目的 分析人工神经网络(BPANN)在乳腺癌诊断中的效应,为进一步提高乳腺癌检出率寻找新方法.方法 选择我院收治的43例乳腺癌患者,运用SPSS Clementine11.1方法,以高频彩超影响特征为指标作为人工神经网络(BPANN)模型的输入层,并以病理学诊断是否为乳腺癌为输出层,在构建训练样本的基础上,建立高频彩超特征的乳腺癌人工神经网络模型.结果 经本次研究结果发现,通过高频彩超影像学诊断乳腺癌期间,影响最大的为毛刺、微钙化点、包膜等,其次为内部回声、形态、腋窝淋巴结等,其中人工神经网络模型的准确性高大97.67％.结论 在乳腺癌临床诊断中,通过人工神经网络分析方法能够取得满意的诊断效果,因此值得推广.
NETL
NSTL
维普
万方数据
