摘要
目的应用人工神经网络技术,联合检测6种肿瘤标志物对肺癌进行诊断,建立肿瘤标志物联合检测的人工智能诊断模型。方法采用放射免疫学、分光光度法、原子吸收分光光度法等方法,测定50例正常对照、83例肺良性疾病患者及92例肺癌患者血清中癌胚抗原、胃泌素、神经元特异性烯醇化酶、唾液酸、铜锌比值(Cu/Zn)、钙(Ca)等6项指标。利用人工神经网络技术,对6项指标进行联合检测,建立基于人工神经网络的肺癌肿瘤标志物智能诊断模型。结果采用反向传播算法(BP),BP网络对肺癌诊断的灵敏度为100%,对正常、肺良性疾病和肺癌识别的准确度为88.3%。结论成功建立起基于人工神经网络技术的肺癌肿瘤标志物联合诊断模型,对正常、良性和肺癌的鉴别诊断效果有临床意义,可用于临床辅助诊断,有助于提高肺癌诊断率。
出处
《卫生研究》
CAS
CSCD
北大核心
2007年第3期367-368,共2页
Journal of Hygiene Research
基金
国家自然科学基金资助项目(No.30571552)
河南省中青年骨干教师资助项目
