基于近邻成分分析算法的原发性肝癌精确放疗后HBV再激活分类预测

摘要

原发性肝癌(PLC)患者在精确放疗后乙型肝炎病毒(HBV)再激活是一种常见并发症,及时的预测防护能降低发病率、死亡率.研究表明:多余的特征变量会影响HBV再激活的预测精度.通过提出基于近邻成分分析(NCA)的特征选择方法找出HBV再激活的危险因素及特征组合.之后分别建立经Bayes优化前后的支持向量机模型(SVM)对这些关键特征子集及初始特征集进行分类预测.实验结果表:明HBV DNA水平、KPS评分、分割方式、外放边界、V25、肿瘤分期TNM、Child-Pugh等都是影响HBV再激活的危险因素.其中经NCA特征选择之后发现的V25是在乙型肝炎病毒再激活研究中首次提出的危险因素.10折交叉验证下特征组合HBV DNA水平、外放边界、V25的预测精度高达86.11％.支持向量机分类器可以很好的应用于乙型肝炎病毒再激活的研究,特征选择后的关键特征组合具有更优越的分类性能.