logistic多元回归和人工神经网络在肺CT判断肺癌病理分型中的应用

摘要

目的 应用logistic多元回归分析方法和人工神经网络技术建立通过肺CT判断肺癌病理分型的诊断模型.方法 回顾性分析2010年1月-2013年2月吉林大学中日联谊医院初诊的218例肺癌患者的CT影像特点,其中鳞癌96例,腺癌76例,小细胞癌46例；采用x2检验对各病理类型与性别、年龄及各影像学征象进行单因素分析；应用logistic多元回归分析方法和人工神经网络技术分别建立判断肺癌病理分型的诊断模型.结果 卡方检验结果显示性别、部位、肿块大小、磨玻璃征、胸膜凹陷征、阻塞性肺炎或肺不张6项因素在各组间差异具有统计学意义(P＜0.05),而空洞、分叶征、毛刺征、钙化、血管集束征、纵隔淋巴结肿大、胸腔积液,在各组间差异无统计学意义(P＞0.05).本研究建立的判断肺癌病理分型的logistic回归模型自身验证的准确率为64.2％,ROC曲线下面积为0.677.建立的人工神经网络模型自身验证的准确率为84.9％,对预测样本诊断的准确率为69.4％,预测鳞癌ROC曲线下面积为0.939,预测腺癌ROC曲线下面积为0.952,预测小细胞癌ROC曲线下面积为0.964.结论 在通过肺CT影像特点判断肺癌病理分型方面,我们建立的人工神经网络模型诊断的准确性优于Logistic回归模型,上述两个模型均可辅助临床、放射及病理医生提高诊断准确率.