BP神经网络在高频彩超特征诊断乳腺癌中的应用*

叶华容 杨 怡 林 萱 舒志成 朱长才 许珊丹△

BP神经网络在高频彩超特征诊断乳腺癌中的应用*

叶华容1杨 怡1林 萱1舒志成1朱长才2许珊丹2△

目的 本研究选取乳腺癌和良性肿块为研究对象，建立BP神经网络高频彩超乳腺癌诊断模型，为乳腺癌早期诊断提供科学方法。方法 运用SPSSClementine11.1，以高频彩超影像特征指标作为BP神经网络模型输入层，以病理学诊断是否为乳腺癌作为输出层，通过训练样本建立高频彩超特征诊断乳腺癌的BP神经网络模型。结果 在利用高频彩超影像特征诊断乳腺癌时，影响最大的是包膜、蟹足或毛刺，其次是后方回声、血流、边界、回声均匀与否，而内部回声、形态、砂粒状微钙化、腋窝淋巴结等是相对次要因素。BP神经网络模型预测准确性、灵敏度和特异度分别为96.9%、95.5%和97.6%。结论 利用BP神经网络进行高频彩超特征诊断乳腺癌效果较好，有进一步研究的价值。

乳腺癌 BP神经网络 高频彩超

乳腺癌是女性主要恶性肿瘤之一，其发病率和死亡率不断上升，对女性的健康造成严重危害。早期发现、早期诊断是治疗乳腺癌、提高乳腺癌生存率的关键［1］。彩色多普勒超声检测是现阶段使用较多且效果较好的乳腺良恶性肿瘤鉴别方法，与其他病理检查比较，高频彩超具有无痛、无创、直观、价廉及重复性好等优势，与常规乳腺X摄影比较，高频彩超具有安全、方便、无射线损害、廉价、不受年龄限制等诸多优点［2］。本研究收集良恶患者彩色多普勒超声的特征，通过建立高频彩超特征诊断乳腺癌的BP神经网络模型，为乳腺癌早期诊断提供科学方法和借鉴。

资料与方法

1.资料来源

收集武汉市某三甲医院2011年1月～2014年3月以乳腺肿块住院患者资料，入选病例术前行高频彩超检查并经病理检查，共计216例，均为女性，年龄20～86岁，肿块大小0.7～6.0cm。多数患者无明显自觉症状，多为常规体检中发现乳腺肿块就诊，少数患者自觉乳房胀痛而就诊。其中，良性乳腺病例144例，占66.7%，恶性病例72例，占33.3%。

2.统计分析方法

利用EPIDATA3.0建立数据库，利用SPSS Clementine 11.1进行 BP神经网络的模拟，以 Xi（i＝1，2，…，n）为输入神经元，Y为输出神经元，建立三层BP神经网络，包括输入层、隐含层和输出层。

结 果

1.良恶性肿瘤的超声表现

对216例乳腺肿块的形态、边界、有无包膜、蟹足或毛刺、内部回声、回声均匀与否、后方回声、砂粒状微钙化、血流、腋窝淋巴结肿大等10个特征按照乳腺肿块术后病理检查结果进行分类，结果显示良性组和恶性组的这10个影像特征均有统计学差异（p＜0.001）。结果见表1。

表1 良性组及恶性组彩色多普勒超声表现

2.高频彩超特征诊断乳腺癌的BP神经网络模型的建立

本研究在建模过程中对样本进行拆分，按照默认的7：3比例形成训练集和验证集，总样本为216例，其中训练集样本数为152例，测试集样本数为64例。选取10个乳腺癌超声特征指标（X1～X10）作为自变量，以年龄（对年龄离散化，在SPSS软件中设定测量尺度为有序）作为协变量，以Y（病例性质良性＝0，恶性＝1）作为因变量建立模型。最终建立的模型隐含层包括4个神经元。神经网络拟合的自变量重要性见表2。

表2 自变量病理结果的重要性列表

3.BP神经网络模型拟合的效果

BP神经网络模型预测准确性为96.9%，灵敏度为95.5%，特异度为97.6%。

表3 BP神经网络模型拟合效果的分类百分比

讨 论

1.对BP神经网络结果的解释

本研究显示，在利用高频彩超影像特征诊断乳腺癌时，影响最大的是包膜、蟹足或毛刺，其次是后方回声、血流、边界、回声均匀与否，而内部回声、形态、砂粒状微钙化、腋窝淋巴结等是相对次要因素。

包膜、蟹足或毛刺是最为重要的影响因素，重要性分别达到100.0%和75.0%。临床上良性肿块呈膨胀性生长，周围可见明显包膜回声。恶性肿块多是浸润性生长，呈放射状浸入周围组织内，而在影像特征上表现为包膜不清，可见蟹足或毛刺，该项特征无论在钼靶检查还是超声检查中，均是明确提示肿瘤浸润的征象，尤其是浸润性导管癌。即便是小的恶性结节其周边也常常有毛刺出现，只是相对于较大恶性肿瘤，小结节的毛刺较微小、较短、较为细密［3］。在本研究模型中，无包膜、有蟹足或毛刺形成均提示具有较大的危险性，与相关研究一致［3-4］。

后方回声、血流、边界、回声均匀与否的重要性分别为46.7%、45.8%、41.3%和30.2%。肿块内部回声反映肿块内病理变化，肿块内部回声不均匀、后方回声衰减是乳腺癌的特征之一，由于其内部密度不均匀，因此超声上表现为内部回声不均，同时，由于恶性肿块常伴有针尖样的钙化，因此超声上显示为恶性肿瘤所特有的密集的强回声点，而良性肿块多表现为内部回声均匀、后方回声增强或不变等。血流信号，即血流的丰富程度，恶性肿块的血供较良性肿块丰富，前者多为2～3级血流，后者多为0～1级血流［4］。

2.BP神经网络模型的确定

常规统计学方法要求被分析变量满足正态性、独立性的条件，而且其在处理复杂非线性问题时存在一定的局限。而BP神经网络是一种非线性映射系统，对被分析变量没有任何要求，而且BP神经网络在模型的信息含量、结果的合理性方面有明显优势［5］。

BP神经网络结构的确定是建模过程的一大难点，尤其是隐含层神经元数目的确定目前尚无有效的指导方法。隐含层神经元数目过少，建立的模型过于简单，对于数据的内在规律提取不足，从而导致拟合不足；神经元数目过多，则建立的网络结构又可能过于复杂，导致过度拟合现象［6］。两种情况均会降低模型的泛化能力，影响其应用价值。通过反复尝试，对不同网络结构的拟合效果进行评价，从中选择最优模型。

3.BP神经网络模型在临床中的推广应用

生命现象是错综复杂的，为了揭示各种现象发生发展的规律，当前的临床医学与预防医学开展了大量研究并取得了丰富的数据，如何采取合理的数学模型利用这些数据对疾病进行前瞻性预测成为目前医学工作者的重要工作之一。神经网络模型因具较好的预测能力、较快的运算速度、良好的稳定性、解决复杂非线性关系的能力，在预测和评价方面显示出优越性和合理性，从而具有较好的实际应用价值［7］。BP神经网络模型为临床实践研究提供了新方法，临床医生应将其运用到临床实践中去，结合统计学常用软件来探索BP神经网络的建立。由于疾病的预测是一种前瞻性的研究方法，模型预测的结果是否符合客观实际，是否对临床诊断有所帮助还要经过实践应用来检验，有待于进一步研究［8］。

［1］赵文娟，李文新.大连地区妇女乳腺癌、宫颈癌筛查结果分析.中国卫生统计，2012，29（1）：125-126.

［2］任红，于学林，崔进国.超声与X线钼靶在乳腺癌诊断中的应用.实用放射学杂志，2013，29（6）：899-901.

［3］赵军.钼靶X射线、超声及MRI对乳腺癌诊断的应用价值.影像介入，2014，20（4）：26-29.

［4］刘军杰，李智贤，丁雪明，等.超声、MRI检查在乳腺癌诊断中的应用效果比较.山东医药，2012，52（22）：54-55.

［5］刘文东，吴莹，艾静.BP神经网络在痢疾发病趋势预测中的应用研究.中国卫生统计，2012，29（6）：801-804.

［6］谭英，耿德勤，黄水平，等.用人工神经网络建立缺血性脑卒中复发的预测模型.中国卫生统计，2013，30（5）：687-689.

［7］刘春艳，凌建春，寇林元，等.GA-BP神经网络与BP神经网络性能比较.中国卫生统计，2013，30（2）：173-181.

［8］余滨，丁春，魏善波，等.神经网络在麻疹预测预警中的应用.中华流行病学杂志，2011，32（1）：73-76.

*：武汉市临床医学科研项目（WX14B31）

1.华润武钢总医院超声科（430080）

2.武汉科技大学医学院公共卫生学院（430065）

△通信作者：许珊丹，E-mail：shandan_xu＠163.com

刘 壮）