BP神经网络在CESM强化密度及乳腺癌诊断中的研究分析

摘要

将穿刺活检或手术病理结果分析得到的乳腺肿瘤性质作为对比标签值,在χ^(2)检验的基础上,采取交叉验证确定超参数、独热编码处理输入信号等方法,使用Tensorflow深度学习框架建立两个BP神经网络,分别为不剔除交叉列联分析中χ^(2)值最小的强化密度属性的三输入信号网络与剔除该属性的两输入信号网络,利用两个网络分别对乳腺肿瘤性质进行诊断研究。通过对两个网络准确度、敏感度以及特异度的对比研究,发现强化密度对恶性肿瘤的检出率较高,引入强化密度的三输入信号网络模型为最佳模型;最佳模型与CESM检查技术结合的诊断精度可达95.77%;乳腺良、恶性肿瘤诊断最佳模型中敏感度与特异度的ROC曲线显示,最佳诊断参考点为(0.978,0.949)。