改进支持向量机分类方法及其在原发性肝癌筛查中的应用

为了尽早检测出原发性肝癌患者,辅助医生进行医疗决策,提高患者临床疗效,提出一种基于临床常规检验指标的筛查方法。该方法使用支持向量机建模,采用差异进化算法进行参数优化,以接收者操作特征曲线下面积的值作为模型评价测度,将得到的最优模型用于检验数据识别,以判断该数据属于健康、良性病变还是原发性肝癌。此外,还根据临床需求绘制分类模型的性能指标曲线和阈值查找表,由用户选择阈值,使预测性能进一步提升。实验结果表明：与其他5种分类方法相比,该方法建立的模型具有更好的性能,其准确度可达0.94,Kappa系数可达0.90。研究结果可辅助医生进行原发性肝癌早期筛查,提高患者长期生存率。