基于高斯混合和BP神经网络的卵巢癌质谱数据三分类模型

癌症的早期诊断可以显著提高癌症患者的存活率,三分类问题就是将未知样本与已知样本进行匹配度检测,预测样本是健康状态,良性发展状态,还是癌症状态.针对复杂难分的卵巢癌蛋白质质谱数据,提出了一种基于高斯混合模型和BP神经网络的三分类预测模型.首先,去除原数据中的冗余,对其进行方差排序及交集筛选提取特征集合一,再利用高斯混合模型处理求得参数作为特征集合二,最后使用BP神经网络进行样本三分类,准确率达到72.9%.结果表明:模型可以作为卵巢癌质谱数据三分类的可选择工具.

卵巢-附件报告与数据系统在超声诊断卵巢-附件肿块良恶性中的价值

目的探讨美国放射学会卵巢-附件报告与数据系统(O-RADS)在卵巢-附件肿块超声诊断中的价值。方法本研究为回顾性诊断试验。对象为2019年1月至2020年12月在湖北省妇幼保健院进行手术且有病理结果的卵巢或附件肿块患者441例,患者术前均行超声检查。参照O-RADS分类标准对每个卵巢及附件区肿块进行O-RADS恶性风险分层。绘制受试者工作特征(ROC)曲线分析O-RADS分类法诊断卵巢-附件肿块良恶性的诊断价值,最后以病理诊断为参考标准,绘制诊断四格表分析该分类诊断系统的有效性。结果441例肿块中良性353例,恶性88例。O-RADS 2-5类中,其恶性肿块分别占1.1%、3.7%、47.8%、91.1%。O-RADS分类法诊断卵巢-附件肿块良恶性的ROC曲线下面积为0.947,95%可信区间为0.919~0.975,良恶性截断值为3.5。当将O-RADS 4和5类作为恶性肿块的预测指标时,其诊断卵巢-附件肿块良恶性的敏感度、特异度、阳性预测值、阴性预测值、阳性似然比、阴性似然比及约登指数分别为94.3%、88.6%、67.5%、98.4%、8.27、0.06、0.82。当只将O-RADS 5类作为恶性肿块的预测指标时,其诊断卵巢-附件肿块良恶性的敏感度、特异度、阳性预测值、阴性预测值、阳性似然比、阴性似然比及约登指数分别为57.9%、98.6%、91.1%、90.3%、41.36、0.43、0.57。结论O-RADS可作为超声诊断卵巢-附件肿块良恶性的可靠方法,建议以O-RADS 4和5类为预测卵巢-附件肿块恶性的指标。