基于智能算法卵巢恶性肿瘤标记物组模型建模分析.docVIP

基于智能算法卵巢恶性肿瘤标记物组模型建模分析 　　[摘要] 目的 基于智能算法建立卵巢恶性肿瘤标记物组模型，并评价其检验效能。 方法 以经确诊的143例卵巢恶性肿瘤患者和98例卵巢良性肿瘤患者以及120例健康妇女为研究对象，以CA125、HE4、TSGF、TNF-α、VEGF、CA153、CA199、IL-6 8种血清标记物的水平为自变量，以病理分型结果（恶性肿瘤、良性肿瘤、健康）为因变量，应用支持向量机算法建立卵巢恶性肿瘤标记物组模型，并通过60例测试集评价其效果。 结果 成功建立了基于支持向量机的卵巢恶性肿瘤标记物组模型，支持向量机模型的诊断准确度为95%。 结论 支持向量机模型的诊断准确率较高，对卵巢肿瘤的鉴别诊断有重要的参考价值，可做为临床医生的辅助诊断工具。 　　[关键词] 卵巢恶性肿瘤；标记物组模型；智能算法；支持向量机 　　[中图分类号] R730.2 [文献标识码] B [文章编号] 2095-0616（2015）18-210-03 　　[Abstract] Objective To establish the ovarian cancer marker group model based on intelligent algorithm， to evaluate the power of test. Methods 143 patients diagnosed with ovarian malignant tumors，98 patients diagnosed with benign ovarian tumor，and 120 healthy women were selected as research objects.To setablish ovarian cancer marker group model by the application of support vector machine algorithm，with the independent variables of the serum markers level of 8 kinds of CA125，HE4，TSGF，TNF-α，VEGF，CA153，CA199，IL-6，with the dependent variable by the pathological type results of ovarian malignant tumors，benign ovarian tumor，and healthy，to evaluate the effect through the 60 test suites. Results Ovarian cancer marker group model based on intelligent algorithm has successfully established with the diagnostic accuracy of support vector machine model of 95%. Conclusion Support vector machine model has higher diagnostic accuracy，has important reference value on the differential diagnosis of ovarian neoplasms，is the auxiliary diagnostic tool for clinical doctors. 　　[Key words] Ovarian cancer；Marker group model；Intelligent algorithm；Support vector machine 　　近年来，全球妇科肿瘤的发病率逐年上升，严重危害女性的健康，其中，卵巢恶性肿瘤的发病率在妇科恶性肿瘤中位列第三，其死亡率更是居于首位[1]。卵巢恶性肿瘤的早发现、早治疗是医生和患者的共同心愿。利用单一血清标记物作为诊断治疗依据往往具有局限性，容易误诊，本文利用八种血清标记物联合建立支持向量机算法模型对卵巢恶性肿瘤、良性肿瘤和健康妇女进行分类，旨在提高卵巢恶性肿瘤的早期预测、诊断准确率，从而及时制定有效的治疗方案，提高患者生存率。 　　1 资料与方法 　　1.1 一般资料 　　2012年6月～2015年1月在郑州人民医院医院妇科行手术治疗的并经病理学确诊的卵巢恶性肿瘤患者143例，卵巢良性肿瘤患者98例和同期来医院体检的健康妇女120例。卵巢恶性肿瘤组年龄21～70岁，平均（48.5±10.4）岁，卵巢良性肿瘤组年龄20～69岁，平均（49.7±9.9）岁，健康妇女组年龄19～72