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373 | 下载36

目的 运用支持向量机(SVM)建立预测鼻咽癌患者5年生存状态的预测模型,并与医学领域中广泛运用的人工神经网络(ANN)模型进行比较,探索鼻咽癌预后研究的新方法.方法 收集2005年1月至2007年12月医院诊治的130例鼻咽癌患者的临床资料,分为两组,一组作为训练样本,用于筛选变量及建立预测模型,计104例;一组作为验证样本,用于评价模型效果,计26例.采用单因素分析筛选建模变量,然后利用ANN及SVM建立鼻咽癌患者5年生存状态预测模型并评价其效果.结果 单因素分析显示,年龄、T分期、N分期、M分期、92福州分期、卡氏生活质量评分(KPS评分)、颅底骨质破坏、颅神经损伤、咽旁间隙侵犯、确诊到放疗时间、鼻咽疗效、颈部淋巴结疗效共12项指标与鼻咽癌患者的5年生存状态相关(P<0.05).验证组验证显示,ANN模型预测患者5年生存状态的准确率、敏感度和特异度分别为88.5%,87.5%和90.0%,而SVM模型预测患者5年生存状态的准确率、敏感度和特异度分别为96.2%,93.8%和100%.结论 采用SVM预测模型能较好地判断鼻咽癌患者5年后的生存状态,为个体化地预测患者的预后提供了一种新方法,其效能优于ANN预测模型.

作者:高云;杨胜利;何蓉;何兴平;彭明尧;代军;朱江红;胡军;苏敏

来源:中国药业 2013 年 22卷 14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:373 | 下载:36
作者:
高云;杨胜利;何蓉;何兴平;彭明尧;代军;朱江红;胡军;苏敏
来源:
中国药业 2013 年 22卷 14期
标签:
鼻咽癌 生存状态 支持向量机 人工神经网络 nasopharyngeal carcinoma survival status support vector machine artificial neural network
目的 运用支持向量机(SVM)建立预测鼻咽癌患者5年生存状态的预测模型,并与医学领域中广泛运用的人工神经网络(ANN)模型进行比较,探索鼻咽癌预后研究的新方法.方法 收集2005年1月至2007年12月医院诊治的130例鼻咽癌患者的临床资料,分为两组,一组作为训练样本,用于筛选变量及建立预测模型,计104例;一组作为验证样本,用于评价模型效果,计26例.采用单因素分析筛选建模变量,然后利用ANN及SVM建立鼻咽癌患者5年生存状态预测模型并评价其效果.结果 单因素分析显示,年龄、T分期、N分期、M分期、92福州分期、卡氏生活质量评分(KPS评分)、颅底骨质破坏、颅神经损伤、咽旁间隙侵犯、确诊到放疗时间、鼻咽疗效、颈部淋巴结疗效共12项指标与鼻咽癌患者的5年生存状态相关(P<0.05).验证组验证显示,ANN模型预测患者5年生存状态的准确率、敏感度和特异度分别为88.5%,87.5%和90.0%,而SVM模型预测患者5年生存状态的准确率、敏感度和特异度分别为96.2%,93.8%和100%.结论 采用SVM预测模型能较好地判断鼻咽癌患者5年后的生存状态,为个体化地预测患者的预后提供了一种新方法,其效能优于ANN预测模型.