支持向量机在肝纤维化模型诊断中的应用

摘要：

目的:利用血清指标建立数学模型实现肝纤维化的准确分级和变量筛选.方法:在Matlab平台上,采用支持向量机(SVM)构建数学模型预测肝纤维化分级,然后采用平均影响值(MIV)的方法对变量的相对重要性进行排序实现变量筛选.结果:实验利用分类模型预测训练集的准确率为92.3077%,预测测试集准确率为90.9091%.利用变量筛选模型得出对肝纤维化程度影响较大血清指标依次为Hyp、STB、LN、A/T、IV-C等.结论:支持向量机和平均影响值方法可以很好的分类肝纤维化程度和筛选变量,对实际应用具有一定的参考价值.

关键词：肝纤维化、血清指标、支持向量机、平均影响值、变量筛选

所属期刊栏目：25

分类号：R311(医用一般科学)

资助基金：中央高校基本科研业务费专项;国家自然科学基金

在线出版日期：2013-01-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：634-637