首页 > 文献资料
-
TAN贝叶斯网络模型在前列腺癌中的预测研究
目的:评价年龄、前列腺特异性抗原(PSA)以及经直肠前列腺超声影像特征构建的TAN贝叶斯网络(tree-augmented Na(i)ve Bayesian network)模型对前列腺癌的预测效果. 方法:收集2008年1月至2011年9月行前列腺穿刺活检941例患者的临床数据,包括年龄、PSA、超声影像以及病理诊断,构建TAN贝叶斯网络,对前列腺癌进行预测,并与病理诊断“金标准”比较. 结果:941例患者中,358例经活检证实为前列腺癌,583例为非前列腺癌性病变.TAN贝叶斯网络对前列腺癌预测的准确率为85.11％、灵敏度88.37％、特异性83.67％、阳性预测值70.37％、阴性预测值94.25％. 结论:基于年龄、PSA以及经直肠前列腺超声影像构建的TAN贝叶斯网络模型对前列腺癌预测效果较好,可作为临床筛查或诊断前列腺癌的一种方法.
-
基于CT定量比较两种算法对慢性阻塞性肺疾病危重程度的分级
目的 基于CT定量分析比较C5.0决策树模型和TAN贝叶斯网络模型对慢性阻塞性肺疾病(chronic obstruc-tive pulmonary disease,COPD)危重程度分类预测的正确率.方法 回顾性收集2015年3月至2017年9月"数字肺"数据库中心COPD患者的CT扫描图像与肺功能测试结果,按《2018年慢性肺疾病诊断、治疗及预防全球策略》诊断标准,将患者分为4级.利用"数字肺"自动分析平台得到所有患者肺实质及支气管的相关指标.以肺功能分级为参照,建立C5.0决策树模型和TAN贝叶斯网络模型,比较2个模型对COPD分级的正确率.结果 C5.0的决策树模型训练样本和测试样本的正确率分别为90.76％和63.63％,TAN贝叶斯网络模型训练样本和测试样本的正确率分别为83.19％和52.73％.结论 基于CT定量分析,应用C5.0决策树模型能更好地预测COPD疾病的危重程度.
