论文部分内容阅读
目的：应用人工神经网络（ ANN）技术联合肿瘤标志蛋白芯片建立人工智能辅助诊断模型，探讨其对肺癌诊断的价值。方法：采用蛋白芯片（化学发光法）测定201例肺良性疾病患者、202例肺癌患者血清中9项血清肿瘤标志（ CA199、Ferritin、AFP、CA153、CEA、NSE、CA242、CA125、HGH）的水平，logistic回归筛选，建立ANN和Fisher判别分析肺癌诊断模型。结果：4项肿瘤标志（ CEA、NSE、Ferritin、CA153）建立的ANN模型的ROC曲线下面积（0．850）高于4