山东省自然科学基金(Y2006C96) 作品数:4 被引量:6 H指数:2 相关作者: 成金勇 刘强 刘毅慧 李保朋 王丽娟 更多>> 相关机构: 山东省立医院 山东轻工业学院 更多>> 发文基金: 山东省自然科学基金 教育部留学回国人员科研启动基金 更多>> 相关领域: 医药卫生 更多>>
神经网络提高肝细胞癌磁共振波谱诊断正确率 被引量:2 2010年 通过评价31磷磁共振波谱(31Phosphorus Magnetic Resonance Spectroscopy,31P-MRS)来辨别三种诊断类型:肝细胞癌,正常肝和肝硬化。运用反向传输神经网络(BP)和径向基函数神经网络(RBF)分析31P-MRS数据,分别建立神经网络模型,进行肝细胞癌的诊断分类以期提高识别率。实验结果证明,应用神经网络模型后,31P-MR波谱对活体肝细胞癌的诊断正确率从89.47%提高到97.3%,且BP更优于RBF。 王丽娟 刘毅慧 刘强 李保朋 成金勇关键词:磁共振波谱 肝细胞癌 径向基函数神经网络 基于反向传输神经网络的肝脏^(31)P磁共振波谱分析 被引量:3 2009年 目的探讨基于神经网络的31P磁共振波谱(31P-MRS)辨别肝硬化、肝细胞癌(HCC)和正常肝组织的价值。方法运用反向传输神经网络分析66个31P-MRS样本数据,其中包括37个肝硬化结节样本、13个HCC样本和16个正常肝脏样本。结果经交叉验证实验证明,基于神经网络模型的31P-MR波谱数据分析可以将肝细胞癌的诊断正确率从85.47%提高到92.31%。结论基于神经网络模型的31P-MRS波谱数据分析可以用于HCC与肝硬化结节的诊断和鉴别诊断。 王韶卿 刘毅慧 王丽娟 刘强 成金勇 李保朋关键词:磁共振波谱 肝肿瘤 神经网络 肝癌^(31)磷磁共振波谱数据的分类 被引量:2 2009年 目的利用31P磁共振波谱分析数据,区别肝细胞肝癌、肝硬化和正常的肝组织。方法从33例包括肝细胞肝癌、肝硬化和正常肝的志愿者中选择66个有效体素样本,利用1.5T超导MR扫描仪采集31P MRS数据,通过BP神经网络和SVM模型的实验来区别肝细胞肝癌、肝硬化和正常肝脏组织。结果有限的样本实现了良好的分类性能,反向传播神经网络(BP)和支持向量机(SVM)模型可以提高31P MRS识别率,识别率可达92.31%。结论基于BP和SVM的31P MRS数据分析,对于活体肝细胞肝癌的诊断提供了一种可选择的有价值的技术。 王韶卿 刘毅慧 付婷婷 成金勇 刘强关键词:肝细胞 肝硬化 磁共振波谱学 支持向量机 反向传播神经网络 基于支持向量机的^(31)P磁共振波谱肝细胞癌诊断 被引量:2 2010年 支持向量机是在统计学习理论基础上发展起来的一种新的机器学习方法,在模式识别领域有着广泛的应用。利用基于支持向量机模型的31P磁共振波谱数据对肝脏进行分类,区别肝细胞癌,肝硬化和正常的肝组织。通过对基于多项式核函数和径向基核函数的支持向量机分类器进行比较,并且得到三种肝脏分类的识别率。实验表明基于31P磁共振波谱数据的支持向量机分类模型能够对活体肝脏进行诊断性的预测。 付婷婷 刘毅慧 刘强 李保朋 成金勇关键词:磁共振波谱 肝细胞癌 模式识别