基于CT影像评分的人工神经网络模型对肺部良恶性病变的判别价值

• 作者: 何霞霞 吴拥军 吴逸明 张红升 李迪 王静
• 来源期刊: 郑州大学学报（医学版）
• 学科: 医学
• 关键词: 肺癌 人工神经网络 肺CT评分
• 年，卷（期）: 2018,（6）
• 所属期刊栏目: 论著
• 页码范围: 723-726
• 页数: 4页
• 分类号: R445.3
• 字数: 2677字
• 语种: 中文
• DOI: 10.13705/j.issn.1671-6825.2018.05.003

摘要

目的:应用人工神经网络技术建立基于肺CT影像评分的肺癌辅助诊断模型,探讨其在肺部CT影像良恶性判别中的价值.方法:收集117例肺部病变患者的CT片,由3名有经验的放射科医师提取21项CT影像学特征并量化评分.从总样本中随机抽取73例样本为训练集,余44例为预测集.基于21项CT影像学特征和5项临床参数,应用人工神经网络技术构建肺癌的辅助诊断模型,并与logistic回归模型进行比较.结果:人工神经网络模型对44例样本预测的准确度为90.9％,logistic回归模型为68.2％.结论:与logistic回归模型相比,人工神经网络模型用于判断肺部良恶性病变的准确率高,对于提高肺癌诊断的准确性具有潜在的应用价值.

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毒理学教研室	173	1075	16.0	23.0
2	吴逸明	郑州大学公共卫生学院毒理学教研室	201	1078	14.0	20.0
3	王静	郑州大学第一附属医院呼吸内科	364	1468	16.0	23.0
4	李迪	郑州大学公共卫生学院毒理学教研室	5	40	3.0	5.0
5	何霞霞	郑州大学公共卫生学院毒理学教研室	2	3	1.0	1.0
6	张红升	郑州大学公共卫生学院毒理学教研室	2	14	2.0	2.0