21、医疗数据管理：机器学习与区块链技术的融合

医疗数据管理：机器学习与区块链技术的融合

1. 不同疾病的预测模型研究

在疾病预测方面，如癌症、脑肿瘤、慢性肾病和心脏病等，通常遵循相同的步骤，即数据收集、数据预处理、训练和测试。以脑肿瘤分割为例，会使用 BraTS 2018 数据集。

1.1 常用的疾病预测算法

• 回归分析算法 ：具有强大的预测建模能力。
• 支持向量机 ：也用于疾病预测建模。
• 随机森林算法 ：类似于决策树（DT），属于集成分类器，由多个决策树组成，在分类上有很高的可变性。
• 基于概率模型 ：如基于朴素贝叶斯定理的模型。
• 无监督机器学习算法 ：例如 KNN，该模型不需要任何概率值假设，其中 k 表示邻居的数量。

1.2 模型评估

模型通常使用混淆矩阵和 ROC 曲线的概念进行评估。混淆矩阵也称为误差列联表，此外，真阳性率（TPR）、假阳性率（FTR）和假阴性率（FNR）也用于衡量模型的性能。

1.3 决策树示例

以下是一个关于新冠患者生存情况的决策树示例：

graph TD
    A[Person is covid - 19 positive] -->|Yes| B{Person age > 50}
    A -->