[1]赖胜圣,刘虔铖,余丽玲,等.基于SFS-SVM的乳腺癌预测模型的构建[J].中国医学物理学杂志,2019,36(7):826-829.[doi:DOI:10.3969/j.issn.1005-202X.2019.07.015]
　LAI Shengsheng,LIU Qiancheng,YU Liling,et al.Construction of breast cancer prediction model based on SFS-SVM[J].Chinese Journal of Medical Physics,2019,36(7):826-829.[doi:DOI:10.3969/j.issn.1005-202X.2019.07.015]
点击复制

基于SFS-SVM的乳腺癌预测模型的构建()
分享到：

《中国医学物理学杂志》[ISSN:1005-202X/CN:44-1351/R]

卷:
36卷
期数:
2019年第7期
页码:
826-829
栏目:
医学信号处理与医学仪器
出版日期:
2019-07-25

文章信息/Info

Title:
Construction of breast cancer prediction model based on SFS-SVM
文章编号:
1005-202X（2019）07-0826-04
作者:
赖胜圣1; 刘虔铖1; 余丽玲1; 刘文平1; 杨蕊梦2; 金浩宇1
1. 广东食品药品职业学院医疗器械学院，广东广州510520；2. 广州市第一人民医院/华南理工大学附属第二医院放射科，广东 广州510180
Author(s):
LAI Shengsheng1;  LIU Qiancheng1;  YU Liling1;  LIUWenping1;  YANG Ruimeng2;  JIN Haoyu1
1. School of Medical Devices, Guangdong Food and Drug Vocational College, Guangzhou 510520, China; 2. Department of Radiology, the Second Affiliated Hospital of South China University of Technology, Guangzhou First People’s Hospital, Guangzhou 510180, China
关键词:
乳腺癌; 预测模型; 序列前向选择算法; 支持向量机算法
Keywords:
Keywords: breast cancer;  prediction model;  sequential forward feature selection algorithm;  support vector machine algorithm
分类号:
R318
DOI:
DOI:10.3969/j.issn.1005-202X.2019.07.015
文献标志码:
A
摘要:
目的：构建基于序列前向选择算法（SFS）与支持向量机算法（SVM）分类器融合的乳腺癌预测模型，提高计算机辅 助诊断技术对乳腺癌细针穿刺细胞病理的准确率。方法：对456组乳腺肿瘤病理数据作为训练集，利用SFS-SVM算法对 30个特征进行筛选，得到最优的特征组合，再用112组乳腺肿瘤病理数据作为测试集验证，构建乳腺癌预测模型。该模型 的预测精度通过5折交叉验证进行评价。评价指标包括：受试者工作特性曲线（ROC）下面积（AUC）、准确率（ACC）、敏感 度和特异度。结果：构建了基于SFS-SVM的乳腺癌预测模型，该模型（AUC为98.39%，ACC为97.35%）相对于单独SVM 算法（AUC为97.00%,ACC为92.42%）有一定的提高。结论：基于SFS特征选择的SVM分类器乳腺癌预测模型能较好地 对乳腺癌进行辅助诊断。
Abstract:
Abstract: Objective To improve the accuracy of computer-aided diagnosis for fine needle aspiration pathology in breast cancer by employing the breast cancer prediction model based on sequential forward feature selection (SFS) algorithm and support vector machine (SVM) classifier. Methods The pathological data of 456 breast tumors were used as training set. A total of 30 features were screened by SFS-SVM algorithm to obtain the optimal feature combination, and then the pathological data of 112 breast tumors were used as test set to construct breast cancer prediction model. The prediction accuracy of the constructed model was evaluated with 5-fold cross-validation method. The evaluation indicators included area under the receiver operating characteristic curve (AUC), accuracy, sensitivity, and specificity. Results Compared with SVM-based model which had an AUC of 97.00% and an accuracy of 92.42%, the breast cancer prediction model based on SFS-SVM had better performances, achieving an AUC of 98.39% and an accuracy of 97.35%. Conclusion The breast cancer prediction model based on SFS-SVM exhibits a good predictive efficacy on the auxiliary diagnosis of breast cancers.

相似文献/References:

[1]柏 晗,王 丽,刘旭红,等.左乳腺5种不同主野分布IMRT计划的剂量比较分析[J].中国医学物理学杂志,2015,32(02):210.[doi:10.3969/j.issn.1005-202X.2015.02.013]
[2]张晋建,黎 静,文 婷,等.Arc CHECK在乳腺癌螺旋断层放疗计划剂量验证中的应用[J].中国医学物理学杂志,2015,32(02):244.[doi:10.3969/j.issn.1005-202X.2015.02.021]
[3]张和华,吕 洋,苌飞霸,等.基于支持向量机的胸阻抗与胸外按压深度预测模型构建[J].中国医学物理学杂志,2015,32(03):343.[doi:10.3969/j.issn.1005-202X.2015.03.009]
[4]白 雪,杜向慧,王升晔,等.半野技术结合非共面照射技术在乳腺癌胸锁联合照射中的应用[J].中国医学物理学杂志,2014,31(03):4849.[doi:10.3969/j.issn.1005-202X.2014.03.001]
[5]赵永亮,储开岳,吴建亭,等.两种不同调强技术配合主动呼吸控制系统在乳腺癌放疗中的比较[J].中国医学物理学杂志,2014,31(03):4862.[doi:10.3969/j.issn.1005-202X.2014.03.004]
[6]花威,张西志,张先稳,等.RapidArc在乳腺癌术后放疗中的应用[J].中国医学物理学杂志,2013,30(02):3984.[doi:10.3969/j.issn.1005-202X.2013.02.005]
[7]徐金济,成俊,李伟,等.左侧乳腺癌改良根治术后逆向调强放射治疗的摆位误差分析[J].中国医学物理学杂志,2013,30(05):4358.[doi:10.3969/j.issn.1005-202X.2013.05.004]
[8]孟慧鹏,孙小喆,孙劲松,等.右乳腺癌术后放疗中VMAT和dIMRT的剂量学比较[J].中国医学物理学杂志,2013,30(05):4387.[doi:10.3969/j.issn.1005-202X.2013.05.011]
[9]刘旭红,陈晓,艾毅钦,等.早期左乳腺癌保乳术后仰卧位和俯卧位照射剂量学比较与分析[J].中国医学物理学杂志,2015,32(05):737.[doi:doi:10.3969/j.issn.1005-202X.2015.05.028]
　[J].Chinese Journal of Medical Physics,2015,32(7):737.[doi:doi:10.3969/j.issn.1005-202X.2015.05.028]
[10]张艺宝,吴昊,李莎,等.临床前验证与几何对比分析基于图谱库的危及器官自动勾画[J].中国医学物理学杂志,2015,32(06):761.[doi:doi:10.3969/j.issn.1005-202X.2015.06.001]
　[J].Chinese Journal of Medical Physics,2015,32(7):761.[doi:doi:10.3969/j.issn.1005-202X.2015.06.001]

备注/Memo

备注/Memo:
【收稿日期】2019-02-17 【基金项目】广东省高等学校珠江学者岗位计划自主项目（2016）；广 东省自然科学基金（2018A030313282）；广州市科技计划 项目（201607010038）；广东省医学科学技术研究基金 （A2018338, A2019465）；广东食品药品职业学院校级科 研项目（2015YZ0012, 2015YZ0020） 【作者简介】赖胜圣，硕士，讲师，研究方向：医学图像处理及生理电信 号处理，E-mail: laiss@gdyzy.edu.cn 【通信作者】金浩宇，博士，教授，研究方向：医学仪器研发，E-mail: jinhy@gdyzy.edu.cn
更新日期/Last Update: 2019-07-25