组织芯片技术与人工智能神经网络在大肠肿瘤诊断研究中的应用
目的：构建组织原位检测指标预测诊断大肠肿瘤的人工智能神经网络模型，探讨组织芯片技术与人工智能神经网络(ANN)结合应用的可行性。 方法：应用组织芯片技术检测ST13等8种组织原位检测指标在大肠肿瘤演进过程各阶段的表达，同时采用人工智能神经网络构建相应的诊断模型。 结果：采用Matlab6.5软件中提供的Kruskal-Wallis meth-od H秩和检验函数，对这8种指标在正常大肠组织、大肠腺瘤和大肠癌中阳性表达的差异进行统计学检验，其中ST13，Bcl-2，Survivin和HSF1mRNA有显著性差异(P<0.01)；将8种指标随机组合，分别构建相应的人工智能神经网络诊断模型，评价其各自的诊断效率，发现ST13、Bcl-2、Survivin与HSF1mRNA组合的ANN-BP模型预测准确率最高，其对正常大肠组织、大肠腺瘤和大肠癌训练集的预测准确率分别高达92.895％、94.163％、92.013％，对该ANN-BP网络诊断模型的盲法测试结果也分别高达85.714％、79.412％和72％。 结论：组织芯片技术与人工智能神经网络相结合，可以大大提高组织原位检测指标对大肠肿瘤的预测诊断效率，本研究所构建的4指标组合人工智能神经网络模型，对大肠肿瘤的预测诊断具有较高的准确率，可扩大样本进行更深入的应用性研究。
大肠肿瘤 组织芯片技术 人工智能神经网络 免疫诊断
孟潘庆 贾玉生 郑树 余捷凯
山东省泰安市中心医院肿瘤外科，秦安 271000 浙江大学肿瘤研究所，杭州 310009
国内会议
合肥
中文
69-76
2006-10-13（万方平台首次上网日期，不代表论文的发表时间）