荧光支气管镜在肺癌早期诊断中的临床分析

目的：探讨荧光支气管镜在肺癌早期诊断中临床意义。方法：选取符合人选标准的患者160例,随机分为白光电子支气管镜组（WLB组）和白发性荧光支气管镜组（AFB组）,检查获取病理和留取冲洗液,统计肺癌诊断数据,对两组确诊肺癌患者检出情况及两组中镜下异常表现进行分析。结果：AFB组中肺癌检出率60．42％,WLB组中肺癌检出率45．31％,AFB组肺癌检出率明显高于WLB组（P〈0．01）。AFB组镜下异常表现阳性率90．50％,WLB组阳性率64．30％,AFB组镜下异常表现阳性率明显高于WLB组（P〈0．01）。结论：AFB检查确诊肺癌明显优于WLB尤其对肺癌早期诊断。     

人工神经网络技术在肺癌6种肿瘤标志物联合检测中的应用

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。     

液基薄层细胞学技术检查72例肺癌患者痰标本的结果分析

目的探讨液基薄层细胞学技术（TCT）检测痰标本对于诊断肺癌的应用价值。方法对72例肺癌患者的痰标本分别采用普通痰涂片法和TCT进行了检查比较。结果普通痰涂片检出33例肺癌,阳性检出率45．8％;TCT检出62例肺癌,阳性检出率86．1％。TcT阳性检出率显著高于普通痰涂片法（P〈0．01）。结论液基薄层细胞学技术显著优于普通痰涂片法,对于肺癌的诊断具有重要价值。     

肺癌患者痰端粒酶活性检测与痰脱离细胞检查敏感性比较

目的：比较肺癌患者痰中端粒酶活性检测与痰脱落细胞检查敏感度,为肺癌临床诊断提供更有价值的诊断方法;方法：对肺部影像学可疑肺癌的52例病人送检痰,查痰脱落细胞（纤支镜前后2次）和痰液中端粒酶活性检测（采用PRAP---PCR_---ELISA 和银染色法）;结果：肺癌病人痰中端粒酶阳性检出率较肺部良性病变者明显增高.肺癌患者痰中端粒酶阳性检出率较肺癌患者痰中癌细胞检出率高,有统计学意义.纤支镜检前后痰脱落细胞检出有-定差别但无统计学意义. 中心型肺癌痰中端粒酶阳性检出率较周围型肺癌高.结论：肺癌患者痰液中端粒酶阳性检出率明显高于痰癌细胞阳性检出率,对肺癌诊断敏感度高.     

乙肝病毒血清标志物与HBV复制的关系及其临床意义

目的探讨乙型肝炎（下称乙肝）患者血清中HBcAg、HBeAg、HBV—DNA与乙肝病毒（HBV）复制的关系及其临床意义。方法对171例临床诊断为乙肝的病人采用ELISA法检测血清HBcAg、HBeAg及荧光定量PCR检测血清HBV—DNA。结果171例乙肝病人中，HBcAg阳性检出率为42．1％，HBV—DNA阳性检出率为48．0％，HBeAg阳性检出率为38．6％，HBeAg阳性病人中，HBcAg阳性检出率为95．4％，HBVDNA阳性检出率为98．5％。PCR检测HBV—DNA阳性病人中，HB—cAg阳性检出率为87．2％。结论检测血清HBcAg与检测血清HBV—DNA具有高度地一致性，HBeAg和HBcAg亦具有良好的相关性，荧光定量PCR检测HBV—DNA是灵敏度最高的判断HBV复制的检测方法。     

逆反馈人工神经网络在社区糖尿病筛查中的应用

[目的]建立一种适合上海市社区居民经济有效的糖尿病人群筛查方法。[方法]在上海市社区人群糖尿病流行病学调查的基础上，选择目标人群进行逆反馈（back．propagation，BP）人工神经网络模型法筛查糖尿病病人。训练组和验证组用于网络模型的建立，网络输入为采用多因素Logistic回归分析筛选出的10个变量，输出变量为是否患有糖尿病。测试组资料用于验证网络模型的实用性和可靠性。[结果]当以网络输出值0．12作为判别的阈值时，该方法对人群糖尿病筛查的灵敏度和特异度分别为67．1％和为79．7％。[结论]BP人工神经网络模型对糖尿病患者具有较强的识别能力，可作为血糖检查的“前筛”工具。     

单克隆抗体生物素-亲和素系统诊断日本血吸虫病的研究

目的 探讨TM5．28单克隆抗体-生物素-亲和素系统检测日本血吸虫循环抗原及其诊断效果。方法 制备TM5．28抗日本血吸虫肠相关抗原单克隆抗体,建立单抗-生物素-链霉亲和素检测系统,对各类血清（50份急性血吸虫病人、224份慢性血吸虫病人、49份晚期血吸虫病人;46份血吸虫病治疗前、治疗后6个月和治疗后1年的连续追踪病人;19份华支睾吸虫病人;31份肺吸虫病人;23份乙型肝炎病人;100份正常人）进行检测。结果 检测系统对慢性血吸虫病人和正常人检测的敏感性和特异性分别为83．1％和94．0％,Youden指数为0．771;对急性血吸虫病人的检出率94．0％;对肺吸虫、华支睾吸虫和肝炎病人的交叉反应为12．9、15．8和13．0％。血吸虫病人治疗后6个月和1年的阴转率分别为43．9％和62．1％,其OD值几何均数从治疗前的0．172下降到治疗后6个月的0．081和1年的0．068,下降了60．30％。轻、中感染度慢性血吸虫病人的检出率相近,分别为83．9％和82．1％,重感染度病人的检出率最高达90．00％。结论 该系统对血吸虫病人检测显示了较高的诊断效能和化疗后阴转率,对人群感染状况的判定和个体诊断有一定的应用价值,为日本血吸虫病的免疫诊断和疗效考核提供了一种可行方法。     

BP人工神经网络用于肺鳞癌预后预测

目的：利用两个预后分析模型－ｔｉｍｅ－ｃｏｄｅｄ ｍｏｄｅｌ和ｓｉｎｇｌｅ－ｔｉｍｅ ｐｏｉｎｔ ｍｏｄｅｌ,结合实际数据进行肺癌预后结果预测。方法：利用ＬＭ算法和停止准则进行迭代。结果：利用ＢＰ人工神经网络的两个模型对于学习集数据的拟合情况要远远好于传统的Ｃｏｘ回归和ｌｏｇｉｓｔｉｃ回归,若样本收集具有代表性,该网络可以任意精度逼近任意映射。利用停止准则后,在数据收集不是非常全面的条件下,预测效果与传统方法无差别。结论：ＢＰ人工神经网络可以用于肺癌预后结果预测。     

基于遗传规划的疾病鉴别诊断研究

目的对难以诊断为Graves病或Hashimotos病的患者之各项临床检查指标进行定量分析,构建函数模型,以对2种疾病做出正确诊断。方法收集、整理2所三级甲等医院患者基础数据,引入遗传规划（Genetic Program—ming）法,借助MATLAB的GPLAB工具箱建立函数模型,对这2种疾病进行准确的鉴别诊断。结果建立了疾病诊断的非线性模型,在临床实践中应用效果良好,能够有效的降低误诊率。结论遗传规划法建立的非线形函数模型可以用作Graves病或Hashimotos病的鉴别诊断,有一定的推广价值和临床实践意义。     

浅谈超声胆总管结石临床诊断的意义

目的讨论超声在胆总管结石诊断中的临床价值。方法利用超声常规检查方法对胆总管结石进行定性诊断，探讨诊断结果。结果52例胆总管结石患者中有50例治疗前被超声正确诊断，超声检出率为96．2％。结论超声对胆总管结石诊断准确率比较高，具有较高的临床应用价值。     

不同分类技术联合肿瘤标志在诊断和预测肺癌方面的研究

目的 探讨何种统计分类模型适于建立多肿瘤标志肺癌预测诊断模型.方法 采用放射免疫分析法(RIA)、双抗体夹心酶联免疫吸附试验法(ELISA)、分光光度法(SP)、高效液相色谱法(HPLC)及原子吸收分光光度法(AAS)分别测定肺癌患者、肺良性疾病患者和健康对照者血清中的癌胚抗原(CEA)、糖链抗原.125(CAl25)、胃泌素(gastrin)、神经元特异性烯醇化酶(NSE)、β2-微球蛋白(β2-MG)、可溶性白细胞介素-6受体(sIL-6R)、唾液酸(sialic acid,SA)、一氧化氮(NO)、Cu、Zn、Ca及尿样中的伪尿核苷/肌苷(pseud/trop)含量,并分别建立logistic回归分析、决策树分析以及人工神经网络的数据挖掘分类预测模型.结果 logistic回归分析、决策树分析和人工神经网络模型联合12项肿瘤标志诊断肺癌的总敏感性分别为94.00%、100.00%、100.00%;特异度分别为100.00%、98.89%、100.00%;总准确性分别为94.29%、95.00%、90.00%.结论 12项肿瘤标志的3种分类模型对肺癌分类预测和诊断结果 均比较理想,尤其是C5.0决策树模型和人工神经网络模型更适于解决职业性肺癌的预测和辅助诊断.     

MLP神经网络在子宫颈细胞图像识别中的应用

目的 探讨MLP神经网络在宫颈细胞图像识别中的应用.方法 将测量的子宫颈细胞和细胞核的27个特征量作为MLP神经网络的输入参数,利用软件STATISTICA 7.0建立网络模型,使用四种不同的算法训练网络,对700个子宫颈细胞进行分类识别,使用VC＋＋.NET语言模拟调用网络.结果 在四种算法中,使用共轭梯度法训练的MLP神经网络学习63次后,训练集识别率为98.67%,测试集识别率达到94.44%.不同算法的MLP神经网络的输入参数的敏感度排序均与细胞病理学特征基本一致.结论 使用共轭梯度法训练的MLP神经网络可以较好地对宫颈细胞特征进行分类识别,在计算机辅助诊断方面具有广阔的应用前景.     

基于BP人工神经网络的病毒性肝炎发病率自回归预测模型

目的 研究BP人工神经网络在存在自回归现象的病毒性肝炎发病率预测中的应用。方法 首先通过时间序列分析，发现病毒性肝炎发病率存在一阶自回归现象．AR(1)，然后以AR(1)和平均气压、平均气温、平均降水量和平均蒸发量四个气象指标为网络输入，将1979～1994年某地病毒性肝炎发病率变换值作为网络输出，选择1979～1992年数据，利用MATLAB软件6．5的神经网络工具箱4．0构建、训练与模拟网络，预测另外两年病毒性肝炎发病率，建立病毒性肝炎自回归BP人工神经网络模型。结果 BP人工神经网络非线性相关系数RNL=0．80，而线性自回归模型RNL=0．62。结论 BP人工神经网络较好地描述了自回归模型中的非线性关系，内插及外推预测均较好，可以用于解决存在自回归现象的问题，效果好于传统方法。     

炭疽病的诊断及危险度预测智能模型研究

目的建立以临床和流行病学指标为基本分析因子的综合诊断及预测炭疽危害程度的智能预测模型,提高对炭疽病发生的认识和判断能力。方法根据实际疾病案例资料,分析临床症状、实验室检测指标、流行病学特征等因素。选入明显影响炭疽诊断和流行强度的指标,并将其作为神经元单位。利用Matlab 6．1软件中的神经网络工具箱训练、调整和建立智能化分析系统。结果多因素相关分析显示,疾病潜伏期、胸部X线检验结果、镜检结果、职业特征等11项指标与炭疽病的诊断和流行强度有关;神经网络经500步学习和训练,训练误差从6．669 59下降至5．05119×10-11,通过建立的智能神经网络模型对炭疽和非炭疽实际案例进行诊断和预测分析,其平均符合率达到100％。结论人工神经网络在疾病综合特征与炭疽诊断和危害度预测之间建模是可行的,所训练的智能模型预测平均符合率达100％,有很好的实际应用价值。     

人工神经网络在功能性食管病临床研究中的应用

本文将一典型的人工神经网络模型─反向传播模型应用到功能性食管病诊断分类中，对过去存档的132例患者数据和住院及门诊的38例患者进行实际分类测试，其分类准确率平均达到98％，其中，对高张力型、低张力型、高动度型、低动度型功能性食管病的诊断分类正确率达到99．3％，部分病例并经手术及其它检测方法所证实。     

基于BP神经网络的骨质疏松疾病的诊断分类研究

目的：有效降低骨质疏松诊断误诊率,经过诊断分类,使诊断过程方便、快速、准确。方法：采用BP神经网络理论构建骨质疏松诊断分类模型,对骨质疏松诊断指标体系进行分析,并根据该指标体系设计BP神经网络系统,利用人工神经网络的计算功能对兰州军区总医院骨科大量病例的实际数据进行样本训练和测试,使得模型误差控制在预定范围内。结果：对大量病例训练BP网络后得到的测试结果是在误差预定的范围内,最后通过实例验证了该方法的可行性和准确性。结论：用BP神经网络诊断骨质疏松病情是可行的有效方法。目的：有效降低骨质疏松诊断误诊率,经过诊断分类,使诊断过程方便、快速、准确。方法：采用BP神经网络理论构建骨质疏松诊断分类模型,对骨质疏松诊断指标体系进行分析,并根据该指标体系设计BP神经网络系统,利用人工神经网络的计算功能对兰州军区总医院骨科大量病例的实际数据进行样本训练和测试,使得模型误差控制在预定范围内。结果：对大量病例训练BP网络后得到的测试结果是在误差预定的范围内,最后通过实例验证了该方法的可行性和准确性。结论：用BP神经网络诊断骨质疏松病情是可行的有效方法。     

基于数据挖掘技术的肺癌危险度预测模型的构建

目的 借助数据挖掘技术,联合流行病学特征和临床症状资料构建肺癌危险度预测模型,评价各模型用于肺癌危险度预测的性能,并筛选出最优模型。方法 选取460例肺癌患者和560例肺良性疾病患者为研究对象,收集其流行病学特征和临床症状共16个自变量。将研究对象按照3∶1的比例随机分为训练集与测试集,应用支持向量机(support vector machine, SVM)、决策树C5.0和人工神经网络(artificial neural network, ANN)分别建立肺癌危险度预测模型,并比较不同模型的预测性能。结果 经特征提取,痰中带血、发热出汗和吸烟史等9个变量被筛选为有效变量,用来构建肺癌危险度预测模型。测试集中SVM、决策树C5.0和ANN模型的灵敏度分别为74.1%、62.5%和92.9%;特异度分别为76.2%、80.4%和64.3%;阳性预测值分别为70.9%、71.4%和67.1%;阴性预测值分别为79.0%、73.2%和92.0%;准确度分别为75.3%、72.5%和76.9%;曲线下面积分别为0.752(95%CI:0.694～0.803)、0.715(95%CI:0.655...     

数据挖掘技术在肺癌生存期预测中的应用探讨

目的分析多种数据挖掘方法在肺癌病人生存期预测中的应用效果。方法采用决策树、贝叶斯、神经网络等算法对肺癌病人的数据进行挖掘。结果贝叶斯分类算法和神经网络算法的分类准确率高过决策树算法。结论应用数据挖掘算法对肺癌病人生存期分类预测具有一定的可行性,可以给临床医师提供参考。     

血清蛋白质谱结合人工神经网络在胃癌诊断中的研究

目的 建立筛选胃癌血清蛋白质谱的人工神经网络(ANN)诊断模型.方法 将84例胃癌患者和75例对照者的血清样本按照随机数字表法随机分为训练集(106例)和测试集(53例).首先应用表面加强激光解吸电离-飞行时间质谱(SELDI-TOF-MS)技术及弱阳离子交换表面芯片(CMl0)检测练集样本,结合反向传播ANN的方法建立诊断模型,进一步检测测试集样本并评价该模型的诊断价值.结果 胃癌患者与对照者血清蛋白质谱图有5个明显表达差异的蛋白质峰(P<0.05),质荷比分别为7567、6742、5262、4869、4256 m/z,5个蛋白质峰作为标志蛋白建立ANN诊断模型.利用该模型对胃癌患者进行盲法预测,结果表明其对胃癌的诊断灵敏度和特异度分别为90.0%和91.3%.结论 胃癌血清蛋白质谱结合ANN建立的诊断模型对胃癌诊断具有较高的灵敏度和特异度,可用于胃癌早期诊断与肿瘤标志物筛选研究.     

血清蛋白质谱结合人工神经网络在宫颈癌诊断中的应用

目的:采用蛋白质芯片表面增强激光解吸电离飞行时间质谱(SELDI-TOF-MS)技术检测宫颈癌病人血清蛋白指纹图谱,通过差异蛋白组学筛选特有的蛋白标记物。方法:应用SELDI-TOF-MS技术和WCX2(弱阳离子)芯片采集58例宫颈癌患者和57例健康人血清蛋白质指纹图谱,采用Biomarker Wizard软件筛选差异蛋白质组。将115例血清随机分为两组:以训练组30例宫颈癌患者和30例健康人建立人工神经网络(ANN)模型,以验证组28例宫颈癌患者和27例健康人血清标本用于模型的双盲法验证。结果:宫颈癌患者与对照组血清蛋白质指纹图谱有145个差异表达的蛋白质峰(P0.05),筛选出质荷比(M/Z)分别为5912、5642、8702、4320、6432的标志蛋白(P10-6),建立人工神经网络模型,其对宫颈癌的诊断敏感性为92.86%,特异性为88.89%,阳性预测值为89.66%,阴性预测值为92.31%。结论:特征蛋白在宫颈癌患者较正常人血清明显的高表达或低表达,可能对宫颈癌的早期诊断和治疗后随访具有重要的指导意义。