硕士论文--模糊神经网络在肺癌诊断中的应用正式稿.doc

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 Abstract Lung cancer is a common malignant tumor in the world today, which has become the main reason of cancer patients, death. In China, the incidence of lung cancer has risen from the sixth to the first, and the mortality is in the top of urban population malignant tumor. In rural areas, the increase is significantly larger than that in urban, especially the trend of the rural women’s mortality rise is more prominent. Because there are no or few specific symptoms in the early period of lung cancer, it is difficult to be detected. It has usually metastasized when it is detected. Early diagnosis has an important prognostic value and has a huge impact on treatment planning. So the early diagnosis and treatment is a necessary method to improve the survival rate and reduce the mortality of the patients with lung cancer. The recent progress of lung cancer diagnosis was reviewed in the paper. Fuzzy neural network was introduced and discussed. Fuzzy neural network was the co