基于近邻成分分析算法的原发性肝癌精确放疗后HBV再激活分类预测

原发性肝癌(PLC)患者在精确放疗后乙型肝炎病毒(HBV)再激活是一种常见并发症,及时的预测防护能降低发病率、死亡率。研究表明:多余的特征变量会影响HBV再激活的预测精度。通过提出基于近邻成分分析(NCA)的特征选择方法找出HBV再激活的危险因素及特征组合。之后分别建立经Bayes优化前后的支持向量机模型(SVM)对这些关键特征子集及初始特征集进行分类预测。实验结果表:明HBV DNA水平、KPS评分、分割方式、外放边界、V25、肿瘤分期TNM、ChildPugh等都是影响HBV再激活的危险因素。其中经NCA特征选择之后发现的V25是在乙型肝炎病毒再激活研究中首次提出的危险因素。10折交叉验证下特征组合HBV DNA水平、外放边界、V25的预测精度高达86.11%。支持向量机分类器可以很好的应用于乙型肝炎病毒再激活的研究,特征选择后的关键特征组合具有更优越的分类性能。

基于稀疏自动编码器算法的HBV再激活分类预测模型

原发性肝癌患者在接受精确放疗后易引起乙型肝炎病毒(HBV)再激活。本文的研究目的就是根据已有的患者临床数据,建立分类预测模型来及时做出预测防护,从而在一定程度上降低HBV再激活的可能性。实验结果表明通过稀疏自动编码器特征提取的方法可以有效降低数据维度,提高预测准确度。Softmax分类器对一层隐含层的稀疏自动编码器分类性能最优。5折交叉验证下,平均准确率为72.22%。SVM分类器对二层隐含层的稀疏自动编码器分类性能最优。10折交叉验证下,平均准确率为78.52%。