基于血清学与影像学特征的孤立性肺结节诊断模型的建立

摘要

目的：探讨影响孤立性肺结节性质判定的血清学因素及影像学因素，利用支持向量机算法建立辅助数学诊断模型，以用于临床上恶性孤立性肺结节的早期诊断与治疗。
　　方法：记录并整理纳入研究的164例孤立性肺结节患者（93例恶性肺结节患者，71例良性肺结节患者）的血清学资料，用ELISA法测定164例患者的血清CEA和CYFRA21-1水平，采用全自动免疫分析仪检测CA125、CA199、CA724、SCC、CA153水平，放射免疫分析法测定患者血清NSE水平。从患者的影像学资料中提取所有患者CT图片的基本征象数据（包括SPN大小、SPN部位、边界清晰度、毛刺征、分叶征、胸膜凹陷征、血管集束征、强化、空洞征）。采用 Fisher判别分析法和Logistic回归分析法筛选出与肺结节良恶性有关的血清学指标、影像学特征指标。
　　结果：筛选出4项与肺结节良恶性有关的血清学指标，分别是：CYFRA21-1，CA125， SCC和CA153，用K-均值聚类分析法评价变量筛选效果，得到cophenet相关系数为0.940。筛选得到分叶征与毛刺征是与肺结节性质判定有关的特征变量，然后将6个参考变量血清学：CYFRA21-1、CA125、SCC、CA153；CT影像学：毛刺征、分叶征纳入SVM模型中参与训练。在模型建立中，第一类为恶性SPN患者组样本资料，第二类为良性SPN患者组样本资料。将第一类的1-80，第二类的94-150做为训练集，将第一类的81-93，第二类的151-164做为测试集。测试结果显示，测试集样本的预测准确率为81.48％（22/27）。
　　结论：当选择血清学参考变量CYFRA21-1、CA125、SCC、CA153及CT影像学参考变量毛刺征、分叶征时，此时的SVM训练测试集准确率达到较高的水平，优于单独的血清学变量或CT影像学变量纳入时的测试准确率。

目录

封面

声明

中文摘要

英文摘要

目录

第一部分 SPN的血清学参数变量筛选

1 前言

2 材料和方法

3 结果

4 讨论

参考文献

第二部分 SPN的CT影像学参数变量筛选

1 前言

2 材料和方法

3 结果

4 讨论

参考文献

第三部分 用于SPN良恶性鉴别的SVM预测模型的建立

1 前言

2 材料和方法

3 结果

4 讨论

参考文献

结论

综述: 孤立性肺结节临床诊断的研究进展

致谢

个人简历、在学期间发表的学术论文与研究成果