基于人工神经网络的“最优标志物群”在肺癌诊断中的应用研究
http://www.100md.com
中国药科大学分析计算中心 河南郑州450052；郑州大学公共卫生学院 吴拥军；吴逸明；张振中；屈凌波；相秉仁
肺肿瘤,诊断|肿瘤标记|生物学|神经网络|普查
参见附件(71kb)。
中国药科大学分析计算中心 河南郑州450052；郑州大学公共卫生学院 吴拥军；吴逸明；张振中；屈凌波；相秉仁
关键词：肺肿瘤/诊断；肿瘤标记；生物学；神经网络；普查
摘要：目的 采用多种标志物联合检测 ,应用人工神经网络系统 ,建立基于神经网络的肺癌智能化诊断模型。方法 本文采用放射免疫学、酶联免疫吸附试验、化学等多学科联用的手段 ,分别测定 CEA、CA12 5、NSE、β2 - MG、胃泌素、s IL- 6 R、唾液酸、伪尿核苷、一氧化氮、Cu、Zn、Ca等 12项指标 ;通过 L ogistic多因素回归分析 ,从上述 12项指标中筛选出 6项对肺癌诊断意义较大的指标 ,组成"最优标志物群"。并结合人工神经网络技术 ,构建出基于人工神经网络的肺癌智能诊断系统。结果 该系统优于计量医学中常规统计学方法 ,其特异性和准确性分别提高了2 8.0 % .
中国药科大学分析计算中心 河南郑州450052；郑州大学公共卫生学院 吴拥军；吴逸明；张振中；屈凌波；相秉仁
关键词：肺肿瘤/诊断；肿瘤标记；生物学；神经网络；普查
摘要：目的 采用多种标志物联合检测 ,应用人工神经网络系统 ,建立基于神经网络的肺癌智能化诊断模型。方法 本文采用放射免疫学、酶联免疫吸附试验、化学等多学科联用的手段 ,分别测定 CEA、CA12 5、NSE、β2 - MG、胃泌素、s IL- 6 R、唾液酸、伪尿核苷、一氧化氮、Cu、Zn、Ca等 12项指标 ;通过 L ogistic多因素回归分析 ,从上述 12项指标中筛选出 6项对肺癌诊断意义较大的指标 ,组成"最优标志物群"。并结合人工神经网络技术 ,构建出基于人工神经网络的肺癌智能诊断系统。结果 该系统优于计量医学中常规统计学方法 ,其特异性和准确性分别提高了2 8.0 % .
您现在查看是摘要介绍页，详见CAJ附件(71kb)。