乳腺癌针吸细胞形态定量的人工神经网络诊断模型的建立及应用研究

《乳腺癌针吸细胞形态定量的人工神经网络诊断模型的建立及应用研究》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、乳腺癌针吸细胞形态定量的人工神经网络诊断模型的建立及应用研究作者：龚平，郭华雄，王文清，李春燕【摘要】目的建立乳腺癌针吸细胞形态定量参数的人工神经网络诊断模型，并验证其在辅助FNA诊断乳腺癌的价值。方法利用MPIAS2000系统对60例乳腺癌及30例乳腺良性病变的针吸细胞学涂片进行形态定量测定，对获得的29项形态参数进行人工神经网络建模分析，并用盲法对其鉴别诊断能力进行评价。结果所建立的网络模型经过14次训练后即可达到误差要求，诊断模型对乳腺癌及乳腺良性病变的诊断正确率为100%，其特异性和敏感性均为100%。结论乳腺良恶性病变的针吸细胞学涂片进行ANN分析所建

2、立的诊断模型，对乳腺癌及良性病病变的鉴别诊断具有较高的应用价值，为辅助针吸细胞学诊断乳腺良恶性病变提供了新的思路。【关键词】针吸细胞学；乳腺癌；细胞形态定量参数；人工神经网络；诊断模型Abstract:ObjectiveToestablishdiagnosticmodelsofcellformparametersinmammarycarcinomaFNAssmearsbyanartificialneuralethods，andapplythemodelstodiscriminatethemammarycancerandbenignlesion.MethodThe

3、cellformquantitativeparametersof60breastcancercasesand30benignlesioncasesodelsofcancerandbenignlesioneters.Theblindtestsetthemodels.ResultsTheANNmodelsmeetperformancegoalby14timestrainlm.ANNmodelofcellformquantitativeparametershadanaccuracyandspecialtyof100%fordifferentiationofbreas

4、tcarcinomaandbenignlesion.ConclusionMethodoferectingmodelsbasedoncellformquantitativeparametersaandbenignlesion.Itmaybevaluableandneammarycarcinoma;cellformquantityparameter;artificialneuralodel乳腺癌是人类最常见的一种恶性肿瘤，也是女性主要恶性肿瘤之一。针吸细胞学对术前早期诊断乳腺肿块的性质具有简便、快速、准确等特点，其诊断的准确率达到90%以上。目前对乳腺癌的针吸细胞学研

5、究大多基于细胞形态学描述及肿瘤标志物的检测，少有对其肿瘤细胞本身进行形态学定量的研究。本研究通过细胞形态定量方法，并用人工神经网络（artificialneuralsasstaining）染色［1］。染色时间10min。2图像分析与参数选择　　2.1图像分析在HPIAS2000图像分析系统（武汉清平影像有限公司）中通过定标处理后，选择细胞—细胞核测量功能，对CCD获取的细胞涂片图像进行二值化处理，将二值化的细胞进行滤波及连断分隔，用点测量或自动测量法进行测量。如细胞与背景二值化不明显时，可采用画的方式（椭圆逼近法或自由画线法）进行标记测量。2.2测量细胞个数乳

6、腺癌每例随机选择细胞50个，60例；乳腺良性病变每例随机选择细胞30个，30例。2.3参数选择选择的定量参数共有29个，分别是：与细胞及细胞核有关的面积、周长、直径、形态因子、圆球度、异形指数、X投影、Y投影、S体积、L体积等20个参数，与细胞浆有关的细胞浆面积、胞浆厚度Me、胞浆厚度Ma、胞浆厚度Mi等4个及核浆比值、核浆中心距及细胞比表面、细胞浆及细胞核体密度。2.4定量参数获取HPIAS2000所测定数据为Access格式，转换后进行数据归一化处理，以备后续建模分析。3数据处理及ANN建模设计用ANN软件MATLAB建立诊断模型。ANN采用前馈式反向传播算

7、法，分设三层，输入层29个神经元，隐含层8个神经元，输出层2个神经元。各层之间均采用TanSigoid传递函数（tansig），训练函数使用ScaledConjugateGradient算法；权重与偏值随机初始化，系统误差阈值为10-8。本研究的乳腺癌与乳腺良性病变的针吸细胞形态定量参数作为输入值，设定乳腺癌的目标值为1，乳腺良性病变的目标值为0，所有样本随机划分，2/3作为训练组，1/3样本为盲法测试组；所用软件为MATLAB7（R14）Foret.从上可知，网络经过14次训练后即可达到误差要求，结果如图1所示：图1训练结果5.2盲法测试结果60例乳腺癌及30

8、例乳腺良性