基于CT影像评分的人工神经网络模型对肺部良恶性病变的判别价值

目的:应用人工神经网络技术建立基于肺CT影像评分的肺癌辅助诊断模型,探讨其在肺部CT影像良恶性判别中的价值.方法:收集117例肺部病变患者的CT片,由3名有经验的放射科医师提取21项CT影像学特征并量化评分.从总样本中随机抽取73例样本为训练集,余44例为预测集.基于21项CT影像学特征和5项临床参数,应用人工神经网络技术构建肺癌的辅助诊断模型,并与logistic回归模型进行比较.结果:人工神经网络模型对44例样本预测的准确度为90.9％,logistic回归模型为68.2％.结论:与logistic回归模型相比,人工神经网络模型用于判断肺部良恶性病变的准确率高,对于提高肺癌诊断的准确性具有潜在的应用价值.