本文研究了基于数据分析的肝癌放疗后乙肝病毒再激活模型。通过对原发性肝癌患者的数据样本进行病情分析,共分为两种诊断类型:乙肝病毒再激活和乙肝病毒未激活。原发性肝癌患者放疗中产生的临床因素、放疗计划、DVH剂量体积参数等多种数据,组成高维向量数据群。由于数据群存在大量的冗余数据,使用传统医学统计软件,如SPSS对数据进行分析预测,很难找出与乙肝病毒再激活相关的关键信息,难以准确地构建预测模型,因此我们采用智能计算机技术对高维的数据群进行特征提取和特征优化,找到关键的特征向量集,然后使用智能分类模型进行预测。在本文中我们提出了两种方法:在模式分类前采用Logistic回归分析特征提取最优特征子集,找到关键因素,然后用支持向量机进行模式分类;初始数据集采用遗传算法进行特征提取,然后分别采用支持向量机和贝叶斯分类器进行分类识别。实验结果发现初始数据集采用支持向量机和贝叶斯分类器进行分类的正确率分别达到74.44%和75.76%,基于Logistic回归分析特征选择的支持向量机模型正确率提高到78.89%。遗传算法用于选取最优特征子集,当最优特征子集的规模为5,变异操作为高斯变异时,支持向量机分类器的正确率达到82.22%。贝叶斯分类器的正确率达到81.11%。遗传算法选取5个致使乙肝病毒再激活的危险因素分别为Child-Pugh、外放边界、TNM、HBV baseline三分类、GTV体积。两种模型通过比较发现基于遗传算法特征选择的分类模型更适合于本文中肝癌放疗后乙肝病毒再激活数据的分析。