Resumen

Desde el siglo XX, el cáncer se ha convertido en una de las principales enfermedades que amenazan la salud humana. El cáncer de hígado es un tumor maligno con una morbilidad clínica y una tasa de letalidad extremadamente elevadas y fácil recurrencia tras la cirugía. La investigación sobre el tiempo de recurrencia postoperatoria y la localización de la recurrencia de los pacientes con cáncer de hígado tiene una influencia crucial en la intervención postoperatoria de los pacientes. La evaluación de las manifestaciones clínicas de los pacientes tras la cirugía de cáncer de hígado se lleva a cabo de acuerdo con los conocimientos médicos o las normas nacionales para determinar los principales factores que afectan a la rehabilitación del cáncer de hígado. Con el fin de estudiar mejor el mecanismo de recurrencia del cáncer de hígado, este trabajo utiliza CS-SVM para predecir el tiempo de recurrencia de los pacientes con cáncer de hígado, con el fin de intervenir a tiempo a los pacientes. Existen cinco indicadores de evaluación: indicadores básicos, indicadores inmunológicos, indicadores microambientales, indicadores psicológicos e indicadores nutricionales, respectivamente. Este trabajo recoge los datos de evaluación clínica de las visitas de seguimiento postoperatorio de pacientes con cáncer de hígado en un hospital, mejora el proceso de selección de parámetros de la máquina de vectores soporte utilizando la capacidad de búsqueda del algoritmo cuckoo, y establece un modelo de predicción optimizado por algoritmos de la máquina de vectores soporte para el pronóstico del cáncer de hígado con el fin de predecir la localización y el tiempo aproximado de recurrencia. De acuerdo con los datos de evaluación clínica de los pacientes con cáncer de hígado después de la cirugía, la regresión logística, la red neuronal BP, y otros métodos relacionados se utilizan para predecir el pronóstico de los pacientes con cáncer de hígado después de la cirugía. Se comparan los efectos de predicción de varios métodos y se discute la superioridad del modelo. Al final de este artículo, realizamos un análisis empírico de los datos de evaluación clínica de pacientes con cáncer de hígado tras la cirugía. Para las muestras recogidas de 776 recidivas de cáncer de hígado tras la cirugía, se utilizó el modelo de predicción de resultados de pronóstico de cáncer de hígado establecido para predecir el tiempo de recidiva y la localización de la recidiva, respectivamente. El error cuadrático medio de predicción del tiempo de recidiva es de 9,2101, muy inferior al error cuadrático medio de predicción de la red neuronal BP de 177,9451; la precisión de predicción de la localización de la recidiva es del 95,7%, muy superior al 63,14% de la regresión logística. Los resultados del análisis empírico muestran que el modelo mejorado de máquina de vectores soporte basado en cuco establecido en este artículo puede predecir eficazmente el tiempo y la localización de la recurrencia del cáncer.

• Materias:Insuficiencia cardíaca Plataforma de servicios Filtro de orden óptimo Características clínicas Osteoporosis
• Subjects:Heart failure Platform services Optimal order filtering Clinical features Osteoporosis
• Palabras claves:cáncer de hígado, datos de evaluación clínica, pacientes, cirugía, pacientes con cáncer de hígado, máquina de vectores soporte, localización de la recurrencia, artículo, red neuronal, tiempo de recurrencia
• Keywords:liver cancer, clinical evaluation data, patients, surgery, liver cancer patients, support vector machine, recurrence location, paper, neural network, recurrence time