基于极光优化增强支持向量机的胃癌淋巴结转移预测新方法

本文创新性地提出bMDPLO-SVM模型，通过融合迁移策略和发散思维策略改进极光优化算法（PLO），结合支持向量机（SVM）实现高维度影像组学特征选择。该模型在胃癌患者脾脏CT影像数据中取得0.858准确率和F1值，显著提升淋巴结转移（LNM）术前预测效能，为胃癌精准诊疗提供新工具。

　　

研究亮点

• 我们提出PLO算法的增强版本MDPLO，通过整合迁移策略和发散思维策略优化原始算法。

• 设计二进制MDPLO（bMDPLO）及bMDPLO-SVM模型，结合SVM提升淋巴结转移预测准确率。

• 通过CEC 2017基准函数测试验证算法有效性。

• 证实bMDPLO-SVM能有效筛选影像组学特征，最优特征子集可精准预测胃癌淋巴结转移。

结论与展望

本研究提出的MDPLO算法通过融合迁移和发散思维策略显著提升PLO性能，基于此开发的bMDPLO-SVM模型在高维度脾脏CT影像特征选择中表现卓越。在胃癌淋巴结转移预测任务中取得0.858准确率和F1值，显著优于基准模型。未来可进一步探索该模型在多中心数据集和其他癌症类型的适用性。

（注：翻译严格保留专业术语如MDPLO/SVM等缩写，使用_{/^{规范标注符号，去除文献引用标记[ ]，采用生动表述如"显著优于"替代原文比较级句式）}}