基于OPLS⁃DA和人工神经网络算法研究血细胞参数在乳腺癌诊断中的价值

摘要

目的运用OPLS⁃DA和人工神经网络算法发掘和研究血细胞参数对乳腺癌的诊断价值。方法收集乳腺癌患者和健康女性的血细胞参数,通过OPLS⁃DA发掘两者之间的主要差异血细胞参数;通过ROC法计算主要差异参数对乳腺癌诊断的灵敏度和特异性;基于主要差异参数,建立神经网络诊断模型,用于乳腺癌的诊断预测。结果OPLS⁃DA提示基于血细胞参数,乳腺癌患者和健康女性之间存在显著差异,平均血小板体积(MPV)、嗜碱性粒细胞绝对值(BA#)、血小板计数(PLT)、平均红细胞体积(MCV)、红细胞计数(RBC)和淋巴细胞绝对值(LY#)是两组之间的主要差异参数。上述参数对乳腺癌诊断特异性分别为0.564、0.983、0.622、0.674、0.878和0.762,灵敏度分别为0.819、0.614、0.618、0.561、0.393和0.514,ROC曲线下面积(AUC)分别为0.773、0.793、0.657、0.649、0.643和0.635。基于6种主要参数,通过逆向传播算法经16862次迭代建立人工神经网络模型,对乳腺癌预测的灵敏度为0.9412,特异性为0.7955。结论本文通过OPLS⁃DA算法发掘了乳腺癌患者和健康女性之间的主要差异血细胞参数,成功建立了人工神经网络的乳腺癌预测模型,对乳腺癌的诊断筛查具有一定价值。