SVM分類模型在癌癥突變輔助診斷中的應用.pdf

1、癌癥往往伴隨著惡性腫瘤的產(chǎn)生,嚴重危害人類的健康和生命安全。隨著癌癥診療技術的飛速發(fā)展,腫瘤組織細胞是否發(fā)生EGFR(Epidermal Growth Factor Receptor)突變逐漸成為十分重要的診斷指標,對病人的臨床靶向治療有極大影響。
　　本文的工作是探討針對癌癥突變進行輔助診斷的方案,通過與重慶大坪醫(yī)院合作,具體研究方向為腦部腫瘤突變的輔助診斷?，F(xiàn)有診斷方法是對病人進行腦部手術,提取病人腦部樣本組織進行基因序列檢測

2、來獲取結果,會給病人帶來額外的負擔與風險。同時對于患者有多種癌癥的情況,現(xiàn)有方法忽略了不同癌癥之間發(fā)生突變的潛在聯(lián)系,最終分類結果也易受到臨床數(shù)據(jù)中噪聲的影響。本文針對以上問題進行研究,主要工作如下:
　?、偬岢隽艘环N融合多種癌癥病例的突變輔助診斷方案。由于肺部腫瘤突變較容易診斷,本方案首次將肺部腫瘤突變作為自變量引入,并結合其他臨床特征進行患者腦部腫瘤突變的輔助診斷,將兩種不同癌癥病例結合起來,研究其中潛在的聯(lián)系。本文首先通過卡

3、方檢驗對臨床數(shù)據(jù)進行顯著性分析,結果表明肺部腫瘤突變對應的P值小于0.01,具有顯著性差異,因此肺部腫瘤突變與腦部腫瘤突變緊密相關。同時,本文采用SVM算法構建腦部腫瘤突變分類模型,針對是否引入肺部腫瘤突變情況進行了對比實驗,實驗結果表明兩者在敏感度(Sensitivity)指標上結果相當;而在準確率(Accuracy)、特異性(Specificity)及AUC值(曲線下面積)三個指標上,引入肺部腫瘤突變的實驗結果更優(yōu)。
　?、诮Y

4、合以上輔助診斷方案,在構建分類模型之前,加入對臨床數(shù)據(jù)的特征提取過程。通過對臨床數(shù)據(jù)進行特征提取,可以過濾其中的噪聲以改善診斷效果。本文研究中結合真實臨床數(shù)據(jù),采用多種特征提取算法進行了實驗對比,包括LDA算法(線性判別式分析)、PCA算法(主成分分析)及FA算法(因子分析法)。同時將以上結果與未進行特征提取的實驗結果進行比較,發(fā)現(xiàn)采用LDA進行特征提取對應的實驗結果最優(yōu),在敏感度、準確率、特異性及AUC值四個指標上具有較大改善。