应用数据挖掘技术从大脑胶质瘤病例中获取诊断知识

采用数据挖掘技术中3种主要算法；多层感知器网络、决策树以及规则提取从大脑胶质瘤病例中获取胶质瘤恶性程度的术前诊断知识，对于测试样本，它们的平均准确率都超过了80％，达到了医生的一般要求，如果准确率是诊断中首要考虑的因素，那么隐层节点数较小且直接利用数值属性的多层感知器网络具有最好的性能。如果要对获取的诊断知识进行人工整理，那么规则提取是最好的知识获取算法。     

人工神经元网络鉴别星形胶质细胞瘤良恶性的初步研究

目的:基于磁共振影像特点,应用人工神经元网络建立计算机辅助诊断系统,研究其判断星形胶质细胞肿瘤良、恶性的可行性及其诊断效果.材料和方法:搜集280例星形胶质细胞肿瘤病例的MRI影像资料,其中良性169例,恶性111例.由放射科医生对MRI图像进行12方面的特征提取并记录.然后将其输入人工神经元网络,对网络训练,建立计算机辅助诊断系统,以数据库病例初步评价其诊断效果并与放射科专家比较其诊断准确性.结果:数据库病例测试表明人工神经元网络的诊断结果为,对于良性和恶性星形胶质细胞瘤的诊断准确率分别为92.1%和94.3%,特异性分别为93.6%和89.9%诊断准确性接近放射科专家.结论:神经元网络可以用来进行星形胶质细胞瘤良、恶性的鉴别诊断.本研究建立的计算机辅助诊断系统对于提高良、恶性星形胶质细胞瘤鉴别诊断的准确性和医学影像学教学方面具有一定的实用价值.随着人工智能的快速发展,建立计算机辅助诊断系统帮助放射科医生提高诊断的准确性逐渐成为可能.