基于数据挖掘技术的消化道恶性肿瘤诊断

• 作者: 刘志成 夏翃 杨淼 武文芳 游佳 陈卉
• 来源期刊: 北京生物医学工程
• 学科: 医学
• 关键词: 数据挖掘 消化道恶性肿瘤 神经网络 Logistic回归 朴素贝叶斯分类器
• 年，卷（期）: 2011,（2）
• 所属期刊栏目: 论著
• 页码范围: 132-136
• 分类号: R318.04|TN911.73
• 字数: 3908字
• 语种: 中文
• DOI: 10.3969/j.issn.1002-3208.2011.02.05.

摘要

目的 探讨数据挖掘技术在血清肿瘤标志物(STM)联合检测诊断消化道恶性肿瘤(DTC)中应用的可能性,并比较Logistic回归模型、神经网络和朴素贝叶斯分类器及临床单一及联合STM诊断DTC的性能.方法 对301例DTC和114例消化道良性疾病患者的血清肿瘤标志物CA19-9、CA242、CA50、CEA检测值,分别建立基于统计Logistic回归、反向传播神经网络和朴素贝叶斯方法的诊断分类器,并进行10折交叉验证.利用诊断敏感度、特异度和接受者操作特征(ROC)曲线下面积对三种数据挖掘分类器、CA19-9以及4种STM并联诊断DTC的性能进行评价.结果 神经网络诊断模型的敏感度和ROC曲线下面积(Az)分别为92.0%和0.903,高于STM并联诊断的敏感度83.4%(P＜0.001)和CA19-9诊断的ROC曲线下面积0.806(P＜0.001),特异度69.3%与STM并联诊断的特异度68.4%相当(P=1.00);Logistic回归模型的敏感度91.4%高于STM并联诊断(P＜0.001),特异度45.6%低于STM并联诊断(P＜0.001),Az=0.819与CA19-9诊断相当(P=0.55);贝叶斯分类器的敏感度72.8%低于STM并联诊断(P＜0.001),特异度75.4% 和Az=0.797与STM并联诊断和CA19-9诊断相当(P=0.13和P=0.61).结论 数据挖掘技术的分类方法中,神经网络的分类方法比单一STM及其并联诊断的准确性高,Logistic回归和贝叶斯方法的诊断水平与普通STM并联诊断水平相当;神经网络分类器的诊断性能优于Logistic回归模型和贝叶斯分类器,可进一步应用于计算机辅助诊断中.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	游佳	首都医科大学生物医学工程学院	4	15	3.0	3.0
2	陈卉	首都医科大学生物医学工程学院	59	663	12.0	25.0
3	武文芳	首都医科大学生物医学工程学院	46	309	9.0	16.0
4	夏翃	首都医科大学生物医学工程学院	49	74	5.0	6.0
5	杨淼	首都医科大学生物医学工程学院	17	162	5.0	12.0
6	刘志成	首都医科大学生物医学工程学院	150	932	18.0	21.0