数据挖掘技术在乳腺X线诊断中应用.pdf

摘要： (乳腺X线，数据挖掘R4) 目的：探讨数据挖掘技术对于辅助乳腺X线诊断方面的的应用价值。方法： 收集1264例在复旦附属肿瘤医院行手术治疗并有确切病理资料的乳腺疾病病例， 所有的病例术前均经过乳腺X线检查。由阅读乳腺X线片7年以上经验的影像科医 生提取并记录乳腺X线特征及病理结果。乳腺X线特征应用BI．RADS分级系统进 行描述和评分．建立乳腺X线特征征象与病理结果的Access数据库，以乳腺X线征 象、病理结果、BIRADS分级作为输入量，分别采用决策树算法与Logistic回归算 法建立乳腺X线诊断模型，对各种乳腺X线特征及病理结果与BI．RADS评分进行 预测，分别评价两种算法的敏感度、特异度，之后应用检验样本对两种模型分别 作出检验。结果：训练样本共1161例，检验样本103例。决策树模型与Logistic回 归模型对于肿块的良恶性预测的正确率分别为89．18％、91．78％，两者判读能力 恶性预测的正确率分别为80．11％、83．21％，两者判读能力相当，无统计学差异 度分别为85．84％、88．30％；敏感度分别为86．27％、89．97％，两种模型判读能力 无统计学差异(p=0．138)。对BIRADS4级病例良恶性预测正确率分别为 试显示两种模型与有经验影像科医生判读能力相当(p=0．135、p=0．093)。结论： 运用医生提取乳腺X线特征建立的决策树诊断模型与Logistic回归诊断模型的判 读能力能够达到有经验影像科医生水平，数据挖掘技术在乳腺X线诊断中能够起 到良好的辅助指导作用，具有潜在的应用价值，模型建立过程中发现的问题有待 于进一步研究。 Abstraction： R4) (mammography，dataminingtechnology TheDiscussion witIlData in ofApplicationMiningTechnologyMammography discussthevalueofData in Objective：To Miningtechnologymammography and collected1264 confirmed screenningdiagnosis．Methods：Wepathologically resultweIeusedas cases．Radiologist-extractedmammographicfeatures，pathologic featuresforDecisiontreeand to models or input LogoisticRegressionpredictbenign BI-RADSfor we malignant．Mammographicfindingsusing description．Then the and betweentwo correct comparedsensitivityspecificity models,Results：The ratehad differencesbetweentwomodelsinmass significant diagnosis(89．18％， hadsame asthedoctor．Whilehadno 91．78％；p=o．135)and capacity they significant in d