基于遗传算法特征选择的HBV再激活分类预测模型

• Published in: 生物信息学 Vol. 14; no. 4; pp. 243 - 248
• Main Author: 吴冠朋 刘毅慧 王帅 黄伟 刘同海 尹勇
• Format: Journal Article
• Language: Chinese
• Published: 齐鲁工业大学信息学院,济南,250353%山东省肿瘤医院放疗病区,济南,250117 2016
• Subjects: HBV再激活;遗传算法;特征选择;贝叶斯;支持向量机; 支持向量机; 遗传算法; Feature selection; Genetic algorithm; HBV reactivation; Bayes; 特征选择; HBV再激活; 贝叶斯; Support vector machine
• ISSN: 1672-5565
• DOI: 10.3969/j.issn.1672-55652.016.04.08

探讨原发性肝癌患者精确放疗后乙型肝炎病毒(hepatitis b virus,HBV)再激活的危险特征和分类预测模型。提出基于遗传算法的特征选择方法,从原发性肝癌数据的初始特征集中选择HBV再激活的最优特征子集。建立贝叶斯和支持向量机的HBV再激活分类预测模型,并预测最优特征子集和初始特征集的分类性能。实验结果表明,基于遗传算法的特征选择提高了HBV再激活分类性能,最优特征子集的分类性能明显优于初始特征子集的分类性能。影响HBV再激活的最优特征子集包括:HBV DNA水平,肿瘤分期TNM,Child-Pugh,外放边界和全肝最大剂量。贝叶斯的分类准确性最高可达82.89%,支持向量机的分类准确性最高可达83.34%。