换一批
换一批摘要目的 研究支持向量机模型(SVM)预测前哨淋巴结(SLN)阳性乳腺癌非前哨淋巴结状态的准确性、可行性.方法 回顾性收集201例SLN阳性乳腺癌患者的临床病理资料,包括患者年龄、肿瘤大小、组织学类型、组织学分级、有无脉管侵犯、雌激素受体(ER)、孕激素受体(PR)、人表皮生长因子受体2(CerbB2)、阳性SLN大小、阳性SLN数量、阴性SLN数量、阳性SLN包膜外侵犯情况.采用统计过滤结合模型依赖性筛选的方法选取特征向量,选出P值最小的任意组合用于SVM的输入,用10倍交叉验证评估模型的预测效果,建立训练模型.重新收集85例SLN阳性乳腺癌患者,作为盲法测试集,加入模型进行测试,计算模型盲法测试的敏感度、特异度.结果 SVM筛选出建立的模型交叉验证准确率最高的组合为:阳性SLN数量、阳性SLN大小、阴性SLN数量、阳性SLN包膜外侵犯.用这4个变量建立的模型训练准确性为92.0％,交叉验证准确性为87.6％,85例盲法测试模型准确性为91.8％.结论 SVM预测SLN阳性乳腺癌非前哨淋巴结状态是准确、可行的,有助于指导临床治疗.
更多相关知识
主题词
前哨淋巴结(Sentinel Lymph Node)乳腺肿瘤(Breast Neoplasms)预测(Forecasting)性(Sex)支持向量机(Support Vector Machine)
分类号
R737.9
栏目名称
发布时间
2013-09-17
- 浏览178
- 被引1
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
