生了各种疾病诊断的新方法。本案例经综合分析后,采集了乳腺癌的9个医学指标数据,通过建立RBF神经网络模型,为早期诊断乳腺癌是良性或是恶心提供有效依据。
操作步骤三:数据管理
方案创建完成后,点击“数据管理”,点击“浏览”找到“样本数据.xls”,点击“上传”将数据导入方案中,如果数据未及时显示,点击“刷新“则显示出导入的数据。
操作步骤四:预测建模
在系统菜单栏选择“分类与回归”其中子菜单“神经网络”下有本次应用的算法“RBF神经网络”算法,点击该菜单右边出现该算法页面。
1、导入训练样本数据:选择所有数据列及第1至第650行,导入专家样本数据。
2、参数设置:点击按钮“参数设置”,弹出参数设置框,共有六项参数可以设置:“聚类种子数”、“最大迭代次数”、 “最小标准差”、“聚类数”、“岭参数”、“预测输出”。
² 聚类种子数:K-均值聚类种子数
² 最大迭代次数:最大训练(迭代)次数
² 最小标准差:设定允许误差最小值
² 聚类数:样本最后聚类的个数
² 岭参数:对数似然值的岭参数
² 预测输出:选择“True”,当交叉验证和模型训练时,将会输出样本的预测结果。

3、模型训练、交叉验证、模型验证、模型预测的操作请根据数据文件登陆www.tipdm.cn操作。

RBF径向基神经网络——乳腺癌医学诊断建模的更多相关文章

  1. 机器学习之径向基神经网络(RBF NN)

    本文基于台大机器学习技法系列课程进行的笔记总结. 主要内容如下图所示: 首先介绍一下径向基函数网络的Hypothesis和网络的结构,然后介绍径向基神经网络学习算法,以及利用K-means进行的学习, ...

  2. RBF(径向基)神经网络

    只要模型是一层一层的,并使用AD/BP算法,就能称作 BP神经网络.RBF 神经网络是其中一个特例.本文主要包括以下内容: 什么是径向基函数 RBF神经网络 RBF神经网络的学习问题 RBF神经网络与 ...

  3. 径向基网络(RBF network)

    来源:http://blog.csdn.net/zouxy09/article/details/13297881 1.径向基函数 径向基函数(Radical Basis Function,RBF)方法 ...

  4. RBF高斯径向基核函数【转】

    XVec表示X向量.||XVec||表示向量长度.r表示两点距离.r^2表示r的平方.k(XVec,YVec) = exp(-1/(2*sigma^2)*(r^2))= exp(-gamma*r^2) ...

  5. AI+医疗:使用神经网络进行医学影像识别分析 ⛵

    作者:韩信子@ShowMeAI 计算机视觉实战系列:https://www.showmeai.tech/tutorials/46 行业名企应用系列:https://www.showmeai.tech/ ...

  6. 径向基(RBF)神经网络python实现

    from numpy import array, append, vstack, transpose, reshape, \ dot, true_divide, mean, exp, sqrt, lo ...

  7. 广义径向基网络(RBF网络)

  8. MATLAB——径向基网络拟合曲线和分类

    1.:.:; rand('state',pi); %指定状态,产生相同的随机数 T=sin(*P)+rand(,length(P)); % 给正弦函数加噪声 plot(P,T,'o') % net=n ...

  9. 卷积神经网络(CNN)在句子建模上的应用

    之前的博文已经介绍了CNN的基本原理,本文将大概总结一下最近CNN在NLP中的句子建模(或者句子表示)方面的应用情况,主要阅读了以下的文献: Kim Y. Convolutional neural n ...

随机推荐

  1. Dungeon Game 解答

    Question The demons had captured the princess (P) and imprisoned her in the bottom-right corner of a ...

  2. Java Class 字节码文件结构详解

    Class字节码中有两种数据类型: 字节数据直接量:这是基本的数据类型.共细分为u1.u2.u4.u8四种,分别代表连续的1个字节.2个字节.4个字节.8个字节组成的整体数据. 表:表是由多个基本数据 ...

  3. DBA 经典面试题(3)

    这里的回答并不是十分全面,这些问题可以通过多个角度来进行解释,也许你不必在面试过程中给出完全详尽的答案,只需要通过你的解答使面试考官了解你对ORACLE概念的熟悉程度.   1.解释冷备份和热备份的不 ...

  4. eclipse配置maven + 创建maven项目

        登录|注册     努力+坚持,而且还很年轻   目录(?)[+] 在现实的企业中,以低成本.高效率.高质量的完成项目,不仅仅需要技术大牛,企业更加需要管理大牛,管理者只懂技术是远远不够的.当 ...

  5. mycat源码分析

    http://www.cnblogs.com/fernandolee24/p/5196367.html

  6. 同一DataTable下创建多个结构数据相同的DataView的小问题

    昨天在根据经理的要求修改公司后台的时候,遇到了一个很奇怪的问题 DataView dvFocus = ]); DataView dvLook = ]); DataView dvNewUser = ]) ...

  7. 【SQL学习笔记】排名开窗函数,聚合开窗函数(Over by)

    处理一些分组后,该组按照某列排序后 ,取其中某条完整数据的问题. 或 按照其中不同列分组后的聚合 比如 sum,avg之类. MSDN上语法: Ranking Window Functions < ...

  8. js判断ie浏览器

    function isIE() { //ie? if (!!window.ActiveXObject || "ActiveXObject" in window){ document ...

  9. 微软TTS,Neospeech TTS 简单使用

    今天搞了下微软的TTS,逛了好多网页.博客,拼拼凑凑搞了点东西吧. 首先添加类库调用,系统自带的system.speech using System.Speech.Synthesis; 然后就能调用方 ...

  10. Android5.0新特性:RecyclerView实现上拉加载更多

    RecyclerView是Android5.0以后推出的新控件,相比于ListView可定制性更大,大有取代ListView之势.下面这篇博客主要来实现RecyclerView的上拉加载更多功能. 基 ...