乳腺癌针吸细胞形态定量人工神经网络诊断模型建立及应用探究.docVIP

乳腺癌针吸细胞形态定量人工神经网络诊断模型建立及应用探究 　 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: Objective To establish diagnostic models of cell form parameters in mammary carcinoma FNAs smears by an artificial neural network (ANN) methods，and apply the models to discriminate the mammary cancer and benign lesion. Method The cell form quantitative parameters of 60 breast cancer cases and 30 benign lesion cases were analysis by MPIAS2000,all of cases were provided pathologically. The ANN diagnosis models of cancer and benign lesion were established combined with the 29 cell quantitative parameters. The blindtest set were used to confirm the models. Results The ANN models meet performance goal by 14 times trainlm. ANN model of cell form quantitative parameters had an accuracy and specialty of 100% for differentiation of breast carcinoma and benign lesion. Conclusion Method of erecting models based on cell form quantitative parameters with ANN could identify breast carcinoma and benign lesion. It may be valuable and new idea for FNAc in the differentiation of breast diseases. Key words: fine needle aspiration cytology; mammary carcinoma; cell form quantity parameter; artificial neural network; diagnostic model 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（artificial neural network，ANN）进行建模分析，以建立高特异性和敏感性的乳腺癌的针吸细胞学定量诊断模型；同时用盲法验证模型的准确诊断率，判断其应用价值。 1 对象和方法 　　1.1 对象 2000年至2007年本院住院经病理确诊的乳腺癌患者60例，乳腺良性病变30例。乳腺癌均为女性，年龄24～68岁；良性病变也为女性，年龄18～47岁，良性病变中乳腺纤维腺瘤24例，乳腺增生6例。所有病例均先行细胞病理学检查，最后经组织病理学证实。 1.2 细胞学制片与染色 研究标本均为针吸细胞学涂片，用推片法制成，待自然干燥后用瑞—吉氏复合染色法（WrightsGiem