Nội dung được dịch bởi AI, chỉ mang tính chất tham khảo
Mô hình chẩn đoán ung thư tuyến tụy dựa trên sự kết hợp giữa thuật toán ước lượng phân bố và thuật toán di truyền
Tóm tắt
Kể từ đầu thế kỷ hai mươi mốt, mức sống của con người đã được cải thiện liên tục, theo đó là sự thay đổi trong cấu trúc chế độ ăn uống và thói quen sinh hoạt. Những thay đổi này đã ảnh hưởng đến hệ thống nội tiết của cơ thể, gây tổn thương cho mô tuyến tụy. Trong số các bệnh lý về mô tuyến tụy, ung thư tuyến tụy là loại bệnh nguy hiểm nhất đối với sức khỏe con người vì khả năng phát hiện kém và tỷ lệ tử vong cao trong vòng 1 năm. Hiện nay, trong chẩn đoán ung thư tuyến tụy, hình ảnh y tế và chọc hút bệnh lý là những phương pháp chẩn đoán chính. Các phương pháp này có tỷ lệ chẩn đoán cao đối với bệnh nhân ung thư tuyến tụy giai đoạn muộn, nhưng lại khó áp dụng cho việc chẩn đoán ung thư tuyến tụy giai đoạn sớm. Để giải quyết những vấn đề này, bài báo này đề xuất một mô hình chẩn đoán ung thư tuyến tụy dựa trên sự kết hợp giữa thuật toán ước lượng phân bố và thuật toán di truyền. Bằng cách thu thập dữ liệu bệnh lý của bệnh nhân ung thư tuyến tụy từ một bệnh viện chuyên khoa, dữ liệu bệnh lý bao gồm các biểu hiện lâm sàng của bệnh nhân ung thư tuyến tụy, các dấu hiệu khối u trong huyết thanh, v.v., sau khi xử lý dữ liệu, các mô hình được đưa vào, sau đó sử dụng các thuật toán phân loại máy học khác nhau để chẩn đoán ung thư tuyến tụy. Bằng cách đánh giá kết quả chẩn đoán của từng thuật toán phân loại, một thuật toán phân loại tối ưu đã được tìm ra và áp dụng vào mô hình chẩn đoán ung thư tuyến tụy. Kết quả cho thấy, so với các thuật toán phân loại khác, mô hình sử dụng thuật toán phân loại có độ chính xác, tỷ lệ hồi phục và trung bình hài hòa cao nhất, và hiệu suất chẩn đoán tốt nhất. Các kết quả cho thấy mô hình chẩn đoán được xây dựng trong bài báo này có giá trị ứng dụng rất cao trong việc hỗ trợ chẩn đoán sớm ung thư tuyến tụy.
Từ khóa
#chẩn đoán ung thư tuyến tụy #thuật toán di truyền #thuật toán ước lượng phân bố #máy học #dữ liệu bệnh lýTài liệu tham khảo
Shirong Zhang, Wei Yan, Liang Liu et al (2018) New progress in basic research and diagnosis of pancreatic cancer in 2017. Chin J Cancer 28(1):1–10
Qiuhong Lan (2017) Early diagnosis and clinical treatment of pancreatic cancer. J Clin Med Lit 69:13532
Ying Yang, Junfeng Wang, Peng Li (2016) Role of circulating tumor cell detection in early diagnosis of pancreatic cancer. World Dig J 18:2838–2843
Zhou D (2018) When the company controls tobacco control. Xiaokang 353(24):72–73
Motohiro K, Hiroko S, Junpei K et al (2015) MicroRNA markers for the diagnosis of pancreatic and biliary-tract cancers. PLoS ONE 10(2):e0118220
Morishita K, Ito N et al (2018) Haptoglobin phenotype is a critical factor in the use of fucosylated haptoglobin for pancreatic cancer diagnosis(Article). Clin Chim Acta 487:84–89
Manav B, Mohammed A et al (2018) Characterizing indeterminate liver lesions in patients with localized pancreatic cancer at the time of diagnosis. Abdom Radiol 43(2):351–363
Yu G (2017) Clinical value of ultrasound diagnosis of pancreatic cancer. J Pract Med Imaging 18(04):354–355
Limin Lin (2017) Clinical value of MRI in diagnosis of early pancreatic cancer. J Contemp Med 23(3):91–92
Gong J, Qiao J (2019) Discussion on the diagnostic value of multiple imaging techniques of MPA for pancreatic cancer. Image Res Med Appl 3(07):93
Yongtong Tong (2017) Application of machine learning in cognitive radio technology. Electron Prod 11:97–98
Wei Han (2017) Discussion on face recognition system and key technologies. Sci Chin 6Z:53
Wei Xia (2018) Design of machine learning web service engine based on spark. Command Simul 40(1):113–117
Yu Y (2018) Application of machine learning in stock price forecasting. Sci Technol Econ Guide 26(12):194
Chen Y, Guo X, Tao H (2018) On the research status and development trend of machine learning. China New Commun 20(8):173
Zhang L (2016) Analysis of the diagnostic value of combined serum CA199, CA242 and CEA in pancreatic cancer. Henan Med Res 25(11):1979–1980
Qingfu Du (2017) Abdominal discomfort in pancreatic cancer. Chin Health Care 2:37
Mengyan Wang (2017) Review on the prevalence and risk factors of pancreatic cancer. China Health Ind 14(18):197–198
Correlation analysis between dyslipidemia (2017) alcohol consumption and pancreatic cancer. Shandong Med 57(38):89–91
Shasha Gen, Xianping Niu, Yang Li et al (2018) Screening of pancreatic cancer in primary diabetes. Imaging Res Med Appl 1:180–181
Yifan Zhao, Liang Yan, Wei Cong (2017) Review of data cleaning methods. Softw Guide 12:222–224
Wang W, Jing H, Gou N, Jinhao Y (2018) Research on feature set analysis method based on multi-choice problem data protocol. J Univ Electron Sci Technol China 20(1):66–70
Yi C, Shuai D, Zheng X, Handong Z, Shanlin Y (2019) Blockchain-based medical records secure storage and medical service framework. J Med Syst 43(1):51–59