论文部分内容阅读
目的采用多种标志物联合检测,应用人工神经网络系统,建立基于神经网络的肺癌智能化诊断模型.方法本文采用放射免疫学、酶联免疫吸附试验、化学等多学科联用的手段,分别测定CEA、CA125、NSE、β2-MG、胃泌素、sIL-6R、唾液酸、伪尿核苷、一氧化氮、Cu、Zn、Ca等12项指标;通过Logistic多因素回归分析,从上述12项指标中筛选出6项对肺癌诊断意义较大的指标,组成'最优标志物群'.并结合人工神经网络技术,构建出基于人工神经网络的肺癌智能诊断系统.结果该系统优于计量医学中常规统计学