基于智能算法的卵巢恶性肿瘤标记物组模型的建模分析(2)
2 结果
2.1 三组临床资料和血清标记物测定检测结果
恶性肿瘤组、良性肿瘤组及健康组血清CA125、HE4、TSGF、TNF-α、VEGF、CA153、CA199、IL-6的测定结果比较见表1,由表1可知,恶性肿瘤组及良性肿瘤组IL-6水平与健康组相比,差异均显著;而恶性肿瘤组、良性肿瘤组及健康组的其他指标水平两两相比,均具有统计学差异。见表1。
2.2 支持向量机模型
随机选取123例卵巢恶性肿瘤患者、78例卵巢良性肿瘤患者以及100例健康妇女作为训练组,用训练组数据建立SVM模型,将剩余60例(20例卵巢恶性肿瘤患者、20例卵巢良性肿瘤患者以及20例健康妇女)测试样本输入到SVM模型进行训练及仿真。仿真结果见图1。图中,横坐标为测试样本,纵坐标为模型输出结果,“0”表示健康妇女,“1”表示卵巢良性肿瘤患者,“2”表示卵巢恶性肿瘤患者,空心圆圈表示目标输出,“*”为SVM的实际仿真输出。可以看出,支持向量机模型仿真测试病理结果和实际病理结果拟合程度较高,效果较理想。
对支持向量机建立的数学诊断模型的诊断准确率进行检测 ......
您现在查看是摘要页,全文长 4420 字符。
闄愪簬鏈嶅姟鍣ㄥ帇鍔涳紝缃戠珯閮ㄥ垎淇℃伅鍙緵鐖卞績浼氬憳鎴栨湁涓€瀹氱Н鍒嗙殑娉ㄥ唽浼氬憳娴佽銆�
姝�淇℃伅闇€瑕� 1 绉垎锛堝厤璐规敞鍐岀櫥褰曞悗姣忓ぉ鍙互棰嗗彇10涓Н鍒�锛夈€�
婵烇絽娲犻崜婵囧閸涱喚顩烽柛娑卞墰鏉╂棃鏌涘▎蹇撯偓浠嬪焵椤掆偓閸犳稓妲愬┑鍥┾枖鐎广儱妫涢埀顒夊灦楠炲骞囬鍛簥婵炶揪绲惧ú鎴犵不閿濆拋鍤堝Δ锔筋儥閸炴挳鏌曢崱鏇犲妽閻㈩垰缍婇幊锟犲箛椤撶偟浠愰梺鍦瑰ú銈囨閳哄懎违闁稿本绋掗悗顔剧磼閺冨倸啸濠⒀勵殜瀵爼宕橀妸褎鍓戞繛瀛樼矊妤犲摜鏁锔藉婵$偛澧界粙濠囨煛婢跺﹤鏆曟慨鐟邦樀閺佸秴鐣濋崘顭戜户闂佽鍠撻崝蹇涱敇缂佹ḿ鈻旈柣鎴烇供閸斿啴鏌¢崒姘煑缂佹顦遍埀顒冾潐缁繘锝為敃鍌氱哗閻犻缚娅g粔鍨€掑顓犫槈闁靛洤娲ㄩ埀顒傤攰濞夋盯宕㈤妶鍥ㄥ鐟滅増甯楅~澶愭偣閸ワ妇涓茬紒杈ㄧ箘閹风娀鎮滈挊澶夌病婵炲濮鹃崺鏍垂閵娾晜鍋ㄥù锝呭暟濡牓姊洪锝嗙殤闁绘搫绻濋獮瀣箣濠婂嫮鎷ㄩ梺鎸庣☉閺堫剟宕瑰⿰鍕浄妞ゆ帊鐒﹂弳顏堟煕閹哄秴宓嗛柍褜鍓氬銊╂偂閿熺姴瑙﹂幖鎼灣缁€澶娒归崗鍏肩殤闁绘繃鐩畷锟犲礃閼碱剚顔戦梺璇″枔閸斿骸鈻撻幋鐐村婵犲﹤鍟幆鍌毭归悩鎻掝劉婵犫偓閹殿喚纾鹃柟瀵稿Х瑜版煡鏌涢幒鏂库枅婵炲懎閰f俊鎾晸閿燂拷
閻庣敻鍋婇崰鏇熺┍婵犲洤妫橀柛銉㈡櫇瑜帮拷
闂佺ǹ绻楀▍鏇㈠极閻愮儤鍎岄柣鎰靛墮椤庯拷
闁荤姴娲ょ€氼垶顢欓幋锕€绀勯柣妯诲絻缂嶏拷
闂佺懓鍚嬬划搴ㄥ磼閵娾晛鍗抽柡澶嬪焾濡拷
|