基于支持向量机的乳腺癌预后状态预测和疗效评估

被引：4

作者：

袁前飞 ^{[1
]}

蔡从中 ^{[1
]}

肖汉光 ^{[1
]}

刘兴华 ^{[1
]}

孔春阳 ^{[2
]}

机构：

[1] 重庆大学应用物理系

[2] 重庆师范大学物理学与信息技术学院

来源：

北京生物医学工程 | 2007年 / 04期

关键词：

支持向量机; 乳腺癌; 预后; 评估;

D O I：

暂无

中图分类号：

R737.9 [乳腺肿瘤];

学科分类号：

100214 ;

摘要：

乳腺癌是危害妇女健康的主要恶性肿瘤。目前基因与疾病关系的研究取得了一系列的成果,使得利用乳腺癌患者的基因信息来预测预后状态和评估治疗效果成为了可能。支持向量机(support vector machine,SVM)分类方法在实际二类分类问题的应用中显示出良好的学习和泛化能力,已被广泛地应用于诸多研究领域。本文采用支持向量机SVM、K-近邻法(K-nearest neighbor,K-NN)、概率神经网络(probabilistic neural network,PNN)、决策树(decision tree,DT)分类器,结合乳腺癌患者基因数据来预测患者的预后状态和评估治疗效果。结果表明:当使用高斯径向基核函数时,SVM通过5次交叉验证的最佳平均分类准确率达到了88.44%,优于K-NN(81.69%)、PNN(80.68%)和DT(71.19%)等分类器,表明该方法有望成为一种有效、实用的乳腺癌预后状态预测和治疗效果客观评价的工具。

引用

页码：372 / 376

页数：5

共 3 条

[1] 60例乳腺癌术后胸壁复发治疗及其预后分析 [J].