换一批基于数据挖掘技术构建孤立性肺结节诊断模型
Using data mining techniques to establish solitary pulmonary nodules diagnosis model
摘要目的 基于分类与回归决策树(CART)与人工神经网络(ANN)技术建立孤立性肺结节良恶性的诊断模型,探讨数据挖掘技术在孤立性肺结节影像学诊断中的应用.方法 收集经病理学证实的58例孤立性肺结节(SPN)患者资料,分别提取12个临床指标和22个影像学指标作为鉴别SPN良恶性的输入指标,将各指标结果输入CART和ANN诊断模型.采用ROCKIT统计学软件绘制三组影像科医生、CART和ANN的受试者操作特征(ROC)曲线.结果 CART对SPN良恶性诊断正确率最高,其次为ANN、高年资医生、中等年资医生和低年资医生.以上各组ROC曲线下面积分别为0.931、0.878、0.845、0.778和0.658.CART、ANN与高年资医生相比无显著性差异(P>0.05);但三组与中、低年资组医生相比有显著性差异(P<0.05);CART对SPN具有决策意义的诊断指标为年龄,其次为结节的毛刺征和咯血症状.结论 数据挖掘的CART和ANN两种算法对评估孤立性肺结节的良恶性具有较高的准确性.
更多相关知识
医学主题词
孤立性肺结节(Solitary Pulmonary Nodule)数据挖掘(Data Mining)诊断(Diagnosis)神经网(Nerve Net)体层摄影术(Tomography)
栏目名称
DOI
10.3321/j.issn:1003-3289.2008.03.032
发布时间
2008-05-27（万方平台首次上网日期，不代表论文的发表时间）
基金项目
国家自然科学基金（30470509）
- 浏览316
- 被引6
- 下载117
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
