基于机器学习的乳腺癌诊断

用细胞核形态学特征做乳腺肿瘤良恶性诊断：33 维特征工程 + 五模型对比 + 网格调参 + 阈值优化 + 熵权-TOPSIS 客观选模 + SHAP 可解释，一条可解释的临床辅助诊断流水线——代码、文档、配图全配齐。

• 任务类型机器学习
• 专业方向医学/生物医学 · 数据科学

数据与任务

如果你想找一个有医学背景、又能把机器学习全流程讲扎实的项目，这个「乳腺癌辅助诊断」很合适。

它落在一个真实的临床场景上：从细胞核的形态学测量出发，判断肿瘤是良性还是恶性。配套也给你备齐了，帮你真正搞懂它、在面试和答辩里讲明白：带中文注释、能读懂的代码，一份从医学背景讲到每步实现的技术文档，一份把项目讲解资料连同各类追问点都整理好的讲解材料，还有一整套能直接做 PPT 的配图。

先说清楚，它到底在做什么

病理医生靠显微镜下的细胞核形态判断良恶性，但人工判读依赖经验、存在主观差异。这个项目要做的，是把这套判断变成可量化、可解释的自动诊断：输入是从细胞核图像测得的一组形态学指标——半径、纹理、周长、面积、光滑度、紧凑度、凹度、凹点数、对称性、分形维数，每项都算了均值、标准误、最坏值三套统计量，共 30 维。

难点不在于"分得开"，而在于让模型的判断站得住、讲得清：要做出有医学含义的特征、要在多个模型里客观选出最合适的那个、还要能解释清楚到底是哪些形态特征在驱动"恶性"这个判断。项目从威斯康星乳腺癌数据集（569 例，良性 357 / 恶性 212）出发，搭了一条完整流水线：先在 30 维原始特征上构建 3 个有医学意义的衍生特征，再对比五种模型并网格调参，做阈值优化降低漏诊，用熵权-TOPSIS 客观选模，最后用 SHAP 把判断依据还原成可读的关键特征。

搞懂它，你能在面试里讲清楚什么

把下面几件事吃透，面试官顺着问下来你都能接得住。

怎么把 30 维原始特征做成有医学含义的诊断特征。 这是地基。原始 30 维已经很有区分力，但项目还构建了 3 个衍生特征——形态综合指数（半径×紧凑度）、纹理异质性（最坏纹理/平均纹理）、凹陷严重度（凹度×凹点数）——每个都对应一句明确的病理学解释。你要能讲清楚为什么这样组合、它们刻画了恶性细胞核"体积大、形状不规则、异质性强"的哪一面。

为什么对比五种模型，又怎么客观选出最优。 项目选了 LR、RF、SVM、XGBoost、LightGBM，覆盖线性、核方法、Bagging 与 Boosting 三大范式。难点是它们各项指标互有高低，不能只看准确率拍板——这里用熵权-TOPSIS 从准确率、F1、AUC、精确率、召回率、训练时间六个维度做客观综合排名。你能借此讲清楚多准则决策怎么落地，以及阈值优化为什么对降低临床漏诊很重要。

SHAP 怎么把诊断模型讲成"医生能认同的依据"。 SHAP 排出哪些特征最推动"恶性"判断，把黑盒变透明。更关键的是，得出的关键特征——最大凹点数、最大周长、凹陷严重度——与病理学认知一致，这正是医学场景里模型最被看重的可信度。

下面这组分析图也都给你做好了，可以直接放进答辩或面试 PPT：

更关键的是，每张图怎么跑出来的、该怎么解读，技术文档里都讲清楚了——你能说明白每张图到底说明了什么。

面试官会问的，都帮你备好了

随便感受几个这个项目真实会被追问的问题：

• 为什么要把恶性设为正类？这对 Precision、Recall 的含义有什么影响？
• 5 个模型各项指标互有高低，熵权-TOPSIS 是怎么客观选出最优的？
• 阈值优化在临床诊断里为什么重要？默认 0.5 为什么不一定最优？

看到会愣一下？正常。配套的项目讲解资料把这个项目——从整体思路到每个流程细节、各种可能被追问的点——连参考答案都给你写好了。另外还有现成的简历描述，照着改就能写进简历；那套配图也能直接套进 PPT 模板，快速出一份面试 / 答辩 PPT。

配套资料：搞懂一个项目需要的，这里全都有

先看那份技术文档——从乳腺癌医学背景、数据探索、特征工程，一直讲到 TOPSIS 选模与 SHAP 可解释性，图文并茂：

代码也给你了——关键部分都带着中文注释，帮你读懂"它到底是怎么实现的"：

技术文档、项目讲解资料、源码注释、整套配图——搞懂一个项目、并在面试里讲清楚它，需要的全都备齐了。

适合谁

不管你是赶毕设、想给简历添个有分量的项目，还是在准备面试，这个题目都接得住。专业上，医学信息学、生物医学工程、临床辅助诊断、公共卫生、数据挖掘方向都很贴合。医疗 + 可解释机器学习是当下很有分量的结合点，把这条从特征到诊断、再到可解释的完整流水线真正搞懂、能讲出来，就是一个能写进简历、撑得起面试的项目。