文本分析联合支持向量机的肿瘤ICD-O-3病理形态学自动分类效果评价

• 作者: 潘劲 龚巍巍 费方荣 王蒙 周晓燕 胡如英 钟节鸣
• 来源期刊: 预防医学
• 关键词: 肿瘤 病理学 文本分析 支持向量机 自动分类
• 年，卷（期）: 2021,（3）
• 所属期刊栏目: 论著|Original Articles
• 页码范围: 255-258,263
• 页数: 5页
• 分类号: R181.2
• 语种: 中文
• DOI: 10.19485/j.cnki.issn2096-5087.2021.03.009

摘要

目的 评价文本分析联合支持向量机(SVM)对肿瘤ICD-O-3病理形态学自动分类的准确性,为汉语环境的肿瘤分类编码研究提供参考.方法 通过浙江省慢性病监测信息管理系统收集2017-2019年浙江省户籍居民肿瘤报告卡,根据ICD-O-3编码,对病理学文本提取关键词,采用SVM进行自动化分类;并与16名有2年以上肿瘤编码经验的专业技术人员分类结果比较,计算准确率、召回率及两者的调和平均数(F值)评估分类效果.结果 纳入2017-2019年浙江省肿瘤报告卡83 082例,17个形态学分类,以腺癌、鳞状和移行细胞癌为主,52 877例占63.65％.通过文本分析筛选出1 090个关键词,准确率为77.20％,召回率为96.27％,F值为85.69.结论 采用文本分析联合SVM可提高肿瘤ICD-O-3病理形态学自动分类效率,但准确性有待进一步提升.