您的账号已在其他设备登录,您当前账号已强迫下线,
如非您本人操作,建议您在会员中心进行密码修改

确定
收藏 | 浏览147 | 下载0

目的:基于中西医多模态信息并应用支持向量机技术(SVM)构建关于≥2级放射性肺损伤(RILI)早期预测模型。方法2013年1月—2015年7月,共纳入接受放疗的肺癌患者191例,收集放疗前中医证候情况,放疗剂量学资料及其他一般临床信息。根据 NCI-CTC 3.0标准评价 RILI 级别,将放疗结束后发生≥2级 RILI 与否作为分类标签,随机选取119例病例作为建模组,剩余72例作为测试组。在 SVM模型训练中,应用 PCA 法对于维度特征进行了降维处理,并应用交叉验证方法进行参数寻优,确立最佳参数,建立模型后通过验证集进行验证评价。结果在测试集建模中,5折交叉验证方法参数寻优确立了最佳参数,其中惩罚参数 c 为21.112,核函数参数 g 为0.009,初步建立模型,并通过验证集进行验证,验证结果示该 SVM 模型具有较强的预测效力,其敏感性为70.0

作者:王志武;王静怡;胡建;杨俊泉;冯计辰;李国欢;吴琼;邢影;张宪辉

来源:中国煤炭工业医学杂志 2016 年 19卷 3期

知识库介绍

临床诊疗知识库该平台旨在解决临床医护人员在学习、工作中对医学信息的需求,方便快速、便捷的获取实用的医学信息,辅助临床决策参考。该库包含疾病、药品、检查、指南规范、病例文献及循证文献等多种丰富权威的临床资源。

详细介绍
热门关注
免责声明:本知识库提供的有关内容等信息仅供学习参考,不代替医生的诊断和医嘱。

收藏
| 浏览:147 | 下载:0
作者:
王志武;王静怡;胡建;杨俊泉;冯计辰;李国欢;吴琼;邢影;张宪辉
来源:
中国煤炭工业医学杂志 2016 年 19卷 3期
标签:
肺癌 放射性肺损伤 支持向量机 模型构建 中医证候 Lung neoplasms Radiation induced 1ung injury Support vector machines Predictive model Chinese medicine syndromes
目的:基于中西医多模态信息并应用支持向量机技术(SVM)构建关于≥2级放射性肺损伤(RILI)早期预测模型。方法2013年1月—2015年7月,共纳入接受放疗的肺癌患者191例,收集放疗前中医证候情况,放疗剂量学资料及其他一般临床信息。根据 NCI-CTC 3.0标准评价 RILI 级别,将放疗结束后发生≥2级 RILI 与否作为分类标签,随机选取119例病例作为建模组,剩余72例作为测试组。在 SVM模型训练中,应用 PCA 法对于维度特征进行了降维处理,并应用交叉验证方法进行参数寻优,确立最佳参数,建立模型后通过验证集进行验证评价。结果在测试集建模中,5折交叉验证方法参数寻优确立了最佳参数,其中惩罚参数 c 为21.112,核函数参数 g 为0.009,初步建立模型,并通过验证集进行验证,验证结果示该 SVM 模型具有较强的预测效力,其敏感性为70.0