Comparisons of predictive modeling techniques for breast cancer in Korean women

Sun­Mi Lee

추천

검색

자료유형: 학술저널

저자정보: SunMi Lee

저널정보: 대한의료정보학회 Healthcare Informatics Research Healthcare Informatics Research 제14권 제1호

발행연도: 2008.1

수록면: 37 - 44 (8page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

Objective: To develop breast cancer prediction models and to compare their predictive performance by using Bayesian Networks (BN), Nave Bayes (NB), Classification and Regression Trees (CART), and Logistic Regression (LR). Methods: The dataset consisting of 109 breast cancer patients and 100 healthy women was used. Hugin ResearcherTM 6.7 and PoulinHugin 1.5, both of which are NB modeling software, were used. For the LR model and CART, ECMiner was used. Results: The highest area under the receiver operating characteristic curve (AUC) was shown in the Tree augmented NB model as .90. The lowest AUC was CART with .48; that of the LR model was .86. Two BN models with prior knowledge and without prior knowledge did not show any difference at all (.64 vs. .65). The lifts of four models (Simple NB, Tree Augmented NB, Hierarchical NB, LR) were 1.9. The AUCs in both the NB and LR models were higher than that of the previously established models that have been published by using LR methods. Conclusion: NB could be preferred to LR in the development of a predictive model to promote regular screening tests and early detection, which is more or less free from statistical assumptions and limitations.

#Bayesian Network #Naive Bayes #CART #Logistic Regression #Cancer #Risk Assessment #Predictive Model

참고문헌 (30)

참고문헌 신청

Arena VC / 2004 / The utility of structure?activity relationship (SAR) models for prediction and covariate selection in developmental toxicity: comparative analysis of logis

Cao J / 2003 / A naive bayes model to predict coupling between seven transmembrane domain receptors and G?proteins / Bioinformatics 2 : 234 ~ 240

De Ferrari L / 2006 / Mining housekeeping genes with a Naive Bayes classifier / BMC Genomics 7 : 277 ~

Hamerly G / 2001 / Bayesian approaches to failure prediction for disk drives / Proceedings of the eighteenth international conference on machine learning : 202 ~ 209

Jiang L / 2005 / Lecture notes in computer science: Learning tree augmented naive bayes for ranking / Springer

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

SunMi Lee

소속기관 대한의료정보학회

주요연구분야 의약학 > 기초의학 > 예방의학·직업환경의학

논문수 1 이용수 0

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (30)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

최근 본 자료

댓글(0)