硕士--模糊神经网络在肺癌诊断中的应用正式稿毕业论文

《硕士--模糊神经网络在肺癌诊断中的应用正式稿毕业论文》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、模糊神经网络在肺癌诊断中的应用中文摘要肺癌是当今世界各国常见的恶性肿瘤，已成为大多数国家癌症死亡的主要原因。在我国，肺癌的发病率已由原来的第六位升至第一位，病死率在城市人口恶性肿瘤中居首位。在农村，升幅明显大于城市，尤以农村女性的增长趋势较为突出。由于肺癌早期无症状或症状轻微或与其它疾病症状类似，不易发现，待到发现时已有转移。所以，早期诊断具有重要的价值，而且对治疗计划有很重要的影响。因此，提高早期肺癌的检出率是提高患者生存率和降低死亡率的必要手段。本文回顾了肺癌诊断的历史现状,在此基础上,介绍并讨论了人工神经网络和模糊理论的结合——模糊神经网络。由于人工神经网络是基于人脑的计算机模型，具有

2、良好的自适应性、自组织和很强的自学习能力，是数据分类和模式识别的有力工具。而模糊理论能更直接更自然地表达人类习惯用的逻辑含义，适用于直接的或高层的知识表达。将二者结合用于早期肺癌诊断,为肺癌诊断开辟一条新途径。本课题以从胸部CT片中提取的21项放射学特征和5个临床参数为基础，旨在提高早期肺癌的检出率，使诊断结果更加准确。方法：选用隶属度函数为高斯型的模糊神经网络用于肺癌诊断，将26个特征参数中的13个非二值变量进行模糊化处理，每个参数分为3个模糊子空间，用大（L）、中（M）、小（S）3个语言变量表示，每一个输入变量就有3个模糊化神经元与其在3个子空间对应的隶属度函数对应，然后和其它13个二值

3、参数一起作为BP神经网络的输入。将所获得的117例病例样本随机分为训练集和测试集，训练模糊神经网络，选择合适的隐节点数。用测试集测试该网络区分肺癌和非肺癌的能力，并将结果与三角形隶属度函数模糊神经网络的测试结果进行比较。结果：对于早期肺癌的预测，高斯型隶属度函数模糊神经网络的虚警和漏检率较低，比作为对照的三角形隶属度函数模糊神经网络诊断正确率有所提高。高斯型隶属度函数模糊神经网络4例错误（良性5、6例，肺癌36、38例）,而三角形隶属度函数模糊神经网络有5例错误，除上述4例外，肺癌中又增加第28例。高斯型隶属度函数模糊神经网络的总诊断正确率为91%，比三角形隶属度函数模糊神经网络高出3个百分

4、点，而且对病例样本分组变化不敏感。因此，高斯型隶属度函数模糊神经网络更适用于肺癌诊断。关键词：人工神经网络模糊理论模糊神经网络隶属度函数BP算法肺癌诊断高斯型隶属度函数模糊神经网络三角形隶属度函数模糊神经网络AbstractLungcancerisacommonmalignanttumorintheworldtoday,whichhasbecomethemainreasonofcancerpatients,death.InChina,theincidenceoflungcancerhasrisenfromthesixthtothefirst,andthemortalityisinthetop

5、ofurbanpopulationmalignanttumor.Inruralareas,theincreaseissignificantlylargerthanthatinurban,especiallythetrendoftheruralwomen’smortalityriseismoreprominent.Becausetherearenoorfewspecificsymptomsintheearlyperiodoflungcancer,itisdifficulttobedetected.Ithasusuallymetastasizedwhenitisdetected.Earlydia

6、gnosishasanimportantprognosticvalueandhasahugeimpactontreatmentplanning.Sotheearlydiagnosisandtreatmentisanecessarymethodtoimprovethesurvivalrateandreducethemortalityofthepatientswithlungcancer.Therecentprogressoflungcancerdiagnosiswasreviewedinthepaper.Fuzzyneuralnetworkwasintroducedanddiscussed.F

7、uzzyneuralnetworkwasthecombinationofartificialneuralnetworkandfuzzytheory.Artificialneuralnetworkisacomputationalmodelbasedonthebrain;itisapowerfultoolfordataclassificationandpatternidentificationbecauseith