社区所有版块导航
Python
python开源   Django   Python   DjangoApp   pycharm  
DATA
docker   Elasticsearch  
aigc
aigc   chatgpt  
WEB开发
linux   MongoDB   Redis   DATABASE   NGINX   其他Web框架   web工具   zookeeper   tornado   NoSql   Bootstrap   js   peewee   Git   bottle   IE   MQ   Jquery  
机器学习
机器学习算法  
Python88.com
反馈   公告   社区推广  
产品
短视频  
印度
印度  
Py学习  »  机器学习算法

医学临床数据机器学习研究和实验指导服务

AI与医学 • 3 周前 • 43 次点击  

点击👆蓝字或👇名片,关注"AI与医学"



0.前言



大壮归来

“科研,自己说的算”


好消息!!!

好消息!!!

希望友友们奔走相告,


大壮可以为友友们提供一些服务,让友友们科研更轻松。


1.服务介绍

主要是帮助朋友们提供代码、算法相关服务,让科研更轻松。工具会自动生成各种分析结果图表和报告,减少您数据整理、建模和分析的宝贵时间。

(1)写作思路指导

基于机器学习和临床数据交叉应用

1)支持开源数据指导,没有临床数据也可以

2)支持自有临床数据指导

(2)数据处理

1)支持多维度、多种形式的数据(连续和离散数据格式、声音、图像、等数据格式)

2)支持数据清洗剔除无效数据、对缺失的数据进行补齐修复

3)支持数据归一化、标准化

4)支持人工特征选择

5)支持数据降维(PCA)

(3)机器学习数据建模

1)多种机器学习建模指导,包括常规机器学习算法

2)支持算法参数调优

序号

模型

1

逻辑回归

2

决策树

3

随机森林

4

贝叶斯

5

最近邻

6

多层感知机

7

持续更新中

3)可解释机器学习模型分析

4)传统数据分析

a.数据分布

b.数据相关性分析


(4)数据分析评估指导

支持算法交叉验证和评估,支持多种评价指标分析。

序号

评估指标名称

1

AUC

2

accuracy

3

recall

4

precision

5

F1

6

Kappa

7

MCC

8

持续更新

(5)丰富的输出结果

丰富结果图和excel表格

2.案例-以乳腺癌分类为例

2.1数据介绍

威斯康星州UCI ML乳腺癌(诊断)数据集的副本(https://goo.gl/U2Uwz2)。特征是从乳腺肿块的细针抽吸物(FNA)的数字化图像中计算出来的。它们描述了图像中细胞核的特征。是一个经典的用于二分类问题的数据集,用于对乳腺癌的诊断进行分类。该数据集包含了569个乳腺癌肿瘤样本的特征数据和相应的标签信息。每个特征都被测量为一个实数值,用于描述细胞核图像的不同属性,属性如表2所示。

1-数据详情

项目

数据

说明

总量

569

212 - Malignant, 357 - Benign

特征数量

30

详见表2

类别数量

2

恶性肿瘤和良性肿瘤

2-数据集属性说明

序号

属性

说明

1

radius (mean):

半径(均值)

2

texture (mean):

纹理(均值)

3

perimeter (mean):

周长(均值)

4

area (mean):

区域(均值)

5

smoothness (mean):

平滑度(均值)

6

compactness (mean):

紧密度(均值)

7

concavity (mean):

凹陷(均值)

8

concave points (mean):

凹点(均值)

9

symmetry (mean):

对称性(均值)

10

fractal dimension (mean)

分形维数(均值)

11

radius (standard error):

半径(标准差)

12

texture (standard error):

纹理(标准差)

13

perimeter (standard error):

周长(标准差)

14

area (standard error):

区域(标准差)

15

smoothness (standard error):

平滑度(标准差)

16

compactness (standard error):

紧密度(标准差)

17

concavity (standard error):

凹陷(标准差)

18

concave points (standard error):

凹点(标准差)

19

symmetry (standard error):

对称性(标准差)

20

fractal dimension (standard error):

分形维数(标准差)

21

radius (worst):

半径(最差/最大值的平均数值

22

texture (worst):

纹理(最差/最大值的平均数值

23

perimeter (worst):

周长(最差/最大值的平均数值

24

area (worst):

区域(最差/最大值的平均数值

25

smoothness (worst):

平滑度(最差/最大值的平均数值

26

compactness (worst):

紧密度(最差/最大值的平均数值

27

concavity (worst):

凹陷(最差/最大值的平均数值

28

concave points (worst):

凹点( 最差/最大值的平均数值

29

symmetry (worst):

对称性(最差/最大值的平均数值

30

fractal dimension (worst):

分形维数(最差/最大值的平均数值

2.2 数据结果

(1)5 kfold 交叉验证评估结果


(2)多模型评估结果

(3)混淆矩阵



— THE END —

排版:大壮

美工:大壮

注:本文仅用于分享和研究AI与医学相关学术论文

如存在侵权,请告知,及时删






往期精彩回顾


机器学习在临床医学研究中的应用套路

基于机器学习的败血症和红细胞宽度关系研究

基于低剂量CT和深度学习肺结节恶性肿瘤风险评估

慢性阻塞性肺疾病(COPD)和人工智能(AI)

Deep-COVID:基于深度迁移和胸部 X片的COVID-19预测

基于CT和电子病历多模态融合的肺栓塞检测

基于深度学习分割算法肺部癌症X光片的检测

基于深度学习的阿尔茨海默病辅助诊断和多模态特征融合

基于多模态信息融合的乳腺癌诊断

基于多模态数据融合的肺部肿瘤智能分析

基于多模态数据融合的精神分裂症分类




科研服务

医学朋友们福利来了

1.大壮开可以实现临床数据快速清洗和建模,欢迎大家咨询

👉👉机器学习在临床医学研究中的应用套路

2.大壮提供医疗影像研究方向、算法实现咨询服务,包括但不局限CT、MRI图像分割、图像生成、多模态等技术支持。 感兴趣或者想了解论文评论区留言或者联系大壮,大壮根据情况进行解读                




Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/179204
 
43 次点击