南方医科大学学报

作者：于洪峰, 孙 颖, 卢 笛, 蔡开灿, 余学飞

关键词：介电常数；肺癌；模拟退火算法；概率神经网络 ,,

目的 提出一种基于介电常数，模拟退火算法优化的概率神经网络（SA-PNN）分类鉴别方法，用于肺癌及其周围正常组织的鉴别。方法 基于开端同轴探头测量得到的肺肿瘤及其周围正常组织的介电常数，利用Statistical Dependency（SD）算法进行频率筛选，将筛选得到的频率点下的介电常数作为特征变量，使用SA-PNN进行分类鉴别。结果 经过SD算法最终筛选出3个频率点，分别为984、2724、2723 MHz，将这3个频率点下的介电常数作为特征变量，利用SA-PNN对200例样本数据进行鉴别，通过10折交叉验证，最终鉴别准确率为92.50%，灵敏度为90.65%，特异性为94.62%。结论 SA-PNN方法与传统的概率神经网络、BP神经网络、RBF神经网络以及MATLAB中的Classify判别分析函数相比，基于介电常数，SA-PNN方法对肺癌及其周围正常组织进行鉴别具有更高的准确率、灵敏度及其特异性。

来源：2020年第10期

《南方医科大学学报》期刊编辑部

查看南方医科大学学报杂志2020年第10期