以類神經網路及分類迴歸樹輔助肝癌病患預測存活情形

陳正美; 徐建業; 邱泓文; 白其卉; 吳柏動

doi:10.6288/TJPH2011-30-05-08

山西大学，您好！

感谢采购，人社期刊库｜人社论文库，期间：2025/01/01~2025/12/31

感谢试用，科学期刊库｜科学论文库，期间：2024/10/20~2025/01/20

浏览高级检索

关闭
检索检索高级检索出版物检索
浏览期刊主题浏览核心期刊浏览期刊拼音浏览

关闭

查询符号(半角)	查询符号意义说明
空格	表示为「AND」两个查询词之交集
双引号 ( " " )	片语以双引号标示开始及结束，而且只寻找出现顺序相同的字词，例： " image process "
?	表示一个字母切截，输入两个?表两个字母，依此类推，例：输入「Appl?」，查得结果应为appl e , appl y … ( 常用于英文字查询 )
*	表示不限字母切截，由0~n. 例：输入「appl*」，查得结果应为appl e , appl es , appl y , appl ied , appl ication … ( 常用于英文字查询 )
AND、OR、NOT	布尔逻辑组合关键字，用来扩大或缩小查询范围的技巧。 (1) AND ：缩小查询范围 (2) OR ：扩大查询范围(3) NOT：排除不相关的范围

DOI 是数位物件识别码（ D igital O bject I dentifier ）的简称，
为物件在网路上的唯一识别码，可用于永久连结并引用目标物件。

使用DOI作为永久连结

每个DOI号前面加上「 http://dx.doi.org/ 」便成为永久网址。
如以DOI号为 10.5297/ser.1201.002 的文献为例，此文献的永久连结便是： http://dx.doi.org/ 10.5297/ser.1201.002 。
日后不论出版单位如何更动此文献位置，永久连结所指向的位置皆会即时更新，不再错失重要的研究。

引用含有DOI的文献

有DOI的文献在引用时皆应同时引用DOI。若使用APA、Chicago以外未规范DOI的引用格式，可引用DOI永久连结。

DOI可强化引用精确性、增强学术圈连结，并给予使用者跨平台的良好使用经验，目前在全世界已有超过五千万个对象申请DOI。如想对DOI的使用与概念有进一步了解，请参考（）。

ACI:

数据来源：Academic Citation Index，简称ACI

台湾最大的引用文献资料库，目前收录台湾与港澳地区所出版的人文学、社会学领域学术期刊之书目资料与参考文献，总期刊量超过690种，每年定期公布收录期刊的影响指数(Impact Factor)等指标给大众，并提供专家学者与学术单位实用的计量与分析功能。

五年影响指数（5-Year Impact Factor）：某一期刊前五年所出版的文章在当年度的平均被引用次数。

公式：（前五年发表论文在统计年的被引用次数）÷（前五年论文产出论文总篇数）

例如：A期刊2017年之五年影响指数

(A期刊2012-2016年发表论文在2017年的被引总次数)/(A期刊2012-2016年发表的论文总数)

什么是预刊文章？

为提供读者最前线之学术资讯，于期刊文献获同意刊登后、纸本印制完成前，率先于网路线上发表之文章即为预刊文章。预刊文章尚未有卷期、页次及出版日期资讯，但可藉由DOI号识别。 DOI号是文献的数位身份证字号，不论预刊或正式出版皆不会改变，读者可点击DOI连结，或于DOI号前面加上「 http://dx.doi.org/ 」连结到文献目前最新版本。

如何引用预刊文章？

请使用预刊文章的线上发表日期及DOI号来引用该篇文献。

引用范例(视不同引文格式规范可能有所差异)：

作者姓名。文章篇名。期刊名称。 YYYY/MM/DD线上预先发表。

doi:DOI 号

来源数据

P481 - 493

医药卫生 > 预防保健与卫生学
医药卫生 > 社会医学

DOI： 10.6288/TJPH

书目管理工具

相关连结

问题回报

全文下载

以类神经网路及分类回归树辅助肝癌病患预测存活情形

Prediction of Survival in Patients with Liver Cancer Using Artificial Neural Networks and Classification and Regression Trees

陈正美(Cheng-Mei Chen) ；徐建业(Chien-Yeh Hsu) ；邱泓文(Hung-Wen Chiu) ；白其卉(Chyi-Huey Bai) ；吴柏动(Po-Husn Wu)

台湾公共卫生杂志； 30 卷 5 期 (2011 / 10 / 15) ， P481 - 493

繁体中文 DOI： 10.6288/TJPH2011-30-05-08

肝癌；类神经网路；分类回归树；预测模型； Liver Cancer ； Artificial Neural Networks ； Classification and Regression Trees ； Prediction Model

0 个人觉得这篇文章赞

摘要 │ 参考文献 (33) │ 被引用文献 (2) │ 国际计量

摘要〈TOP〉

This study created a survival prediction model for liver cancer using data mining algorithms. Methods: The data were collected from the cancer registry of a medical center in Northern Taiwan between 2004 and 2008. A total of 227 patients were newly diagnosed with liver cancer during this time. Following a literature review, expert consultation, and collection of patients' data, nine variables pertaining to liver cancer survival rates were analyzed using t-tests and chi-square tests. Six variables were significant. An artificial neural network (ANN) and a classification and regression tree (CART) algorithm were adopted as prediction models. The models were tested in three conditions: one variable (clinical stage alone), six significant variables, and all nine variables (significant and non-significant). Five-year survival was the output prediction. Results: The ANN model with nine input variables was a superior predictor of survival (p＜0.001). The area under the receiver operating characteristic (ROC) was 0.843, and 0.78, 0.76, and 0.80 for accuracy, sensitivity, and specificity respectively. Conclusions: An artificial neural network was more accurate than a CART system in predicting liver cancer survival. In the future, we suggest developing a computer system using the nine input variables in the ANN prediction model to predict liver cancer survival. The system would use an ANN algorithm to automatically calculate the prediction result and assist patients in understanding their potential treatment outcomes and survival.

并列摘要〈TOP〉

参考文献 ( 33 ) 〈TOP〉

陈锡杰、苏慧芳、李中一、赖美淑、谢碧晴(2010)。医师的遵循行为可促进病患的存活吗？以台湾非小细胞肺癌病患为例。台湾卫志，29，118-30。
连结：
巫沛仓：类神经网路简介。 http://www.im.isu.edu.tw/faculty/pwu/expert/ann.ppt。引用 2010/11/22。Wu PC. Introduction of artificial neural network.Available at: http://www.im.isu.edu.tw/faculty/pwu/expert/ann.ppt . Accessed November 22, 2010. [In Chinese]
陈明杰、王丰裕、胡志棠、黄世哲、陈健麟：CLIP评分系统与东台湾肝癌患者之预後。http://www.skh.org.tw/gi/an_meet/一般演讲(4)/肝癌-II/103-1.pdf。引用2010/10/14。Chen MJ, Wang FY, Hu JT, Huang SJ, Chen JL. Validation of CLIP scoring system for prognosis of patients with hepatoma in Eastern Taiwan. Available at: http://www.skh.org.tw/gi/an_meet/一般演讲(4)/肝癌-II/103-1.pdf. Accessed October 14, 2010. [In Chinese]
Burke, H. B.,Goodman, P. H.,Rosen, D. B.(1997).Artificial neural networks improve the accuracy of cancer survival prediction.Cancer,79,857-62.
Chen, C. M.,Hsu, C. Y.(2011).Predict liver cancer patients' survival using classification and regression trees.Proceedings of Experimental Biology,USA:

被引用文献 ( 2 ) 〈TOP〉

国际计量

〈TOP〉

E-mail ：

文章公开取用时，将寄通知信至您填写的信箱地址