基于SFS-SVM的乳腺癌预测模型的构建

目的：构建基于序列前向选择算法（SFS）与支持向量机算法（SVM）分类器融合的乳腺癌预测模型，提高计算机辅 助诊断技术对乳腺癌细针穿刺细胞病理的准确率。方法：对456组乳腺肿瘤病理数据作为训练集，利用SFS-SVM算法对 30个特征进行筛选，得到最优的特征组合，再用112组乳腺肿瘤病理数据作为测试集验证，构建乳腺癌预测模型。该模型 的预测精度通过5折交叉验证进行评价。评价指标包括：受试者工作特性曲线（ROC）下面积（AUC）、准确率（ACC）、敏感 度和特异度。结果：构建了基于SFS-SVM的乳腺癌预测模型，该模型（AUC为98.39%，ACC为97.35%）相对于单独SVM 算法（AUC为97.00%,ACC为92.42%）有一定的提高。结论：基于SFS特征选择的SVM分类器乳腺癌预测模型能较好地 对乳腺癌进行辅助诊断