一种基于决策树的乳腺癌计算机辅助诊断新方法

摘要

选取500例乳腺癌病例为数据样本,每个样本由9个细针吸取细胞学指标组成,将样本随机分为训练集和测试集,然后利用决策树方法从训练集中学习得到诊断模型,经测试集测试.结果表明决策树的诊断准确率高达97.33%,灵敏度和特异度分别为98.28%和96.74%.因此,决策树是一种简便可行的计算机辅助诊断方法.