改进DEA-DA模型在乳腺癌病情诊断领域的应用  

Improving the Application of the DEA-DA Model in the Diagnosis of Breast Cancer

作　　者：崔巍 张红 木仁 Cui Wei;Zhang Hong;Mu Ren

机构地区：[1]吉林财经大学统计学院,吉林长春130117

出　　处：《赤峰学院学报（自然科学版）》2024年第11期28-34,共7页Journal of Chifeng University(Natural Science Edition)

基　　金：吉林省自然科学基金项目(20230101184JC);国家自然科学基金项目(72371115);国家社会科学基金项目(23FTJB002)。

摘　　要：世界卫生组织统计数据显示,2023年乳腺癌依然是全球女性最常见的癌症之一,在亚洲地区,中国乳腺癌患者占比居高不下。乳腺癌的早期诊断对提高患者的生存率和治愈率方面至关重要。本文探讨了改进的数据包络分析-判别分析(DEA-DA)模型在乳腺癌病情诊断中的应用,并将其与机器学习算法进行了对比分析。该模型在判别精度方面与机器学习方法并无显著性差距,但该模型因其明确的线性表达式具备了更强的可解释性,从而在实际病情诊断及后期治疗方面具有了更强的可操作性。这一研究为众多现实判别问题奠定了良好的可解释性模型基础。

关 键 词：数据包络分析 判别分析 机器学习算法 早期诊断 模型优化 

分 类 号：R737.9[医药卫生—肿瘤]