摘? 要：相關(guān)研究表示，在社會經(jīng)濟(jì)不斷發(fā)展的過程中，人們的飲食習(xí)慣及生活節(jié)奏也在不斷的變化，因此提高了乳腺癌的發(fā)病幾率。乳腺癌是否能夠治愈的重點(diǎn)為早發(fā)現(xiàn)、早診斷和早治療，現(xiàn)代醫(yī)學(xué)無法治愈晚期乳腺癌，所以在對乳腺癌治療過程中對預(yù)防重視。目前，一般都是使用超聲波顯像檢查、X分析診斷、臨床觸診、CT掃描及核磁共振成像對乳腺癌進(jìn)行診斷，不同診斷方法都具有不同的優(yōu)點(diǎn)和缺點(diǎn)。以此，該文就分析乳腺癌診斷中的支持向量機(jī)使用。

關(guān)鍵詞：支持向量機(jī)? 乳腺癌? 精準(zhǔn)診斷

中圖分類號：TP391.4? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文獻(xiàn)標(biāo)識碼：A? ? ? ? ? ? ? ? ? ? ? ? ?文章編號：1672-3791（2019）03（b）-0169-02

該文對支持向量機(jī)在乳腺癌診斷中的使用進(jìn)行分析。支持向量機(jī)的算法設(shè)計(jì)

假設(shè)具有訓(xùn)練樣本數(shù)據(jù)集為：

其中的n指的是樣本數(shù)，m指的是χn維數(shù)?？梢允褂贸矫妫?/p>

w指的是法向量，b指的是偏置。如果得到最優(yōu)wo及bo，那么就能夠得出支持向量機(jī)分類模型，使其作為線性判別函數(shù)通過以下公式表示：

以此預(yù)測未知樣本分類值，sgn指的是符號函數(shù)。

算法詳細(xì)步驟為：

其一，對樣本數(shù)據(jù)進(jìn)行歸一化的處理，從而避免大數(shù)據(jù)覆蓋小數(shù)值。

其二，實(shí)現(xiàn)標(biāo)簽數(shù)據(jù)值的規(guī)范化，兩個分類一般為1和-1。

其三，創(chuàng)建新函數(shù)K及懲罰參數(shù)C。在實(shí)驗(yàn)過程中，先利用常用基本核函數(shù)訓(xùn)練模型對測試精準(zhǔn)率及訓(xùn)練精度最優(yōu)核函數(shù)的尋找。然后，通過核函數(shù)對最優(yōu)新核函數(shù)進(jìn)行尋找。以此，對基本核函數(shù)最好的性能充分考慮，最新創(chuàng)建的函數(shù)利用經(jīng)驗(yàn)風(fēng)險和泛化能力綜合性能方面比較優(yōu)，從而實(shí)現(xiàn)最佳分類效果，創(chuàng)建凸二次規(guī)劃問題。

其四，通過五折參數(shù)尋優(yōu)，實(shí)現(xiàn)支持向量機(jī)分類模型的創(chuàng)建，通過模型在訓(xùn)練集及測試集中對分類效果進(jìn)行驗(yàn)證，求總體樣本精準(zhǔn)率。

其五，為了能夠提高模型分類效果的直觀性，將訓(xùn)練集和測試集作為基礎(chǔ)繪制模型分類的效果圖[1]。

2? 使用分析

2.1 實(shí)驗(yàn)方案設(shè)計(jì)

該文實(shí)驗(yàn)過程中的數(shù)據(jù)均為某院病理部數(shù)據(jù)，此數(shù)據(jù)共有692個樣本，惡性腫瘤有235個，作為正樣本，良性腫瘤共有457個，作為負(fù)樣本，利用活組織切片對全部樣本進(jìn)行檢查并且確診，所有樣本中都有年齡和10個細(xì)胞病理特征。

在進(jìn)行實(shí)驗(yàn)的過程中，利用5次交叉驗(yàn)證方法分組數(shù)據(jù)集并且對其測試，簡單來說就是隨機(jī)劃分?jǐn)?shù)據(jù)為5組，每組循環(huán)作為測試集，其他都是訓(xùn)練集。對每次分組利用的測試集及訓(xùn)練集分類器進(jìn)行測試和實(shí)驗(yàn)。

2.2 分類結(jié)果和討論

使用總精準(zhǔn)率Q、靈敏度sen及特異度SPE對分類器性能進(jìn)行評價，其計(jì)算公式為：

TP指的是測試集中判斷準(zhǔn)確正樣本數(shù)量，F(xiàn)N指的是測試集中判斷錯誤負(fù)樣本數(shù)量，TN指的是測試集中精準(zhǔn)判斷負(fù)樣本的數(shù)量，F(xiàn)P指的是測試集中判斷錯誤的正樣本數(shù)量。Sen指的是測試集中正樣本靈敏度，Spe指的是負(fù)樣本特異度。Sen越大，說明正樣本識別具有較強(qiáng)的能力，能夠良好判別負(fù)樣本[2]。

對于SVM，在實(shí)驗(yàn)過程中使用多項(xiàng)式核函數(shù)等，并且通過5次交叉驗(yàn)證法進(jìn)行測試和訓(xùn)練。表1為SVM使用不同核函數(shù)測試結(jié)果，通過表1可以看出來，使用以上核函數(shù)分類對于數(shù)據(jù)集具有良好的精準(zhǔn)度，Sigmoid核函數(shù)精準(zhǔn)度是最高的。所以，對一定分類樣本來說，要想得到最優(yōu)分類效果，優(yōu)選核函數(shù)具有重要的作用，并且也表示SVM最佳核函數(shù)依賴樣本數(shù)據(jù)分布的情況。另外，通過表1還可以看出來，使用Sigmoid核函數(shù)的過程中，具有較高的分類靈敏度，多項(xiàng)式核函數(shù)時候的特異度是最高的，表示Sigmoidhe函數(shù)對于正樣本具有較高的識別率。

另外，對SVM和PNN、K-NN識別能力進(jìn)行了對比，表示只有使用Sigmoid核函數(shù)的支持向量機(jī)精準(zhǔn)度比較高，為96.24%。以此表示，使用Sigmoid核函數(shù)的支持向量機(jī)不急能夠提高正樣本識別率，還能夠良好地對乳腺癌患者和非乳腺癌病例進(jìn)行識別，使人為導(dǎo)致漏診及誤診的幾率得到降低。

3? 結(jié)語

該文根據(jù)臨床乳腺癌數(shù)據(jù)集，利用實(shí)驗(yàn)表示該文的診斷特異度、精準(zhǔn)率及靈敏值都比較高，說明使用該文方法能夠良好地診斷乳腺癌，從而提高乳腺癌的診斷效率，并且還能夠?yàn)獒t(yī)生提供數(shù)據(jù)支持。

參考文獻(xiàn)

[1] 呂萍麗.基于支持向量機(jī)的乳腺癌診斷模型的設(shè)計(jì)[J].福建電腦，2015（8）：17-18.

[2] 章永來，史海波，尚文利，等.面向乳腺癌輔助診斷的改進(jìn)支持向量機(jī)方法[J].計(jì)算機(jī)應(yīng)用研究，2013，30（8）：2373-2376.

①基金項(xiàng)目：2018年度湖北省教育廳科學(xué)技術(shù)研究項(xiàng)目“支持向量機(jī)分類在乳腺癌電阻抗特性診斷中的應(yīng)用研究”（項(xiàng)目編號：B2018488;項(xiàng)目負(fù)責(zé)人：汪慧玲）。