【摘 要】目的：阐释朴素贝叶斯在乳腺肿瘤诊断中的应用原理，同时分析其诊断性能的变化特征;方法：把已经确诊的500个乳腺肿瘤病例分为训练样本集合与检验样本，其中前400个样本作为训练样本集合，后100个样本作为测试样本。实验过程中，随机从400个训练样本集合中选择一定数量的子集作为一次实验过程中的训练样本以用于训练朴素贝叶斯诊断模型，然后用100个测试样本来检验模型的诊断性能。结果：朴素贝叶斯诊断模型诊断正确率p与训练样本数量N之间满足指数函数p=-0.7515*N-0.4936+1.034(判定系数R2=0.7791)的关系;模型的诊断性正确率与训练样本数量之间是正相关关系;当训练样本数量达到一定数量之后，朴素贝叶斯诊断模型的诊断性能趋于稳定，诊断正确率的均值为98.45%、标准差为0.88%。结论：基于朴素贝叶斯的诊断模型作为辅助医生进行乳腺肿瘤诊断的工具具有很好的推广应用潜力。

    【关键词】朴素贝叶斯;乳腺肿瘤;机器学习;医学诊断模型

    【中图分类号】R18 【文献标识码】A 【文章编号】1672-3783(2019)12-0019-02

    乳腺肿瘤是女性健康的重要危害因子之一[1]，早诊断、早发现是当前医疗水平下唯一能降低乳腺肿瘤致死率的唯一方法 ...... 如果您在使用手机等流览时无法查看或下载全文，可能是被搜索引擎失真“转码”，请点击屏幕最下方的“电脑版”或“原网页”访问。


限于服务器压力，网站部分信息只供爱心会员或有一定积分的注册会员流览。
此信息需要 1 积分（免费注册登录后每天可以领取10个积分）。

用户名：
密 码：
	忘了密码

如果您还不是100md.com会员，欢迎 免费注册，
如果您想获得积分，点击这里 查看积分规则。
如果您想订购杂志，请直接与《健康必读(上旬刊)》编辑部联系。     信息仅供参考，不构成任何之建议、推荐或指引。文章版权属于原著作权人，若您认为此文不宜被收录供大家免费阅读，请邮件或电话通知我们，我们收到通知后，会立即将您的作品从本网站删除。

微信文章  关注百拇  评论几句  搜索更多