基于超声图像参数的Logistic和神经网络预测乳腺癌的初步研究
目的：利用乳腺超声图像参数建立Logistic回归模型和神经网络模型，研究两种诊断模型预测乳腺癌风险的准确度。方法：纳入乳腺超声检查可显示局限性乳腺肿块并能获得病理诊断的乳腺病例193例(196病灶)。结果：经过单因素分析，16个图像参数对鉴别乳腺肿瘤良恶性有统计学意义(P<0.05)。将16个图像参数输入Logistic回归分析后，最后输出7个参数进入回归分析模型，正确率95.92%。重新将上述16个图像参数输入神经网络分析模型，预测乳腺良恶性的正确率为96.9%。Logistic回归模型和神经网络模型预测乳腺癌风险的正确率无显著性差异(P>0.05)，但神经网络可纳入全部的图像参数。结论：综合利用乳腺超声的多种诊断技术及其图像参数建立Logistic回归模型和神经网络模型预测乳腺癌风险的准确性较高，但神经网络有更好的完整性和系统性。
乳腺癌 超声成像 神经网络 回归模型 鉴别诊断
彭玉兰 骆洪浩
四川大学华西医院超声科(610041)
国内会议
北京
中文
92-93
2012-06-01（万方平台首次上网日期，不代表论文的发表时间）