Resumen

En este trabajo, utilizamos principalmente el bosque aleatorio y el sistema de aprendizaje amplio (BLS) para predecir el cáncer de recto. Se inscribieron un total de 246 participantes con registros de imágenes de tomografía computarizada (TC). El modelo total en el conjunto de entrenamiento (combinado con indicadores de imagen y clínicos) tiene el mejor resultado de predicción, con el área bajo la curva (AUC) de 0,999 (95 onfianza interna (CI): 0,996-1,000) y la precisión de 0,990 (95 : 0,976-1,000). El modelo 3, el modelo general en el conjunto de pruebas, tiene el mejor resultado de predicción, con un AUC de 0,962 (95 : 0,915-1,000) y una precisión de 0,920 (95 : 0,845-0,995). Los resultados del modelo que utiliza la predicción del bosque aleatorio se comparan con los de la predicción BLS. Se observa que no hay diferencias estadísticas entre ambos resultados. Nuestro modelo de predicción combinado con características de imagen tiene un buen resultado de predicción, y esta característica de imagen es la más importante entre todas las características. En consecuencia, podemos predecir con éxito el cáncer de recto mediante la combinación de los indicadores clínicos y los indicadores integrales de las características de la imagen de TC en cuatro periodos diferentes (exploración simple, vena, arteria y excreción).

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Neurofisiología Proceso de aprendizaje
• Subjects:Artificial intelligence Data mining Genetic algorithms Neurophysiology Learning processes
• Palabras claves:mejores resultados de predicción, cáncer de recto, indicadores clínicos, características de la imagen, sistema de aprendizaje amplio, características de la imagen de la TAC, indicadores de la TAC, buenos resultados de predicción, predicción random forest, periodo diferente
• Keywords:best prediction results, rectal cancer, clinical indicators, image features, broad learning system, ct image characteristics, indicators of ct, good prediction results, random forest prediction, different period