BP神經網絡在高頻彩超特征診斷乳腺癌中的應用*

葉華容 楊 怡 林 萱 舒志成 朱長才 許珊丹△

BP神經網絡在高頻彩超特征診斷乳腺癌中的應用*

葉華容1楊 怡1林 萱1舒志成1朱長才2許珊丹2△

目的 本研究選取乳腺癌和良性腫塊為研究對象，建立BP神經網絡高頻彩超乳腺癌診斷模型，為乳腺癌早期診斷提供科學方法。方法 運用SPSSClementine11.1，以高頻彩超影像特征指標作為BP神經網絡模型輸入層，以病理學診斷是否為乳腺癌作為輸出層，通過訓練樣本建立高頻彩超特征診斷乳腺癌的BP神經網絡模型。結果 在利用高頻彩超影像特征診斷乳腺癌時，影響最大的是包膜、蟹足或毛刺，其次是后方回聲、血流、邊界、回聲均勻與否，而內部回聲、形態、砂粒狀微鈣化、腋窩淋巴結等是相對次要因素。BP神經網絡模型預測準確性、靈敏度和特異度分別為96.9%、95.5%和97.6%。結論 利用BP神經網絡進行高頻彩超特征診斷乳腺癌效果較好，有進一步研究的價值。

乳腺癌 BP神經網絡 高頻彩超

乳腺癌是女性主要惡性腫瘤之一，其發病率和死亡率不斷上升，對女性的健康造成嚴重危害。早期發現、早期診斷是治療乳腺癌、提高乳腺癌生存率的關鍵［1］。彩色多普勒超聲檢測是現階段使用較多且效果較好的乳腺良惡性腫瘤鑒別方法，與其他病理檢查比較，高頻彩超具有無痛、無創、直觀、價廉及重復性好等優勢，與常規乳腺X攝影比較，高頻彩超具有安全、方便、無射線損害、廉價、不受年齡限制等諸多優點［2］。本研究收集良惡患者彩色多普勒超聲的特征，通過建立高頻彩超特征診斷乳腺癌的BP神經網絡模型，為乳腺癌早期診斷提供科學方法和借鑒。

資料與方法

1.資料來源

收集武漢市某三甲醫院2011年1月～2014年3月以乳腺腫塊住院患者資料，入選病例術前行高頻彩超檢查并經病理檢查，共計216例，均為女性，年齡20～86歲，腫塊大小0.7～6.0cm。多數患者無明顯自覺癥狀，多為常規體檢中發現乳腺腫塊就診，少數患者自覺乳房脹痛而就診。其中，良性乳腺病例144例，占66.7%，惡性病例72例，占33.3%。

2.統計分析方法

利用EPIDATA3.0建立數據庫，利用SPSS Clementine 11.1進行 BP神經網絡的模擬，以 Xi（i＝1，2，…，n）為輸入神經元，Y為輸出神經元，建立三層BP神經網絡，包括輸入層、隱含層和輸出層。

結 果

1.良惡性腫瘤的超聲表現

對216例乳腺腫塊的形態、邊界、有無包膜、蟹足或毛刺、內部回聲、回聲均勻與否、后方回聲、砂粒狀微鈣化、血流、腋窩淋巴結腫大等10個特征按照乳腺腫塊術后病理檢查結果進行分類，結果顯示良性組和惡性組的這10個影像特征均有統計學差異（p＜0.001）。結果見表1。

表1 良性組及惡性組彩色多普勒超聲表現

2.高頻彩超特征診斷乳腺癌的BP神經網絡模型的建立

本研究在建模過程中對樣本進行拆分，按照默認的7：3比例形成訓練集和驗證集，總樣本為216例，其中訓練集樣本數為152例，測試集樣本數為64例。選取10個乳腺癌超聲特征指標（X1～X10）作為自變量，以年齡（對年齡離散化，在SPSS軟件中設定測量尺度為有序）作為協變量，以Y（病例性質良性＝0，惡性＝1）作為因變量建立模型。最終建立的模型隱含層包括4個神經元。神經網絡擬合的自變量重要性見表2。

表2 自變量病理結果的重要性列表

3.BP神經網絡模型擬合的效果

BP神經網絡模型預測準確性為96.9%，靈敏度為95.5%，特異度為97.6%。

表3 BP神經網絡模型擬合效果的分類百分比

討 論

1.對BP神經網絡結果的解釋

本研究顯示，在利用高頻彩超影像特征診斷乳腺癌時，影響最大的是包膜、蟹足或毛刺，其次是后方回聲、血流、邊界、回聲均勻與否，而內部回聲、形態、砂粒狀微鈣化、腋窩淋巴結等是相對次要因素。

包膜、蟹足或毛刺是最為重要的影響因素，重要性分別達到100.0%和75.0%。臨床上良性腫塊呈膨脹性生長，周圍可見明顯包膜回聲。惡性腫塊多是浸潤性生長，呈放射狀浸入周圍組織內，而在影像特征上表現為包膜不清，可見蟹足或毛刺，該項特征無論在鉬靶檢查還是超聲檢查中，均是明確提示腫瘤浸潤的征象，尤其是浸潤性導管癌。即便是小的惡性結節其周邊也常常有毛刺出現，只是相對于較大惡性腫瘤，小結節的毛刺較微小、較短、較為細密［3］。在本研究模型中，無包膜、有蟹足或毛刺形成均提示具有較大的危險性，與相關研究一致［3-4］。

后方回聲、血流、邊界、回聲均勻與否的重要性分別為46.7%、45.8%、41.3%和30.2%。腫塊內部回聲反映腫塊內病理變化，腫塊內部回聲不均勻、后方回聲衰減是乳腺癌的特征之一，由于其內部密度不均勻，因此超聲上表現為內部回聲不均，同時，由于惡性腫塊常伴有針尖樣的鈣化，因此超聲上顯示為惡性腫瘤所特有的密集的強回聲點，而良性腫塊多表現為內部回聲均勻、后方回聲增強或不變等。血流信號，即血流的豐富程度，惡性腫塊的血供較良性腫塊豐富，前者多為2～3級血流，后者多為0～1級血流［4］。

2.BP神經網絡模型的確定

常規統計學方法要求被分析變量滿足正態性、獨立性的條件，而且其在處理復雜非線性問題時存在一定的局限。而BP神經網絡是一種非線性映射系統，對被分析變量沒有任何要求，而且BP神經網絡在模型的信息含量、結果的合理性方面有明顯優勢［5］。

BP神經網絡結構的確定是建模過程的一大難點，尤其是隱含層神經元數目的確定目前尚無有效的指導方法。隱含層神經元數目過少，建立的模型過于簡單，對于數據的內在規律提取不足，從而導致擬合不足；神經元數目過多，則建立的網絡結構又可能過于復雜，導致過度擬合現象［6］。兩種情況均會降低模型的泛化能力，影響其應用價值。通過反復嘗試，對不同網絡結構的擬合效果進行評價，從中選擇最優模型。

3.BP神經網絡模型在臨床中的推廣應用

生命現象是錯綜復雜的，為了揭示各種現象發生發展的規律，當前的臨床醫學與預防醫學開展了大量研究并取得了豐富的數據，如何采取合理的數學模型利用這些數據對疾病進行前瞻性預測成為目前醫學工作者的重要工作之一。神經網絡模型因具較好的預測能力、較快的運算速度、良好的穩定性、解決復雜非線性關系的能力，在預測和評價方面顯示出優越性和合理性，從而具有較好的實際應用價值［7］。BP神經網絡模型為臨床實踐研究提供了新方法，臨床醫生應將其運用到臨床實踐中去，結合統計學常用軟件來探索BP神經網絡的建立。由于疾病的預測是一種前瞻性的研究方法，模型預測的結果是否符合客觀實際，是否對臨床診斷有所幫助還要經過實踐應用來檢驗，有待于進一步研究［8］。

［1］趙文娟，李文新.大連地區婦女乳腺癌、宮頸癌篩查結果分析.中國衛生統計，2012，29（1）：125-126.

［2］任紅，于學林，崔進國.超聲與X線鉬靶在乳腺癌診斷中的應用.實用放射學雜志，2013，29（6）：899-901.

［3］趙軍.鉬靶X射線、超聲及MRI對乳腺癌診斷的應用價值.影像介入，2014，20（4）：26-29.

［4］劉軍杰，李智賢，丁雪明，等.超聲、MRI檢查在乳腺癌診斷中的應用效果比較.山東醫藥，2012，52（22）：54-55.

［5］劉文東，吳瑩，艾靜.BP神經網絡在痢疾發病趨勢預測中的應用研究.中國衛生統計，2012，29（6）：801-804.

［6］譚英，耿德勤，黃水平，等.用人工神經網絡建立缺血性腦卒中復發的預測模型.中國衛生統計，2013，30（5）：687-689.

［7］劉春艷，凌建春，寇林元，等.GA-BP神經網絡與BP神經網絡性能比較.中國衛生統計，2013，30（2）：173-181.

［8］余濱，丁春，魏善波，等.神經網絡在麻疹預測預警中的應用.中華流行病學雜志，2011，32（1）：73-76.

*：武漢市臨床醫學科研項目（WX14B31）

1.華潤武鋼總醫院超聲科（430080）

2.武漢科技大學醫學院公共衛生學院（430065）

△通信作者：許珊丹，E-mail：shandan_xu＠163.com

劉 壯）