放射学实践
放射學實踐
방사학실천
RADIOLOGIC PRACTICE
2015年
8期
835-837
,共3页
邵华飞%刘剑芳%姚丽波%刘戬%屈东%王铸
邵華飛%劉劍芳%姚麗波%劉戩%屈東%王鑄
소화비%류검방%요려파%류전%굴동%왕주
体层摄影术,X线计算机%Bayes判别分析%食管癌%淋巴结转移
體層攝影術,X線計算機%Bayes判彆分析%食管癌%淋巴結轉移
체층섭영술,X선계산궤%Bayes판별분석%식관암%림파결전이
Tomography,X-ray computed%Bayes discriminatory%Esophageal cancer%Lymph node metastasis
目的：利用Bayes判别分析初步建立诊断食管癌淋巴结转移的各种CT征象的联合诊断模型。方法：共搜集胸段食管癌208例，将其分为实验组即训练样本（166例，80％）及检验组即验证样本（42例，20％），实验组用以建立诊断方程，检验组用以验证方程。结果：经计算获得的方程为：Y0＝－7．499X1＋7．957X2＋167．761X3－0．087X4＋0．459X5－5．528X6－0．711X7－66．080，Y1＝－6．697X1＋8．231X2＋181．686X3－0．106X4＋2．219X5－3．331X6－0．124X7－83．183，其中Y0为非转移组，Y1为转移组，X1为淋巴结最大短径，X2为淋巴结最大长径，X3为横纵比，X4为最大截面积，X5为是否边缘模糊，X6为是否中央低密度，X7为是否成簇分布。利用自身检验法所得诊断模型的符合率为87．7％，误判率为12．3％，交叉检验法与自身检验法所得结果相近。当利用验证样本数据代入方程，所得模型诊断符合率为84．7％，误判率为15．3％。结论：通过Bayes判别分析法所建立的不同CT征象对食管癌淋巴结转移的联合诊断模型具有一定的诊断价值，但诊断模型还有待进一步完善。
目的：利用Bayes判彆分析初步建立診斷食管癌淋巴結轉移的各種CT徵象的聯閤診斷模型。方法：共搜集胸段食管癌208例，將其分為實驗組即訓練樣本（166例，80％）及檢驗組即驗證樣本（42例，20％），實驗組用以建立診斷方程，檢驗組用以驗證方程。結果：經計算穫得的方程為：Y0＝－7．499X1＋7．957X2＋167．761X3－0．087X4＋0．459X5－5．528X6－0．711X7－66．080，Y1＝－6．697X1＋8．231X2＋181．686X3－0．106X4＋2．219X5－3．331X6－0．124X7－83．183，其中Y0為非轉移組，Y1為轉移組，X1為淋巴結最大短徑，X2為淋巴結最大長徑，X3為橫縱比，X4為最大截麵積，X5為是否邊緣模糊，X6為是否中央低密度，X7為是否成簇分佈。利用自身檢驗法所得診斷模型的符閤率為87．7％，誤判率為12．3％，交扠檢驗法與自身檢驗法所得結果相近。噹利用驗證樣本數據代入方程，所得模型診斷符閤率為84．7％，誤判率為15．3％。結論：通過Bayes判彆分析法所建立的不同CT徵象對食管癌淋巴結轉移的聯閤診斷模型具有一定的診斷價值，但診斷模型還有待進一步完善。
목적：이용Bayes판별분석초보건립진단식관암림파결전이적각충CT정상적연합진단모형。방법：공수집흉단식관암208례，장기분위실험조즉훈련양본（166례，80％）급검험조즉험증양본（42례，20％），실험조용이건립진단방정，검험조용이험증방정。결과：경계산획득적방정위：Y0＝－7．499X1＋7．957X2＋167．761X3－0．087X4＋0．459X5－5．528X6－0．711X7－66．080，Y1＝－6．697X1＋8．231X2＋181．686X3－0．106X4＋2．219X5－3．331X6－0．124X7－83．183，기중Y0위비전이조，Y1위전이조，X1위림파결최대단경，X2위림파결최대장경，X3위횡종비，X4위최대절면적，X5위시부변연모호，X6위시부중앙저밀도，X7위시부성족분포。이용자신검험법소득진단모형적부합솔위87．7％，오판솔위12．3％，교차검험법여자신검험법소득결과상근。당이용험증양본수거대입방정，소득모형진단부합솔위84．7％，오판솔위15．3％。결론：통과Bayes판별분석법소건립적불동CT정상대식관암림파결전이적연합진단모형구유일정적진단개치，단진단모형환유대진일보완선。
Objective:To construct mechanism model for the diagnosis of LNs (Lymph nodes metastasis)of esophageal cancer by Bayes discriminatory analysis.Methods:208 thoracic esophageal cancer cases were divided into two groups,inclu-ding training set (166 cases)and test set (42 cases).Training set was used to construct mechanism model,test set was used to analyze its value of diagnosis.Results:Non-metastatic LNs:Y0 = -7.499X1 +7.957X2 +167.761X3 -0.087X4 +0.459X5-5.528X6-0.711X7-66.080;metastatic LNs:Y1= -6.697X1+8.231X2+181.686X3-0.106X4+2.219X5-3.331X6-0.124X7-83.183.X1= short-axis diameter,X2= long-axis diameter,X3= aspect ratio,X4= cross-sectional area, X5= fuzzy rim,X6= cental low density area,X7= clustered distribution.The accuracy was 87.7%,the P (the probability of false prediction)was 12.3%,with similar result by cross validation.For the test set,the accuracy of Bayesian analysis was 84.7%,the P was 15.3%.Conclusion:It is feasible to use Bayes discriminatory analysis for diagnosis of LNs metastasis of esophageal cancer.
