论文部分内容阅读
目的：综合运用模糊数学和人工神经网络知识构建一个模糊神经网络（ FNN）模型，用于肺癌计算机辅助诊断。方法：以实际肺癌诊断病例（ n＝117）中的一部分（ n＝73）作为训练集，首先利用隶属度函数对样本的5个临床参数和21项CT特征进行模糊化处理，再输入基于BP算法的神经网络，对网络进行训练。用训练好的网络对余下的样本（n＝44）进行预测，并将预测结果以及基于BP神经网络（BPNN）的预测结果与病理结果进行比较。结果：FNN诊断肺癌的灵敏度、特异度和正确率分别为0．9048、0．9130和90．91％，B