基于6项肿瘤标志联合检测的3种分类模型判别肺癌的对比分析

• 作者: 冯斐斐 吴拥军 吴逸明 聂广金
• 来源期刊: 卫生研究
• 学科: 医学
• 关键词: 人工神经网络 分类回归决策树 Fisher判别分析 肺癌 肿瘤标志 肿瘤
• 年，卷（期）: 2009,（4）
• 所属期刊栏目: 实验研究
• 页码范围: 429-432
• 页数: 4页
• 分类号: R734.2
• 语种: 中文

摘要

目的 联合检测6项血清肿瘤标志,建立人工神经网络(ANN)、分类回归决策树(CART)和FisherX[,2]检验判别分析3种分类模型,并对肺癌进行判别,以探讨3种模型在判别肺癌中的差异.方法 采用放射免疫学、分光光度法、原子吸收分光光度法等方法,测定50例正常对照、40例肺良性疾病患者及50例肺癌患者血清中癌胚抗原、胃泌素、神经元特异性烯醇化酶、唾液酸、铜锌比值(Cu/Zn)、钙(Ca)6项指标,并建立基于这6项指标的ANN、CART和Fisher判别分析3种诊断肺癌的分类模型.结果 ANN、CART和Fisher判别分析模型对肺癌检出的灵敏度分别为100%、9.33%、84.00%,特异度分别为100%、100%、98.89%,对预测集正常、肺良性疾病和肺癌识别的准确度分别为91.67%、86.11%、85.00%,三模型对全部样本判别肺癌的ROC曲线下面积分别为0.964、0.953、0.812.其中ANN与CART模型ROC曲线下面积差异无显著性(P>0.05),而ANN、CART与Fisher判别分析模型ROC曲线下面积差异均有显著性(P<0.05).结论 基于6项肿瘤标志建立的ANN、CART模型判别肺癌的效果优于Fisher判别分析.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	冯斐斐	郑州大学公共卫生学院	32	179	8.0	12.0
2	吴拥军	郑州大学公共卫生学院	173	1075	16.0	23.0
3	聂广金	郑州大学公共卫生学院	7	73	5.0	7.0
4	吴逸明	郑州大学公共卫生学院	201	1078	14.0	20.0