阮旭凌 刘 琦 郭志恒 晏峻峰

(湖南中医药大学信息科学与工程学院 长沙 410208)

1 引言

近期世界卫生组织国际癌症研究机构发布全球最新癌症数据，显示乳腺癌已成全球第1大癌症[1]，不仅女性会患上乳腺癌，男性乳腺癌患者数量也不容小觑，乳腺癌防治形势的严峻性需要引起全社会重视，因此做到早发现、早确诊、早治疗对于患者具有重要意义。随着医疗技术发展，大量数据分析技术应用于乳腺癌疾病诊断。吴辰文、李长生和王伟等[2]提出基于加权特征向量核函数的支持向量机算法对乳腺癌进行分类预测；刘军、彭慧娴和黄斌等[3]提出BP-GamysBoost算法模型运用于乳腺癌疾病诊断；于凌涛、夏永强和闫昱晟等[4]采用卷积神经网络分类乳腺癌病理图像；冯照石和范祺[5]通过双重加权朴素贝叶斯算法预测乳腺癌患者复发率；余莹、樊重俊和朱人杰等[6]基于系统聚类和支持向量机算法模型对乳腺癌不同肿瘤特征进行诊断。上述几种算法虽然都取得良好效果，但分类预测精度有待提高。由于乳腺癌产生机制具有不确定性，且不同患者身心素质差异较大，因此需要针对个人制定个性化治疗方案以提高治疗效果[7]。在乳腺癌个性化治疗过程中，患者需要检查多项指标，如何在众多信息中迅速找到对患者病因有重要影响的指标是解决问题的关键。在乳腺癌原始检验指标中常存在冗余信息和噪声数据，如维度较大会导致问题的复杂性和时间的复杂度扩大，对数据特征属性进行降维能够降低系统计算量，结合机器学习算法构建预测模型，以此来诊断乳腺癌病发率，能够较好地辅助医生对患者进行乳腺癌早期诊断，具有重要现实意义。……