基于多类支持向量机递归特征消除方法特征选择的原发性肝癌患者预后预测
李琳1
杨日东2
王哲1
杨红梅2
华赟鹏3
周毅2
张学良1
1.新疆医科大学,乌鲁木齐,8300112.中山大学中山医学院,广州,5100803.中山大学第一附属医院,广州,510080
摘要：本研究通过特征选择的方法,分析肝癌患者术前临床信息,提高患者的预后模型的准确性.基于多类支持向量机递归特征消除(recursive feature elimination based on multiple support vector machine,MSVM-RFE)方法对进行过肝切除手术的原发性肝癌患者的临床变量进行重要特征排序,使用5折交叉验证的支持向量机确定最优特征子集,构造原发性肝癌患者术后的1年、3年无瘤生存和总体生存的列线图.通过与临床医生沟通,确认特征排序结果为合理的.患者3年无瘤生存风险和总生存风险的列线图的一致性指数分别为0.701和0.706.使用多类支持向量机递归特征消除方法后的预测模型准确率有所提高,列线图在临床实践中能够提供患者生存风险信息,简单清晰的反映患者的生存风险.
关键词：特征选择多类支持向量机递归特征消除方法列线图预后预测原发性肝癌
分类号：R318(医用一般科学)
资助基金：国家自然科学基金(61876194)国家自然科学基金(11661007)国家重点研发计划(2018YFC0116902)国家重点研发计划(2018YFC0116904)国家重点研发计划(2016YFC0901602)NSFC-广东大数据科学中心联合基金项目(NSFC;U1611261)广州市科技计划(201604020016)
论文发表日期：2019-01-01
在线出版日期：2026-09-11（本平台首次上网日期，不代表文献的发表时间）
页数：5( 32-36 )
英文信息