基于贝叶斯方法的乳腺癌生存分析

论文摘要

癌症是一种严重威胁人类生命健康的疾病。在我国,乳腺癌是女性最常见的恶性肿瘤类型;且相比于欧美发达国家,我国乳腺癌患者的总体存活率较低。乳腺癌已经成为目前社会面临的重大公共卫生问题,亟需人们的关注和重视。针对乳腺癌患者的生存分析是目前一个重要的研究方向,它主要研究有哪些因素显著影响乳腺癌患者预后生存情况,并对其生存期进行预测。生存分析能够帮助医师有针对性地选择治疗方案;帮助患者预测疾病的发展方向,以及可能的生存期;帮助研究者判断药物或者治疗方案的有效性。在针对乳腺癌数据的预后生存分析中,越来越多的研究者开始关注阳性淋巴结比率(Lymph Node Ratio,LNR)这一特征对患者预后生存情况的影响。LNR通过计算检验切片上阳性淋巴结个数占淋巴结总数的比率得到。但实际应用中,该特征受到检验观测手法不同等原因的影响,不能准确地反应患者LNR的总体真实情况。因此,本文提出了基于患者的病理特征,通过逻辑回归算法和贝叶斯方法对LNR进行估计,取得了比直接使用其切检值进行预后生存分析更好的效果。此外,在生存分析中,为处理数据集中不满足Cox回归模型比例风险假设的特征,本文分别提出了基于贝叶斯方法的分层和动态Cox回归模型。最后,本文使用LNR的局部切检值、逻辑回归估计值和贝叶斯方法估计值结合其他预后分析特征构建经典Cox回归模型、基于贝叶斯方法的分层Cox回归模型和基于贝叶斯方法的动态Cox回归模型,比较了三种模型在不同输入数据下的性能,并预测了患者的预后生存率。经过比较发现,使用阳性淋巴结比率的估计值的扩展Cox回归模型在一致性指标(Concordance Index)和 ROC/AUC(Receiver Operation Characteristic,ROC;Area Under ROC Curve,AUC)上有更好的表现,同时也能更好地预测患者的预后生存率情况。

论文目录

文章来源

类型: 硕士论文

作者: 杜婧

导师: 滕婧

关键词: 贝叶斯方法,生存分析,阳性淋巴结比率,回归模型

来源: 华北电力大学(北京)

年度: 2019

分类: 基础科学,医药卫生科技

专业: 数学,外科学,肿瘤学

单位: 华北电力大学(北京)

分类号: R737.9;O212.1

DOI: 10.27140/d.cnki.ghbbu.2019.001508

总页数: 60

文件大小: 4611K

下载量: 102

相关论文文献

• [1].贝叶斯方法在篮子试验设计中的应用[J]. 中国卫生统计 2020(03)
• [2].主观贝叶斯方法在列车占用丢失报警原因分析中的应用[J]. 铁路计算机应用 2014(12)
• [3].基于贝叶斯方法的比例数据分位数推断及其应用[J]. 散文百家(新语文活页) 2017(01)
• [4].贝叶斯方法在数据挖掘中的应用进展[J]. 科技致富向导 2014(14)
• [5].贝叶斯网络推理与学习方法研究[J]. 信息记录材料 2019(06)
• [6].风险分析中的稳健贝叶斯方法[J]. 内蒙古财经学院学报 2011(04)
• [7].贝叶斯方法在污水处理收费研究中的应用[J]. 统计教育 2009(03)
• [8].基于贝叶斯方法的不确定性信息处理研究进展综述[J]. 机电产品开发与创新 2018(06)
• [9].基于超级贝叶斯方法的专家意见先验概率修正研究[J]. 统计与决策 2013(01)
• [10].稳健贝叶斯方法在指数保费原理下的应用[J]. 西南大学学报(自然科学版) 2016(03)
• [11].论贝叶斯方法在计算机智能化中的应用[J]. 中小企业管理与科技(下旬刊) 2011(05)
• [12].基于贝叶斯方法的事件推理[J]. 科技信息 2010(33)
• [13].基于主观贝叶斯方法的装备故障概率分析[J]. 国防技术基础 2009(02)
• [14].基于贝叶斯方法的蒙古栎林单木树高-胸径模型[J]. 南京林业大学学报(自然科学版) 2020(01)
• [15].一类敏感问题的广义贝叶斯方法[J]. 数学学习与研究 2020(04)
• [16].一个基于贝叶斯方法的冬态树木分类系统的设计与实现[J]. 计算机应用与软件 2009(05)
• [17].浅谈风险决策中的贝叶斯方法[J]. 科技信息 2008(33)
• [18].基于属性序的贝叶斯网结构快速学习方法[J]. 计算机工程与设计 2018(09)
• [19].基于经典贝叶斯方法的滤波模型参数估计[J]. 系统仿真学报 2008(23)
• [20].数学之美:神奇的贝叶斯方法[J]. 中国新通信 2018(08)
• [21].基于贝叶斯网络推理的油气成藏模式分析[J]. 现代企业 2018(10)
• [22].边坡稳定不确定性分析的贝叶斯方法[J]. 河南城建学院学报 2013(05)
• [23].基于贝叶斯方法对乳腺癌进行计算机辅助预测[J]. 中国医学工程 2011(02)
• [24].家畜全基因组选择中的单步贝叶斯方法[J]. 基因组学与应用生物学 2016(10)
• [25].贝叶斯优化方法和应用综述[J]. 软件学报 2018(10)
• [26].基于贝叶斯方法的高鲁棒性故障检测技术[J]. 湖北大学学报(自然科学版) 2015(06)
• [27].基于贝叶斯方法的深层充电效应风险模型评估[J]. 地球物理学报 2019(06)
• [28].时间域航空电磁数据变维数贝叶斯反演[J]. Applied Geophysics 2018(02)
• [29].基于贝叶斯方法分析蒸汽管网保温层损坏问题[J]. 区域供热 2016(05)
• [30].基于多元化贝叶斯方法的信用评级研究[J]. 大庆师范学院学报 2020(06)

标签：贝叶斯方法论文;  生存分析论文;  阳性淋巴结比率论文;  回归模型论文;