CNN-OVA-SVM模型在结直肠腺癌多分化诊断中的价值

摘要

目的 探究CNN-OVA-SVM模型应用于多分化类型的结直肠腺癌鉴别诊断中的实用价值.方法 本研究选取了2012年1月-2016年3月间新疆医科大学附属肿瘤医院病理科收治的高、中、低分化类型腺癌患者各20例进行回顾性研究.提出了用于多分化类型结直肠腺癌鉴别诊断的CNN-OVA-SVM模型,该模型使用预先训练的ResNet50卷积神经网络对患者的结直肠组织切片图像进行特征提取,使用子分类器为支持向量机(Support Vector Machine,SVM)的一对多集成分类器对结直肠癌进行诊断,并与主流的分类算法K近邻(K-nearest Neighbor,KNN)、随机森林(Random Forests,RF)等进行比较.通过绘制受试者工作特征曲线(Receiver Operating Characteristic,ROC)和混淆矩阵,计算模型的精确率、召回率、F1分数、准确率等指标,对模型的准确率和性能进行直观的评估.结果 本研究所提出的CNN-OVA-SVM模型对3种分化类型结直肠腺癌的总体分类准确率为86.11％,AUC值均超过0.88.结论 CNN-OVA-SVM模型对于不同分化类型的结直肠腺癌的鉴别具有一定的临床价值.