基于数据挖掘技术构建孤立性肺结节诊断模型

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.

关键词：体层摄影术、X线计算机、孤立性肺结节、分类与回归树、人工神经网络、数据挖掘

所属期刊栏目：24

分类号：R445;TP319(诊断学)

资助基金：国家自然科学基金30470509

在线出版日期：2008-05-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：438-442