论文部分内容阅读
目的:利用计算机辅助诊断-决策树分类方法以患者病史、体征、影像学检查等临床综合资料为基础建立乳腺结节计算机辅助诊断模型，预测乳腺结节的良恶性。有助于健康体检工作中快速甄选可疑结节，给予随访或者提出其他可行性建议。帮助提高临床医生术前乳腺结节良恶性鉴别诊断准确率。 方法:收集中大惠亚医院2013年3月至2014年2月和广西中医药大学第一附属医院2012年2月至2014年2月的乳腺疾病患者临床资料，包括现病史、专科检查、乳腺B超检查、乳腺MRI检查，共102例，其中惠亚医院34例，22例良性，12例恶性，广西中医附属第一医院68例，23例良性，45例恶性。所有病例均经病理证实。把收集的资料录入MicrosoftExcel2003，定义变量特征值“1”代表“是”，“0”代表“否”。首先根据Excel的高级筛选功能初步筛选变量特征值不显著的变量，然后把最终的变量特征及变量特征值导入Matlab2012a中，利用Matlab2012a中提供的决策树分类器工具建立乳腺结节模型，分别建立三个诊断模型:以现病史+专科检查为变量组，建立模型一（命名HPI-SE）;以现病史+专科检查+B超为变量组，建立模型二（命名HSBU）;以现病史+专科检查+MRI为变量组，建立模型三(命名HSMR).研究对象、病历入选要求、资料录入、建立三个诊断模型、分别用三个诊断模型对自身数据集进行预测，得出诊断准确率，灵敏度、特异度三项指标。分析三个诊断模型树形结构及诊断准确率，灵敏度、特异度三项指标的合理性。所建立模型一(HPI-SE)结果显示:该模型共有1个根节点和16个分支节点。其中每个叶节点分别标以良性或恶性。沿着根节点到每一个叶节点的路径都可产生一条分类规则，将它们转换成If-Then规则，得到诊断规则:(1)如果肿物活动度可=0，并且肿块胀痛=0，则为恶性;(2)如果肿物活动度可=0，并且肿块胀痛=1，并且腋窝淋巴结肿大=0，则为恶性;(3)如果肿物活动度可=0，并且肿块胀痛=1，并且腋窝淋巴结肿大=1，双乳等大对称=0，则为恶性;(4)如果肿物活动度可=0，并且肿块胀痛=1，并且腋窝淋巴结肿大=1，双乳等大对称=1，肿物质硬=0，则为恶性;(5)如果肿物活动度可=0，并且肿块胀痛=1，并且腋窝淋巴结肿大=1，双乳等大对称=1，肿物质硬=1，左乳肿物=0，肿块增长=0，则为良性;(6)如果肿物活动度可=0，并且肿块胀痛=1，并且腋窝淋巴结肿大=1，双乳等大对称=1，肿物质硬=1，左乳肿物=0，肿块增长=1，则为恶性;(7)如果肿物活动度可=0，并且肿块胀痛=1，并且腋窝淋巴结肿大=1，双乳等大对称=1，肿物质硬=1，左乳肿物=1，肿块压痛=0，则为恶性;(8)如果肿物活动度可=0，并且肿块胀痛=1，并且腋窝淋巴结肿大=1，双乳等大对称=1，肿物质硬=1，左乳肿物=1，肿块压痛=1，则为良性;(9)如果肿物活动度可=1，并且腋窝淋巴结肿大=1，则为恶性;(10)如果肿物活动度可=1，并且腋窝淋巴结肿大=0，肿物质硬=0，肿物压痛=0，则为良性;(11)如果肿物活动度可=1，并且腋窝淋巴结肿大=0，肿物质硬=1，右乳肿块=0，则为恶性;(12)如果肿物活动度可=1，并且腋窝淋巴结肿大=0，肿物质硬=1，右乳肿块=1，肿物边界清楚=0，则为恶性;(13)如果肿物活动度可=1，并且腋窝淋巴结肿大=0，肿物质硬=1，右乳肿块=1，肿物边界清楚=1，则为良性;(14)如果肿物活动度可=1，并且腋窝淋巴结肿大=0，肿物质硬=0，肿块压痛=1，胀痛与月经有关=1，则为恶性;(15)如果肿物活动度可=1，并且腋窝淋巴结肿大=0，肿物质硬=0，肿块压痛=1，胀痛与月经有关=0，肿块胀痛=0，则为良性;(16)如果肿物活动度可=1，并且腋窝淋巴结肿大=0，肿物质硬=0，肿块压痛=1，胀痛与月经有关=0，肿块胀痛=1，肿物边界清楚=1，则为恶性;(17)如果肿物活动度可=1，并且腋窝淋巴结肿大=0，肿物质硬=0，肿块压痛=1，胀痛与月经有关=0，肿块胀痛=1，肿物边界清楚=0，则为良性。所建立模型二(HSBU)结果显示:该模型共有1个根节点和4个分支节点。其中每个节点分别标以良性或恶性。沿着根节点到每一个叶节点的路径都可产生一条分类规则，将它们转换成If-Then规则，得到诊断规则:(1)如果不规则结节=0，并且腋窝淋巴结肿大=0，则为良性;(2)如果不规则结节=0，腋窝淋巴结肿大=1，则为恶性;(3)如果不规则结节=1，肿块压痛=0，则为恶性;(4)如果不规则结节=1，并且肿块压痛=1，结节内散在强光点=1，则为恶性;(5)如果不规则结节=1，并且肿块压痛=1，结节内散在强光点=0，肿块胀痛=0，则为恶性;(6)如果不规则结节=1，并且肿块压痛=1，结节内散在强光点=0，肿块胀痛=1，则为良性。所建立模型三(HSMR)结果显示:该模型只有1个根节点（病灶ADC值减低），转换成If-Then规则，得到诊断规则:如果病灶ADC值减低=1，则为恶性;否则为良性。 结果:模型一对自身数据集进行预测，得出准确率、灵敏度、特异度分别是98.04％、98.25％、97.78％。模型二对自身数据集进行预测，得出准确率、灵敏度、特异度分别是100％、100％、100％。模型三对自身数据集进行预测，得出准确率、灵敏度、特异度分别是100％、100％、100％。 结论:(1)三个诊断模型作为计算机辅助诊断模式，经试验检测，诊断性能良好，与病理结果基本相符，可为临床鉴别乳腺结节性质提供方法，提高诊断准确率;(2)从经济成本角度考虑，进行健康体检时可考虑应用模型一或者模型二，模型三推荐做术前检查更理想。三个诊断模型可独立运行;(3)通过决策树建立了分类器，可以自动鉴别乳腺结节良恶性，通过检验性能良好，但是模型的稳定性有待今后临床实践的证实。