基于支持向量机的肝外胆管癌术前淋巴结状态预测模型构建

摘要

目的开发一种预测肝外胆管癌淋巴结状态的机器学习模型。方法纳入101例接受根治性手术切除的肝外胆管癌病例,采用MaZda软件对多序列MRI图像病灶进行勾画,并且提取影像特征。利用最大-最小算法对影像特征进行归一化,并通过合成少数过采样算法进行分类数据平衡,生成新样本。采用Spearman相关性分析与最大相关最小冗余特征选择法进一步筛选影像特征,最终得到20个最具代表的特征。从新样本数据中任意选择80%样本作为训练集,剩余20%作为测试集,建立支持向量机(support vectormachine,SVM)预测模型,并利用受试者工作特征曲线(ROC)评价模型性能。结果预测模型训练集的AUC为0.98,准确率为89.2%,灵敏度为92.9%,特异性为89.4%。测试集的AUC为0.83,准确率为82.2%,灵敏度为82.1%,特异性为80.9%。结论基于MRI影像的SVM预测模型具有良好的预测性能,可为临床医生提供对肝外胆管癌患者个性化的术前预测,辅助评估手术价值并做出适当的临床决策。