SVM预测模型在原发性肝癌病理分化程度判断中的应用

作者：陈永莹; 彭攀; 许磊磊

来源：肝脏, 2023, 28(07): 785-788.

DOI：10.14000/j.cnki.issn.1008-1704.2023.07.022

• CT纹理分析
• 线性支持向量机
• 原发性肝癌
• 肿瘤分化程度

目的 研究线性支持向量机(SMV)预测模型在原发性肝癌(HCC)病理分化程度判断中的应用价值。方法 选择2018年6月—2020年6月在江南大学附属无锡五院确诊为HCC的患者78例。所有患者行CT纹理分析，并选取动脉期特征，采用SMV预测模型进行HCC病理分化程度判断。以术后病理检测结果作为金标准，采用Kappa检验CT纹理分析中动脉期SVM预测肿瘤分化程度的一致性进行判定。结果 78例HCC患者肿瘤分化程度分别为低分化、中分化、高分化，分别占总数的25.64%、34.62%、39.74%。动脉期SVM判断HCC患者肿瘤低分化、中分化、高分化与病理检测结果比较，有较高的一致性，Kappa值分别为0.835、0.860、0.892。动脉期SVM预测HCC低分化的灵敏度为85.71%、特异度为96.49%、准确率为93.59%;预测HCC中分化的灵敏度为89.29%、特异度为96.00%、准确率为93.59%;预测HCC高分化的灵敏度为96.55%、特异度为93.88%、准确率为94.87%。结论 SMV预测模型对判断HCC病理分化程度有较高价值。

• 单位
  江南大学