人工神经网络在早期肺癌预测模型中的应用
目的:通过提取CT图像肺小结节纹理特征参量建立人工神经网络预测模型。 方法:使用灰度共生矩阵和小波变换两种纹理提取方法,从外径提取185例2171 张CT图像良恶性肺小结节的纹理特征参量并建立数据库,采用X2检验、非参数检验等统计学方法,分析病例的基本情况和良恶性病例之间纹理特征参量的差异性,最终建立人工神经网络预测模型并评价其有效性。 结果:良恶性病例之间的性别差异无统计学意义（X2=2.362，P=0.124);选取良恶性病例之间差异有统计学意义的纹理特征参量建立人工神经网络预测模型,灵敏度达到94.2％。 结论:根据CT图像肺小结节的纹理特征参量建立的人工神经网络预测模型可以在病理诊断前对肺小结节的性质进行预测以达到辅助诊断早期肺癌的作用。
灰度共生矩阵 小波变换 纹理特征 人工神经网络 肺癌预测模型 病理诊断
刘韫宁 王瓛 郭秀花 梁志刚 何茜
首都医科大学公共卫生与家庭医学学院,北京 100069 首都医科大学附属宣武医院放射科,北京 100053 首都医科大学附属友谊医院医学放射科,北京 100050
国内会议
烟台
中文
1-4
2008-08-14（万方平台首次上网日期，不代表论文的发表时间）