支持向量机在急性髓细胞白血病残留病灶自动化分析中的应用

摘要

目的:
　　探讨利用支持向量机算法，使流式细胞术分析急性髓细胞白血病微小残留病灶的过程实现自动化、客观化、标准化。
　　方法:
　　从2010-2012年检测的急性髓细胞白血病（AML）中选择36名CD7表达阳性且白血病残留病灶监测≥2次的患者，依次导出其初发和残留病灶复查的流式细胞(FCM)数据。利用支持向量机(SVM)的多维训练和识别特性，结合FCM的多维优势，以初发AML和正常人数据为训练对象，优化参数，建立患者各自特异性的预测模型，根据此模型自动分析对应患者的159例次残留数据;并通过与经验丰富技术人员手工分析的残留病灶数据进行统计学比较，分析SVM自动化检测的可靠性。
　　结果:
　　SVM建立并优化了患者各自独立的预测模型，基于此模型的残留病灶分析自动化结果与常规手工分析无显著统计学差异，相关性强(配对双尾t检验相关系数0.986，p＜0.05)。
　　结论:
　　SVM可辅助流式细胞术对患者的残留病灶监测数据进行自动化、客观化和标准化的分析。

目录

声明

致谢

摘要

缩略语

1 研究背景

2 材料与方法

2．1 研究对象

2．2 试剂与仪器

2．3 研究方法

2．4 统计学处理

3 结果

3．1 训练细胞总数对结果的影响

3．2 训练参数C和gamma的优化

3．3 SVM分析组和手工分析组结果之间的关联分析

4 讨论

5 结论

参考文献

综述 流式细胞术检测恶性血液病微小残留灶的研究进展

作者简历及在学期间所取得的科研成果