發(fā)布時間：2018-02-26 03:34

  本文關(guān)鍵詞： 結(jié)直腸癌 風(fēng)險預(yù)測 支持向量機　出處：《重慶醫(yī)科大學(xué)學(xué)報》2017年02期 　論文類型：期刊論文

【摘要】：目的:基于支持向量機(support vector machine,SVM)預(yù)測結(jié)直腸癌患者術(shù)后風(fēng)險。方法:回顧性分析2011年1月至2013年12月行根治性手術(shù)治療的199例結(jié)直腸癌患者臨床資料,按照是否無病生存(disease free survival,DFS)分為預(yù)后好、差2組。采用SAS9.2進行基本統(tǒng)計分析、logistic回歸分析,運用R3.2.4軟件建立SVM預(yù)測模型、受試者工作曲線(receiver operating characteristic curve,ROC)及曲線下面積(area under the curve,AUC)評價模型預(yù)測效果。結(jié)果:差異性分析顯示,總蛋白、白蛋白、陽性淋巴率、組織類型、p53、N分期、放化療等因素在預(yù)后組間存在統(tǒng)計學(xué)差異(P0.05);多因素逐步logistic回歸結(jié)果顯示,N2分期(OR=13.5,95%CI=3.85~47.5)、p53陽性(OR=0.314,95%CI=0.125~0.790)可能是影響預(yù)后的危險因素。線性核、多項式核、sigmoid核及RBF(徑向基函數(shù))核SVM模型的預(yù)測準確率分別為69.70%、66.70%、69.70%、74.24%。對所有預(yù)測模型性能對比顯示,SVM模型預(yù)測性能高于logistic回歸模型,其中RBF-SVM模型效果最好,預(yù)測準確率為74.24%,特異度為0.714,靈敏度為0.765,AUC值為0.708(95%CI=0.551~0.866)。結(jié)論:N2分期、p53陽性可能是影響預(yù)后結(jié)局的危險因素,應(yīng)當(dāng)予以重視,減少預(yù)后風(fēng)險。
[Abstract]:Objective: to predict the postoperative risk of colorectal cancer patients based on support vector machine support vector machine. Methods: the clinical data of 199 patients with colorectal cancer undergoing radical surgery from January 2011 to December 2013 were retrospectively analyzed. Patients with disease-free free survival were divided into two groups with good prognosis and poor prognosis. SAS9.2 was used to carry out basic statistical analysis and logistic regression analysis. R3.2.4 software was used to establish SVM prediction model. The predictive effect of the model was evaluated by receiver operating characteristic curvec and area under curve under the curve.Results: total protein, albumin, positive lymphoid rate, tissue type and p53 N stage were found by differential analysis. The multivariate stepwise logistic regression analysis showed that the N _ 2 staging was 13.5C ~ 95 CI 3.85 / 47.5% p53 positive and 0.314% 95% CI 0.125% 0.125% -0.790) which may be the risk factors of prognosis. Linear nucleus, linear nucleus, linear nucleus, and so on were found to be the main risk factors for the prognosis of the patients with different prognosis (P < 0.05), and the results of stepwise logistic regression showed that the p53 positive rate was 0.31495% 0.125% 0.125% (P < 0.05). The prediction accuracy of polynomial kernel sigmoid kernel and RBF-based kernel SVM model is 69.70 and 69.700.Compared with all the prediction models, it is shown that the prediction performance of RBF-SVM model is better than that of logistic regression model. The predictive accuracy was 74.24, the specificity was 0.714, and the sensitivity was 0.708 / 95CI0.551C / 0.8660.Conclusion the positive expression of p53 in N _ 2 staging may be a risk factor affecting the outcome of prognosis, which should be paid more attention to and reduce the risk of prognosis.
【作者單位】： 重慶醫(yī)科大學(xué)公共衛(wèi)生與管理學(xué)院衛(wèi)生統(tǒng)計與信息管理教研室;
【基金】：重慶市自然科學(xué)基金資助項目(編號:cstc2013jcyj A0068)
【分類號】：R735.34

【參考文獻】

相關(guān)期刊論文 前4條

1 周雄坤;陳祖林;楊樺;;結(jié)腸癌根治術(shù)后復(fù)發(fā)轉(zhuǎn)移風(fēng)險模型的初步建立及評估[J];中國腫瘤臨床與康復(fù);2014年11期

2 齊義軍;馬瑾;張?zhí)?王明;晁瑋霞;朱晗;劉瑞敏;馬遠方;Philip Johnson;;SELDI-TOF/MS分析原發(fā)性肝癌TACE治療前后血清蛋白質(zhì)差異表達譜[J];中國現(xiàn)代醫(yī)學(xué)雜志;2014年05期

3 葉斌;王西川;雷蕾;游莉斯;;p53和Ki67在結(jié)直腸癌中的表達及其臨床意義[J];實用癌癥雜志;2013年01期

4 丁世飛;齊丙娟;譚紅艷;;支持向量機理論與算法研究綜述[J];電子科技大學(xué)學(xué)報;2011年01期

【二級參考文獻】

相關(guān)期刊論文 前10條

1 劉曉亮;丁世飛;朱紅;張力文;;SVM用于文本分類的適用性[J];計算機工程與科學(xué);2010年06期

2 施其權(quán);李小明;肖辭源;;一類新型快速模糊支持向量機[J];計算機技術(shù)與發(fā)展;2010年02期

3 孫名松;高慶國;王宣丹;;基于雙隸屬度模糊支持向量機的郵件過濾[J];計算機工程與應(yīng)用;2010年02期

4 曹鍇;狄建彬;魏文祥;龐智;;miRNA在結(jié)腸癌早期診斷和篩選中的作用[J];世界華人消化雜志;2009年35期

5 王文劍;郭虎升;;粒度支持向量機學(xué)習(xí)模型[J];山西大學(xué)學(xué)報(自然科學(xué)版);2009年04期

6 程偉;張燕平;趙姝;;商空間理論框架下的SVM產(chǎn)量預(yù)測模型研究[J];中國農(nóng)業(yè)大學(xué)學(xué)報;2009年05期

7 張文浩;王文劍;;一種基于關(guān)聯(lián)規(guī)則的核粒度支持向量機[J];廣西師范大學(xué)學(xué)報(自然科學(xué)版);2009年03期

8 李苗苗;向鳳紅;劉新旺;;一種新穎隸屬度函數(shù)的模糊支持向量機[J];計算機工程與科學(xué);2009年09期

9 謝賽琴;沈福明;邱雪娜;;基于支持向量機的人臉識別方法[J];計算機工程;2009年16期

10 王喜梅;羅光霞;張雪梅;鄭仁恕;;宮頸腺癌HPV16/18感染與ki67、p53蛋白表達的關(guān)系[J];實用癌癥雜志;2009年01期

【相似文獻】

相關(guān)期刊論文 前10條

1 張向東,畢韶丹,關(guān)宏宇;拮抗藥化合物活性的支持向量機研究[J];遼寧大學(xué)學(xué)報(自然科學(xué)版);2005年03期

2 羅萬春;;基于支持向量機的凝血功能診斷模型[J];數(shù)學(xué)的實踐與認識;2013年06期

3 謝洪波,王志中,黃海;表面肌電的支持向量機分類[J];北京生物醫(yī)學(xué)工程;2004年02期

4 陸強;馮敏;馬華;張西學(xué);;模糊聚類支持向量機在步態(tài)分類中的應(yīng)用[J];中國組織工程研究與臨床康復(fù);2011年09期

5 史鑫;羅述謙;;支持向量機在醫(yī)學(xué)圖像分割中的應(yīng)用[J];北京生物醫(yī)學(xué)工程;2007年03期

6 李磊;黃水平;;支持向量機原理及其在醫(yī)學(xué)分類中的應(yīng)用[J];中國衛(wèi)生統(tǒng)計;2009年01期

7 鄭莉麗;李曉強;李福鳳;閆西平;王憶勤;王真真;;基于支持向量機的中醫(yī)望診唇色自動分類[J];生物醫(yī)學(xué)工程學(xué)雜志;2011年01期

8 王浩軍,鄭崇勛,李映,朱華鋒,閆相國;支持向量機在血細胞分類中的應(yīng)用[J];生物醫(yī)學(xué)工程學(xué)雜志;2003年03期

9 周舒冬;張磊;葉小華;楊云升;;支持向量機技術(shù)在疾病預(yù)后中的應(yīng)用和比較[J];數(shù)理醫(yī)藥學(xué)雜志;2007年06期

10 胡康達;符紅光;孔祥振;;分級聚類支持向量機在中醫(yī)舌像分類中的應(yīng)用[J];計算機應(yīng)用;2010年S2期

相關(guān)會議論文 前10條

1 余樂安;姚瀟;;基于中心化支持向量機的信用風(fēng)險評估模型[A];第六屆（2011）中國管理學(xué)年會——商務(wù)智能分會場論文集[C];2011年

2 劉希玉;徐志敏;段會川;;基于支持向量機的創(chuàng)新分類器[A];山東省計算機學(xué)會2005年信息技術(shù)與信息化研討會論文集（一）[C];2005年

3 史曉濤;劉建麗;駱玉榮;;一種抗噪音的支持向量機學(xué)習(xí)方法[A];全國第19屆計算機技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會議論文集（下冊）[C];2008年

4 何琴淑;劉信恩;肖世富;;基于支持向量機的系統(tǒng)辨識方法研究及應(yīng)用[A];中國力學(xué)大會——2013論文摘要集[C];2013年

5 劉駿;;基于支持向量機方法的衢州降雪模型[A];第五屆長三角氣象科技論壇論文集[C];2008年

6 王婷;胡秀珍;;基于組合向量的支持向量機方法預(yù)測膜蛋白類型[A];第十一次中國生物物理學(xué)術(shù)大會暨第九屆全國會員代表大會摘要集[C];2009年

7 趙晶;高雋;張旭東;謝昭;;支持向量機綜述[A];全國第十五屆計算機科學(xué)與技術(shù)應(yīng)用學(xué)術(shù)會議論文集[C];2003年

8 周星宇;王思元;;智能數(shù)學(xué)與支持向量機[A];2005年中國智能自動化會議論文集[C];2005年

9 顏根廷;馬廣富;朱良寬;宋斌;;一種魯棒支持向量機算法[A];2006中國控制與決策學(xué)術(shù)年會論文集[C];2006年

10 侯澍e，

本文編號：1536387