Logistic回歸模型、神經(jīng)網(wǎng)絡(luò)模型和決策樹模型在乳腺癌的彩超影像診斷中的比較研究.pdf

1、目的:建立乳腺疾病的彩超影像資料診斷的數(shù)學(xué)模型，評(píng)價(jià)三個(gè)模型在乳腺疾病診斷中的性能，以應(yīng)用數(shù)學(xué)模型來輔助判別乳腺疾病的良惡性，規(guī)范乳腺腫塊超聲診斷流程，提高臨床乳腺癌的診斷準(zhǔn)確率。
　　方法:①病例收集：收集南華大學(xué)附屬第一醫(yī)院及南華醫(yī)院經(jīng)手術(shù)活檢病理證實(shí)的乳腺疾病病人680例，包括患者的基本情況、癥狀、體征、鉬靶x線、彩色多普勒超聲、病理結(jié)果等117個(gè)指標(biāo)。本研究選取其中彩色多普勒超聲資料數(shù)據(jù)較完整的552例作為本實(shí)驗(yàn)的研究對(duì)象

2、，其中惡性352例，良性200例。②數(shù)據(jù)錄入：將收集的病例數(shù)據(jù)用epidate3.1軟件進(jìn)行錄入，然后導(dǎo)入 SPSS17.0軟件建立患者乳腺疾病的信息數(shù)據(jù)庫。③建模變量指標(biāo)的篩選：運(yùn)用SPSS軟件對(duì)收集的乳腺疾病的彩超各變量指標(biāo)進(jìn)行篩選，選取有意義的作為建立數(shù)學(xué)模型的指標(biāo)。進(jìn)行篩選的標(biāo)準(zhǔn)是計(jì)數(shù)資料進(jìn)行卡方檢驗(yàn)，計(jì)量資料進(jìn)行 t檢驗(yàn)，以P<0.05為檢驗(yàn)標(biāo)準(zhǔn)。④建立數(shù)學(xué)模型：通過上一步篩選出指標(biāo)作為建模的指標(biāo)，應(yīng)用spss clement

3、ine12.0專業(yè)數(shù)據(jù)挖掘軟件制做logistic回歸模型、神經(jīng)網(wǎng)絡(luò)模型和決策樹模型。該軟件將建模過程分成兩部分，一部分是訓(xùn)練集，將隨機(jī)抽取的70％的病例數(shù)據(jù)用于分別建立各個(gè)模型；另一部分是測(cè)試集，將剩下的30%的數(shù)據(jù)用來測(cè)試及完善已經(jīng)生成的模型的性能。⑤計(jì)算及比較各個(gè)模型的診斷準(zhǔn)確度，靈敏度，特異度。⑥模型診斷性能評(píng)估：通過medcal軟件繪制各個(gè)模型的ROC曲線，通過ROC曲線下的面積大小來比較三個(gè)模型診斷性能。
　　結(jié)果:1

4、、建模指標(biāo)篩選結(jié)果：結(jié)果顯示有16個(gè)彩超變量指標(biāo)差異有顯著性，可作為建模的指標(biāo)。這些指標(biāo)分別是：病灶長徑、病灶短徑、EDV、PVS、RI、腫塊數(shù)目、超聲腫塊邊緣一、超聲腫塊邊緣二、超聲腫塊形態(tài)、腫塊包膜、微鈣化、腫塊內(nèi)部回聲一、腫塊內(nèi)部回聲二、腫塊周邊及內(nèi)部血流信號(hào)、血流信號(hào)分級(jí)、腋窩淋巴結(jié)腫大。
　　2、通過分析訓(xùn)練集、測(cè)試集的數(shù)據(jù)流，順利建立了logistic回歸、神經(jīng)網(wǎng)絡(luò)和決策樹三個(gè)數(shù)學(xué)模型
　　3、三個(gè)模型的的靈敏度

5、、特異度及準(zhǔn)確度：logistic回歸模型為85.71%、60.67%、76.51%，神經(jīng)網(wǎng)絡(luò)88.57%、55.74%、75.90%,決策樹為94.29%、82.00%、89.76%。結(jié)果提示決策樹模型在對(duì)乳腺癌診斷的靈敏度、特異度及診斷的準(zhǔn)確性均較其他模型高。
　　4、三個(gè)模型之間的ROC曲線比較： ROC曲線下的面積分別為：神經(jīng)網(wǎng)絡(luò)模型0.717,決策樹模型0.881，logistic回歸模型0.732。決策樹模型ROC曲線