首页|基于支持向量机的肝外胆管癌术前淋巴结状态预测模型构建

基于支持向量机的肝外胆管癌术前淋巴结状态预测模型构建

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
目的 开发一种预测肝外胆管癌淋巴结状态的机器学习模型.方法 纳入101例接受根治性手术切除的肝外胆管癌病例,采用MaZda软件对多序列MRI图像病灶进行勾画,并且提取影像特征.利用最大-最小算法对影像特征进行归一化,并通过合成少数过采样算法进行分类数据平衡,生成新样本.采用Spearman相关性分析与最大相关最小冗余特征选择法进一步筛选影像特征,最终得到20个最具代表的特征.从新样本数据中任意选择80%样本作为训练集,剩余20%作为测试集,建立支持向量机(support vector machine,SVM)预测模型,并利用受试者工作特征曲线(ROC)评价模型性能.结果 预测模型训练集的AUC为0.98,准确率为89.2%,灵敏度为92.9%,特异性为89.4%.测试集的AUC为0.83,准确率为82.2%,灵敏度为82.1%,特异性为80.9%.结论 基于MRI影像的SVM预测模型具有良好的预测性能,可为临床医生提供对肝外胆管癌患者个性化的术前预测,辅助评估手术价值并做出适当的临床决策.
The prediction model based on support vector machine for preoperative lymph nodes status in extrahepatic cholangiocarcinoma

Extrahepatic cholangiocarcinomaLymph node metastasisMachine learningSupport vector machineAssisted diag-nosis

林泰安、罗亚梅、黄志伟、杨录、要小鹏

展开 >

西南医科大学医学信息与工程学院 泸州 646000

西南医科大学附属医院 放射科 泸州 646000

核医学与分子影像四川省重点实验室 泸州 646000

肝外胆管癌 淋巴结转移 机器学习 支持向量机 辅助诊断

四川省科技厅科技项目四川省科技厅科技项目四川省科技厅区域创新合作项目

2020YJ01512022YFS06162021YFQ0002

2023

10.3969/j.issn.2096-3351.2023.04.006

西南医科大学学报
泸州医学院

西南医科大学学报

影响因子：0.407
ISSN：2096-3351
年,卷(期)：2023.46(4)
  • 6