[论文解读] Toward Efficient Breast Cancer Diagnosis and Survival Prediction Using L-Perceptron

Hadi Mansourifar, Weidong Shi|arXiv (Cornell University)|Nov 5, 2018

AI in cancer detection参考文献 1被引用 4

一句话总结

该论文提出L-Perceptron，一种新型感知机变体，结合最小二乘分类与感知机学习，以实现灵活的非线性决策边界。在威斯康星州乳腺癌数据集上，其准确率达到97.42%，敏感度达98.73%，在生存预测数据集Haberman’s Survival上准确率达75.18%，F1得分为83.86%，优于先前方法，且无需数据预处理或特征选择。

ABSTRACT

Breast cancer is the most frequently reported cancer type among the women around the globe and beyond that it has the second highest female fatality rate among all cancer types. Despite all the progresses made in prevention and early intervention, early prognosis and survival prediction rates are still unsatisfactory. In this paper, we propose a novel type of perceptron called L-Perceptron which outperforms all the previous supervised learning methods by reaching 97.42 \% and 98.73 \% in terms of accuracy and sensitivity, respectively in Wisconsin Breast Cancer dataset. Experimental results on Haberman's Breast Cancer Survival dataset, show the superiority of proposed method by reaching 75.18 \% and 83.86 \% in terms of accuracy and F1 score, respectively. The results are the best reported ones obtained in 10-fold cross validation in absence of any preprocessing or feature selection.

研究动机与目标

• 为解决早期乳腺癌诊断与生存预测中准确率与敏感度偏低的长期挑战。
• 开发一种新型监督学习模型，以提升在不平衡且复杂的生物医学数据集上的性能。
• 在保持高预测性能的同时，消除对数据预处理或特征选择的需求。
• 在两个标准乳腺癌数据集（威斯康星州乳腺癌数据集与Haberman’s Survival数据集）上验证该模型。

提出的方法

• L-Perceptron采用混合方法，结合最小二乘分类与传统感知机学习，以对每个特征建模非线性关系。
• 对每个特征，拟合一个数学函数（如多项式），其参数在训练过程中学习得到。
• 该方法在用户定义的度数边界（dlb, dub）内，动态确定每个特征的最优多项式阶次。
• 模型采用阈值化激活函数进行实例分类，其中p1和p2分别为正类与负类的特定目标值。
• 通过自定义Python实现（lp.py）进行迭代训练，可配置超参数包括学习迭代次数与收敛阈值。
• 采用10折交叉验证，以确保在两个数据集上性能评估的无偏性。

实验结果

研究问题

• RQ1 基于感知机的模型是否能在无需数据预处理的情况下，实现乳腺癌诊断中的更高准确率与敏感度？
• RQ2 L-Perceptron对每个特征自适应拟合函数的方式，如何提升泛化能力并减少过拟合？
• RQ3 L-Perceptron是否在标准乳腺癌数据集上优于SVM、朴素贝叶斯与RBF网络等成熟分类器？
• RQ4 该模型在不平衡的生存预测任务（如Haberman’s数据集）上的表现如何？

主要发现

• 在威斯康星州乳腺癌数据集上，L-Perceptron实现了97.42%的准确率与98.73%的敏感度，为无需预处理或特征选择的报告结果中最高。
• 与其他模型相比，L-Perceptron在准确率与敏感度上均排名第一，优于朴素贝叶斯（97.36%准确率）与RBF网络（96.77%准确率）。
• 在Haberman’s Survival数据集上，L-Perceptron实现了75.18%的准确率与83.86%的F1得分，为所有测试方法中最佳表现。
• 该模型在不平衡设置下表现出强鲁棒性，尽管特异性较低（37.08%），但敏感度高达90.04%，表明能有效检测阳性生存病例。
• L-Perceptron在Haberman’s数据集上取得最佳F1得分，优于MLP（72.64%）与随机森林（80.38%）。
• 该模型在多个指标上表现稳定，无论在准确率、敏感度还是F1得分上，均在两个数据集上保持领先排名。