基于SVM方法的大肠癌淋巴结转移预测
张钰① 刘颂① 胡珊① 丁培荣②
①中山大学中山医学院生物医学工程系，510080，广州市中山二路74 号
②中山大学附属肿瘤医院结直肠科，510060，广州市东山区东风东路651 号
摘 要 本文收集了1000 多例大肠癌病人的临床数据，运用支持向量机的算法对病人淋巴
结是否转移进行分类预测，用交叉验证的的方法得出最佳参数，预测准确率为82.65%.
关键词 支持向量机 数据挖掘 交叉验证
1 引言
淋巴结转移是影响大肠癌预后最重要的因素之一，因此准确地判断淋巴结转
移与否对于判断预后、制定治疗方案意义重大[1]。目前诊断淋巴结转移的“金标
准”是病理组织学检查，然而它会受到一些因素的影响，如淋巴清扫范围、取检
淋巴结的方法、淋巴结微转移的客观存在等。事实上，一些病理分期为早期的病
人出现了预后差的情况，可能与我们没有发现存在的淋巴结转移灶有关。
本文尝试建立淋巴结转移预测的计算机模型，能够为临床手术方案的制
定提供一定的参考依据。共收集了中山大学附属肿瘤医院一千多例结直肠
癌病人的数据，在对数据进行净化、去噪声、离散化等预处理后，利用支持向
量机软件libsvm（台湾大学林智仁副教授等研发）对大肠癌N 分期进行预测。
2 基本原理
支持向量机（SVM）是一种新型的机器学习方法，它是建立在统计学习理论
的vc(Vapnik Chervonenks)维理论和结构风险最小化(Structural RiskMinimi
zation，SRM)原理基础上的，即是由有限训练样本得到的决策规则对独立的测试
集仍能得到小的误差，这使得 SVM 方法 比基于经验风险最小化(Empirical Ri
sk Minimization，E1)的人工神经网络ANN 等方法具有更好的泛化能力和分类精
确性。支持向量机能较好地解决小样本、非线性、高维数和局部极小点等实际问
题，目前已成为机器学习界研究的热点。虽然 SVM 方法在理论上具有突出的优
势，但应用研究相对于理论研究较为滞后。SVM 的基本思想是对于非线性可分样
本 ，将其输入向量通过非线性变换映射到另一个高维空间，使其线性可分，在
这个新空间中寻找一个最优分类超平面，使得超平面与不同类样本集之间的距离
最大，从而达到最大的泛化能力。SVM 的这种非线性变换是通过核函数计算高维
空间中的内积实现的，这样就避免了维数升高而引起的计算困难[2]，其基本原理
如下：考虑一个线性可分的二分类问题，设线性可分的个训练样本集{( ， )，
i：1，2，…l，}，输入样本空间的维数为d，每个样本属于标记为 ∈{-1，
1}的两类之一。由这一组样本可以确定一个分类超平面，使得离它
最近的每类点(称为支持向量)与它的距离达到最大值，对于每个样本有 ：
≥ 1 （1）
样本到超平面的距离，即分类间隔，可定义为，当最小时，分类间隔最
大，此时的分离超平面即为最优分类面。使分类间隔最大实际上就是对推广能力
的控制，统计学理论表明[3]最优分类面具有最好的推广能力。
考虑到训练样本集为线性不可分时，需引入非负松弛变量，i=1，2，…，l，
上述最优超平面的求解问题为：
（2）
其中，惩罚参数C>0，C 越大表示对错误分类的惩罚越大。式（2）中第一项
使分类间隔尽量大，第二项则使误差尽量小 |
|
资源大�。�133.17 KB 
