基于人工神经网络的"最优标志物群"在肺癌诊断中的应用研究

• 作者: 吴拥军 吴逸明 屈凌波 张振中 相秉仁
• 来源期刊: 实用肿瘤杂志
• 学科: 医学
• 关键词: 肺肿瘤/诊断 肿瘤标记,生物学 神经网络 普查
• 年，卷（期）: 2002,（5）
• 所属期刊栏目: 基础与临床研究
• 页码范围: 317-320
• 页数: 4页
• 分类号: R734.2
• 字数: 2799字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-1692.2002.05.010

摘要

目的采用多种标志物联合检测,应用人工神经网络系统,建立基于神经网络的肺癌智能化诊断模型.方法本文采用放射免疫学、酶联免疫吸附试验、化学等多学科联用的手段,分别测定CEA、CA125、NSE、β2-MG、胃泌素、sIL-6R、唾液酸、伪尿核苷、一氧化氮、Cu、Zn、Ca等12项指标;通过Logistic多因素回归分析,从上述12项指标中筛选出6项对肺癌诊断意义较大的指标,组成"最优标志物群".并结合人工神经网络技术,构建出基于人工神经网络的肺癌智能诊断系统.结果该系统优于计量医学中常规统计学方法,其特异性和准确性分别提高了28.0%和21.4%,且可以同时判别正常、良性与肺癌.结论本研究建立了基于人工神经网络的肺癌智能诊断系统,它不仅为临床肺癌诊断提供有价值的参考资料,而且可以用于大规模的高危人群普查.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴拥军	郑州大学公共卫生学院	173	1075	16.0	23.0
2	吴逸明	郑州大学公共卫生学院	201	1078	14.0	20.0
3	相秉仁	中国药科大学分析计算中心	177	1650	20.0	31.0
4	张振中	郑州大学公共卫生学院	118	452	10.0	14.0
5	屈凌波	中国药科大学分析计算中心	13	87	6.0	8.0