人工神经网络技术联合肿瘤标志在纤维支气管镜诊断肺癌中的应用

论文摘要

背景与目的肺癌为当今世界各地最常见的恶性肿瘤之一,全世界每年有超过100万人死于肺癌。在中国,肺癌的发病率已上升为恶性肿瘤的第二位,肺癌病死率上升幅度居各类肿瘤之首,主要原因为目前缺乏有效的早期诊断手段。由于绝大多数肺癌临床确诊时已属晚期,因此,肺癌早期诊断是决定患者预后的关键因素。早发现、早诊断、早治疗是提高肺癌患者生存率、降低死亡率的关键,但是由于多种相关因素,使早期诊断有一定的局限性,如何提高肺癌的早期诊断率是一个迫切的问题。目前肺癌诊断的3种主要方法:影像诊断、化学诊断（血清学和免疫学）及细胞学与组织学诊断。人工神经网络（artificial neural network,ANN）是在对人脑组织结构和运行机制认识理解的基础之上模拟其结构和智能行为的一种非线性信息处理工程系统,人工神经网络具有大规模的并行处理能力和分布式的信息存储能力,并有良好的自适应、自组织性以及很强的学习功能、联想功能和容错功能。目前,人工神经网络已经被广泛应用在金融、商业、信息、医学等各个领域。人工神经网络在医学领域里已被用在疾病临床诊断（专家系统）、疾病筛查和辅助诊断、疾病相关因素研究、预测疾病的发病风险、生存分析、基因识别和DNA、RNA序列分析、蛋白质结构分析等。肿瘤标志对肺癌的早期发现和早期诊断的价值在临床上已广泛受到重视,肿瘤标志成为从事肿瘤基础研究和临床工作者十分关注的热点,而且早期肺癌治愈率明显好于晚期者。纤维支气管镜（纤支镜）检查是呼吸内科较常规的检查方法,与其他的有创检查手段相比,并发症少,患者容易接受,纤支镜的检查结果与患者临床表现相结合,能进一步提高疾病的诊断水平,但是纤支镜镜下图像复杂加上临床医师在操作时不熟练使得在观察有些肺癌纤支镜镜下特征时不容易做出正确的判断。人工神经网络在医学影像诊断中的应用是基于人工神经网络的自学习、自适应、容错性、非线性处理等功能而建立的一种计算机辅助诊断系统。如果能建立一个人工辅助诊断系统既能避免医师由知识和经验不足带来的主观性,又能对镜下图像的特点进行特征分析,就能大大提高镜下检查的效果,有助于提高肺癌的诊断率。本研究试将人工神经网络技术联合肿瘤标志应用到纤维支气管镜检察诊断肺癌中,建立一个辅助诊断模型,以增强诊断的准确性和客观性,为临床提供更准确、更有效的参考资料,并与课题组前期研究及传统的统计模型方法相比,讨论该模型的发展前景。材料和方法1.119例（良性64例、肺癌55例）患者纤维支气管镜（纤支镜）图像、血清标本。2.4个肿瘤标志为癌胚抗原（CEA）、神经元特异性烯醇酶（NSE）、鳞癌抗原（SCC-Ag）、细胞角质素片段抗原（CYFRA21-1）。3名纤支镜检查医师根据11项图像特征对119例患者纤支镜图像观察后评分,然后分别以纤支镜资料和4个肿瘤标志作为输入,对网络进行训练,构建人工神经网络模型,并盲法仿真。其中,分别从肺癌患者、肺良性病变患者中随机取30例和35例作为训练集,其余作为预测集。3.Matlab6.5,SPSS12.04.利用训练好的人工神经网络模型对预测集样本进行预测诊断,比较肿瘤标志模型、纤支镜资料模型与联合资料模型预测效果,比较人工神经网络与Logistic回归对训练集和预测集所有样本的预测效果。结果1.人工神经网络训练结果采用附加动量的反向传播算法（Back-Propagation,BP算法）,人工神经网络经迭代达到预期目标后,训练停止。2.建立的3个模型对预测集预测的结果比较用血清肿瘤标志建立的BP网络模型、用纤支镜资料建立的BP网络模型、联合肿瘤标志和纤支镜资料建立的BP网络模型对预测集预测的灵敏度分别为64.0%、68.0%和88.0%;特异度分别为82.8%、82.8%和93.1%;总的准确度分别为74.1%、75.9%和90.7%;阳性预测值分别为76.2%、77.3%和91.7%;阴性预测值分别为72.7%、75.0%和90.0%;ROC曲线下面积分别为0.782、0.890和0.897,P＞0.05。3.人工神经网络模型与Logistic回归模型对样本的预测结果比较联合血清肿瘤标志及纤支镜资料运用BP网络模型和Logistic回归模型对训练集和预测集所有样本预测的灵敏度、特异度、准确度分别为94.5%、96.9%、95.8%和74.5%、85.9%、80.7%,ROC曲线下面积分别为0.950（95%CI:0.894-0.982）和0.848（95%CI:0.778-0.917）,P＜0.054.本研究建立的BP网络模型与课题组前期研究预测结果比较本研究建立的BP模型对肺癌辅助诊断的灵敏度、特异度、准确度分别为94.5%、96.9%、95.8%,阳性预测值、阴性预测值分别为96.3%、95.4%;前期研究建立的模型对肺癌辅助诊断的灵敏度、特异度、准确度分别为100%、98.5%、96.9%,阳性预测值、阴性预测值分别为97.9%、100%。结论1.运用人工神经网络技术联合纤维支气管镜资料和肿瘤标志指标建立模型对肺癌的预测性能优于单独用纤维支气管镜资料或肿瘤标志指标建立的模型。2.基于人工神经网络的肿瘤标志和纤维支气管镜资料模型对肺癌的判别效果优于传统的Logistic回归分析。3.人工神经网络可以作为纤维支气管镜诊断肺癌的辅助预测手段。

论文目录

• 中文摘要
• ABSTRACT
• 论文部分 人工神经网络技术联合肿瘤标志在纤维支气管镜诊断肺癌中的应用
• 引言
• 材料与方法
• 结果
• 讨论
• 结论
• 附图
• 参考文献
• 综述部分 人工神经网络技术在医学中的应用
• 参考文献
• 缩略词表
• 后记