中国实验诊断学
中國實驗診斷學
중국실험진단학
CHINESE JOURNAL OF LABORATORY DIAGNOSIS
2013年
10期
1800-1803
,共4页
李建新%石张镇%郭贺%李洪军%于晶
李建新%石張鎮%郭賀%李洪軍%于晶
리건신%석장진%곽하%리홍군%우정
肺,肿瘤%病理学%人工神经网络%X线,体层成像
肺,腫瘤%病理學%人工神經網絡%X線,體層成像
폐,종류%병이학%인공신경망락%X선,체층성상
lung neoplasm%pathology%artificial neural network%X-ray,computed tomography
目的 应用logistic多元回归分析方法和人工神经网络技术建立通过肺CT判断肺癌病理分型的诊断模型.方法 回顾性分析2010年1月-2013年2月吉林大学中日联谊医院初诊的218例肺癌患者的CT影像特点,其中鳞癌96例,腺癌76例,小细胞癌46例；采用x2检验对各病理类型与性别、年龄及各影像学征象进行单因素分析；应用logistic多元回归分析方法和人工神经网络技术分别建立判断肺癌病理分型的诊断模型.结果 卡方检验结果显示性别、部位、肿块大小、磨玻璃征、胸膜凹陷征、阻塞性肺炎或肺不张6项因素在各组间差异具有统计学意义(P＜0.05),而空洞、分叶征、毛刺征、钙化、血管集束征、纵隔淋巴结肿大、胸腔积液,在各组间差异无统计学意义(P＞0.05).本研究建立的判断肺癌病理分型的logistic回归模型自身验证的准确率为64.2％,ROC曲线下面积为0.677.建立的人工神经网络模型自身验证的准确率为84.9％,对预测样本诊断的准确率为69.4％,预测鳞癌ROC曲线下面积为0.939,预测腺癌ROC曲线下面积为0.952,预测小细胞癌ROC曲线下面积为0.964.结论 在通过肺CT影像特点判断肺癌病理分型方面,我们建立的人工神经网络模型诊断的准确性优于Logistic回归模型,上述两个模型均可辅助临床、放射及病理医生提高诊断准确率.
目的 應用logistic多元迴歸分析方法和人工神經網絡技術建立通過肺CT判斷肺癌病理分型的診斷模型.方法 迴顧性分析2010年1月-2013年2月吉林大學中日聯誼醫院初診的218例肺癌患者的CT影像特點,其中鱗癌96例,腺癌76例,小細胞癌46例；採用x2檢驗對各病理類型與性彆、年齡及各影像學徵象進行單因素分析；應用logistic多元迴歸分析方法和人工神經網絡技術分彆建立判斷肺癌病理分型的診斷模型.結果 卡方檢驗結果顯示性彆、部位、腫塊大小、磨玻璃徵、胸膜凹陷徵、阻塞性肺炎或肺不張6項因素在各組間差異具有統計學意義(P＜0.05),而空洞、分葉徵、毛刺徵、鈣化、血管集束徵、縱隔淋巴結腫大、胸腔積液,在各組間差異無統計學意義(P＞0.05).本研究建立的判斷肺癌病理分型的logistic迴歸模型自身驗證的準確率為64.2％,ROC麯線下麵積為0.677.建立的人工神經網絡模型自身驗證的準確率為84.9％,對預測樣本診斷的準確率為69.4％,預測鱗癌ROC麯線下麵積為0.939,預測腺癌ROC麯線下麵積為0.952,預測小細胞癌ROC麯線下麵積為0.964.結論 在通過肺CT影像特點判斷肺癌病理分型方麵,我們建立的人工神經網絡模型診斷的準確性優于Logistic迴歸模型,上述兩箇模型均可輔助臨床、放射及病理醫生提高診斷準確率.
목적 응용logistic다원회귀분석방법화인공신경망락기술건립통과폐CT판단폐암병리분형적진단모형.방법 회고성분석2010년1월-2013년2월길림대학중일련의의원초진적218례폐암환자적CT영상특점,기중린암96례,선암76례,소세포암46례；채용x2검험대각병리류형여성별、년령급각영상학정상진행단인소분석；응용logistic다원회귀분석방법화인공신경망락기술분별건립판단폐암병리분형적진단모형.결과 잡방검험결과현시성별、부위、종괴대소、마파리정、흉막요함정、조새성폐염혹폐불장6항인소재각조간차이구유통계학의의(P＜0.05),이공동、분협정、모자정、개화、혈관집속정、종격림파결종대、흉강적액,재각조간차이무통계학의의(P＞0.05).본연구건립적판단폐암병리분형적logistic회귀모형자신험증적준학솔위64.2％,ROC곡선하면적위0.677.건립적인공신경망락모형자신험증적준학솔위84.9％,대예측양본진단적준학솔위69.4％,예측린암ROC곡선하면적위0.939,예측선암ROC곡선하면적위0.952,예측소세포암ROC곡선하면적위0.964.결론 재통과폐CT영상특점판단폐암병리분형방면,아문건립적인공신경망락모형진단적준학성우우Logistic회귀모형,상술량개모형균가보조림상、방사급병리의생제고진단준학솔.
