| 基于遗传算法特征选择的HBV再激活分类预测模型 |
| |
| 作者姓名： | 吴冠朋 刘毅慧 王帅 黄伟 刘同海 尹勇 |
| |
| 作者单位： | 齐鲁工业大学信息学院,济南 250353,齐鲁工业大学信息学院,济南 250353,齐鲁工业大学信息学院,济南 250353,山东省肿瘤医院放疗病区,济南 250117,山东省肿瘤医院放疗病区,济南 250117,山东省肿瘤医院放疗病区,济南 250117 |
| |
| 基金项目： | 国家自然科学基金项目(No.81402538); 国家自然科学基金项目(No.61375013); 山东省自然科学基金项目(No.ZR2013FM020)。 |
| |
| 摘 要： | 
探讨原发性肝癌患者精确放疗后乙型肝炎病毒(hepatitis b virus,HBV)再激活的危险特征和分类预测模型。提出基于遗传算法的特征选择方法,从原发性肝癌数据的初始特征集中选择HBV再激活的最优特征子集。建立贝叶斯和支持向量机的HBV再激活分类预测模型,并预测最优特征子集和初始特征集的分类性能。实验结果表明,基于遗传算法的特征选择提高了HBV再激活分类性能,最优特征子集的分类性能明显优于初始特征子集的分类性能。影响HBV再激活的最优特征子集包括:HBV DNA水平,肿瘤分期TNM,Child-Pugh,外放边界和全肝最大剂量。贝叶斯的分类准确性最高可达82.89%,支持向量机的分类准确性最高可达83.34%。
|
| 关 键 词： | HBV再激活 遗传算法 特征选择 贝叶斯 支持向量机 |
| 收稿时间： | 2016-06-30 |
| 修稿时间： | 2016-09-06 |
| 本文献已被 CNKI 等数据库收录！ |
| 点击此处可从《生物信息学》浏览原始摘要信息 |
|
点击此处可从《生物信息学》下载免费的PDF全文 |
|
