数据挖掘技术在乳腺X线诊断中的应用

发布时间：2022-02-16 15:36

　　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%,两者判读能力有统计学差异（p=0.022）,Logistic回归模型能力高于决策树模型;对于钙化良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（p=0.337）;对于所有病例良恶性预测正确率分别为87.25%、88... 

【文章来源】：复旦大学上海市211工程院校985工程院校教育部直属院校

【文章页数】：54 页

【学位级别】：硕士

【文章目录】：
中文摘要
英文摘要
第一章 绪论
    1.1 乳腺癌诊疗现状
    1.2 BI-RADS评分系统
    1.3 乳腺癌诊断存在的问题
    1.4 CAD简介以及技术特点
    1.5 CAD研究热点
    1.6 国内CAD技术在乳腺X线诊断中的应用
    1.7 本研究希望能解决的问题
    1.8 BI-RADS与CAD技术的结合
第二章 研究方法及研究内容
    2.1 课题思路与技术路线
    2.2 研究材料与研究方法
    2.3 研究结果
        2.3.1 各种病变类型与病理结果的分布结果
        2.3.2 BI-RADS分级与病变类型以及病变良恶性的分布结果
        2.3.3 两种诊断模型的比较
第三章 讨论
    3.1 诊断模型的选择
    3.2 模型判断病灶性质的新思路
    3.3 两种诊断模型的作用和意义
第四章 结论
参考文献
后记


【参考文献】：
期刊论文
[1]乳腺癌普查初步报道及资料分析[J]. 张宏艳,刘端祺,范萍,黄其敏,侯新燕,彭雁,矫健,吕楠.  解放军医学杂志. 2007(06)
[2]乳腺外科的发展趋势[J]. 邵志敏,余科达.  中国普外基础与临床杂志. 2007(03)
[3]乳腺癌外科治疗发展趋势[J]. 邵志敏.  外科理论与实践. 2006(02)
[4]乳腺癌普查的国内外进展[J]. 吕大鹏,徐光炜.  中国实用外科杂志. 2006(01)
[5]21世纪乳腺癌治疗的展望[J]. 邵志敏,沈镇宙.  中国癌症杂志. 2005(05)
[6]乳腺癌的早期诊断[J]. 邵志敏,沈镇宙,吴炅,陆劲松,沈坤炜,韩企夏,狄根红,柳光宇,张家新.  家庭医学. 2005(06)
[7]使用乳腺影像报告和数据系统诊断乳腺疾病的体会[J]. 顾雅佳,吴斌,张帅,杨天锡.  中华放射学杂志. 2004(09)



本文编号：3628225