中国CT和MRI杂志
中國CT和MRI雜誌
중국CT화MRI잡지
CHINESE JOURNAL OF CT AND MRI
2011年
6期
37-39
,共3页
何俊诗%梁鹏%罗英华%史瑞雪%姬智艳%陈汉威%黄益
何俊詩%樑鵬%囉英華%史瑞雪%姬智豔%陳漢威%黃益
하준시%량붕%라영화%사서설%희지염%진한위%황익
孤立性肺小结节%MSCT%计算机%神经网络模型
孤立性肺小結節%MSCT%計算機%神經網絡模型
고립성폐소결절%MSCT%계산궤%신경망락모형
目的 研究神经网络模型(SVM)在MSCT孤立肺小结节(SPN)良恶性判断中的应用.方法 收集2000例经病理证实的SPN临床表现及影像学特征,采用SPSS 13.0统计学软件将各观察指标进行多因素回归分析,与SPN病理相关指标作为SVM分析参数,对1500例进行训练,另对500例进行预测,对照病理结果分析.结果 与病理对照,500例SVM中良性正确预测238(98.5%)例,错误预测4(1.5%)例;恶性正确预测250(97%)例,错误预测8(3%)例.结论 SVM能有效地对SPN良恶性进行较精确的预测,对医生正确诊断有很好的帮助.
目的 研究神經網絡模型(SVM)在MSCT孤立肺小結節(SPN)良噁性判斷中的應用.方法 收集2000例經病理證實的SPN臨床錶現及影像學特徵,採用SPSS 13.0統計學軟件將各觀察指標進行多因素迴歸分析,與SPN病理相關指標作為SVM分析參數,對1500例進行訓練,另對500例進行預測,對照病理結果分析.結果 與病理對照,500例SVM中良性正確預測238(98.5%)例,錯誤預測4(1.5%)例;噁性正確預測250(97%)例,錯誤預測8(3%)例.結論 SVM能有效地對SPN良噁性進行較精確的預測,對醫生正確診斷有很好的幫助.
목적 연구신경망락모형(SVM)재MSCT고립폐소결절(SPN)량악성판단중적응용.방법 수집2000례경병리증실적SPN림상표현급영상학특정,채용SPSS 13.0통계학연건장각관찰지표진행다인소회귀분석,여SPN병리상관지표작위SVM분석삼수,대1500례진행훈련,령대500례진행예측,대조병리결과분석.결과 여병리대조,500례SVM중량성정학예측238(98.5%)례,착오예측4(1.5%)례;악성정학예측250(97%)례,착오예측8(3%)례.결론 SVM능유효지대SPN량악성진행교정학적예측,대의생정학진단유흔호적방조.
