基于連續(xù)小波和隨機森林的原發(fā)性肝癌放療后乙肝病毒再激活的分類預(yù)測

王會娜　黃偉　劉毅慧

摘要：原發(fā)性肝癌（PLC）患者精確放療后乙肝病毒（HBV）再激活是一種常見的并發(fā)癥，影響患者預(yù)后，危及患者的生命。通過連續(xù)小波進(jìn)行去噪，然后再通過隨機森林對特征重要性的排序找出引發(fā)乙肝病毒再激活的危險因素，給醫(yī)生提供參考，進(jìn)而提前進(jìn)行預(yù)防治療，降低病毒再激活的發(fā)病率。首先對原始數(shù)據(jù)集進(jìn)行連續(xù)小波變換，之后使用隨機森林進(jìn)行關(guān)鍵特征的選取，將隨機森林模型下的特征按照重要性進(jìn)行排序，選取重要性最高的5個特征組成關(guān)鍵特征子集，然后將新的特征子集用隨機森林分類器進(jìn)行分類預(yù)測。實驗結(jié)果表明隨機森林選取HBV DNA水平、TNM腫瘤分期、V10、V20、外放邊界這5個關(guān)鍵特征作為致使乙肝病毒再激活的危險因素組合時，進(jìn)行小波變換后，3折交叉驗證下預(yù)測精度最高達(dá)到82.96%。本次研究表明，小波變換后可以有效地降噪，隨機森林可以通過評估變量的重要性，選出關(guān)鍵特征，很好地用于解決乙肝病毒再激活分類預(yù)測問題。

關(guān)鍵詞：原發(fā)性肝癌（PLC）；乙肝病毒（HBV）再激活；連續(xù)小波；隨機森林；特征選取；交叉驗證

0引言

原發(fā)性肝癌（PLC）是一種常見的惡性腫瘤疾病，在我國，肝癌多發(fā)于東南沿海地區(qū)，肝癌患者接受放療治療后，HBV再激活是一種最常見的并發(fā)癥。HBV再激活會引起肝損傷、肝衰竭，嚴(yán)重威脅患者的生命。論文中指出，腫瘤分期、HBV DNA水平、肝功能Child-Pugh分級是原發(fā)性肝癌患者接受三維適形放療（3D-CRT）后致乙型肝炎病毒（HBv）再激活的危險因素。論文發(fā)現(xiàn)放療劑量、HBV DNA水平是HBV病毒再激活的危險因素。論文首先用t檢驗和logistic進(jìn)行特征提取，發(fā)現(xiàn)外放邊界、腫瘤分期TNM和HBVDNA水平是HBV再激活的危險因素，用危險因素作為數(shù)據(jù)集建立BP神經(jīng)網(wǎng)絡(luò)分類模型識別率達(dá)到78.89%。論文建立SVM分類模型預(yù)測精度達(dá)到78.89%。論文建立RBF神經(jīng)網(wǎng)絡(luò)模型，識別率提高到80%。隨后在論文中通過遺傳算法發(fā)現(xiàn)HBV DNA水平、腫瘤分期TNM、Chfld-Pugh、V45、外放邊界、外放邊界編碼和全肝最大劑量是乙肝病毒再激活的危險因素，SVM分類模型下的預(yù)測精度達(dá)到83.34%。

綜上分析可以得出，原發(fā)性肝癌患者接受適形放療后乙肝病毒再激活的危險因素并非單一的，不同的臨床指標(biāo)都有可能會引發(fā)乙肝病毒再激活，因此研究中仍需要通過不同的特征提取方法來發(fā)現(xiàn)更多的危險因素。

本文首先使用連續(xù)小波進(jìn)行小波變換，然后再采用隨機森林進(jìn)行特征提取。小波變換是一種信號的時間一尺度（時間-頻數(shù)）分析法，具有多分辨分析（Multi-resolution Analysis）的特點，而且在時頻兩域都具有表征信號局部特征的能力。連續(xù)小波變換突破了Fourier變換基底的限制，用一個函數(shù)的平移伸縮作為基底，開展頻譜的研究。小波變換多用于信號去噪，特征提取等方面。其中，特征提取是根據(jù)隨機森林算法本身的變量重要性度量設(shè)計得到特征排序，由此選出得分最高的幾個特征，組成最優(yōu)特征子集，然后建立隨機森林分類模型來研發(fā)應(yīng)用在分類預(yù)測中。隨機森林是機器學(xué)習(xí)模型的一種，主要利用多個分類決策樹對數(shù)據(jù)實現(xiàn)判別與分類。而且，在對數(shù)據(jù)分類的同時，還可以根據(jù)變量的特點，給出每個特征的重要性評分，評估每個特征在分類中發(fā)揮的作用。目前利用隨機森林進(jìn)行特征選擇已廣泛應(yīng)用于生物醫(yī)學(xué)領(lǐng)域。