PCA-MPL-ANN模型在卵巢肿瘤良恶性鉴别中的价值

摘要：

目的 构建一种集成降维技术和人工神经网络分类器的机器学习模型,探讨其对卵巢肿瘤良恶性的鉴别诊断价值.方法 收集2013年1月28日～2014年12月30日西南医科大学附属医院诊断的卵巢癌患者(132例)及卵巢良性肿瘤患者(211例),通过电子病历获取人口学资料及8项血清肿瘤标志物检测指标.以主成分分析法(PCA)提取综合数据信息并采用多层感知器人工神经网络(MPL-ANN)模型进行诊断和预测分析.随机选取2/3患者为训练集建立诊断模型,1/3为测试集进行预测,计算该模型的诊断和预测正确率及受试者工作特征曲线下面积(AUC).结果 PCA-MPL-ANN模型对卵巢癌及卵巢良性肿瘤的诊断正确率分别为66.33％和92.00％,预测正确率分别为67.74％及83.61％;该模型AUC达到0.838,优于3-HCG(0.748)、CA153(0.680)及CA125(0.613)单项指标的AUC.结论 利用PCA-MPL-ANN整合多项血清肿瘤标志物可有效提升卵巢癌的诊断效能,为卵巢癌的智能化辅助诊断提供参考.

关键词：卵巢癌、PCA分析、MPL-ANN模型、肿瘤标志物

所属期刊栏目：34

分类号：R737.31(肿瘤学)

资助基金：四川省科技厅项目;西南医科大学附属医院资助项目

在线出版日期：2021-05-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：63-66