首页 > 文献资料
-
基于人工神经网络的诊断模型对针吸细胞学诊断小细胞型乳腺癌的应用研究
目的 探讨人工神经网络(ANN)诊断模型对小细胞型乳腺癌的针吸细胞学诊断价值.方法 利用MPIAS-2000系统对60例乳腺癌及30例乳腺良性病变针吸细胞的29项形态定量参数进行定量分析,建立人工神经网络诊断模型,对19例小细胞型乳腺癌进行人工神经网络诊断模型的判别分析.结果 人工神经网络诊断模型对小细胞乳腺癌及良性病变的诊断特异性为100%,敏感性为84.2%.结论 利用乳腺癌针吸细胞形态定量的人工神经网络诊断模型,对辅助针吸细胞学诊断小细胞型乳腺癌具有重要的参考价值.
-
细胞图像光度学计量对鉴别诊断小细胞型乳腺癌的价值研究
目的:探讨小细胞型乳腺癌针吸细胞图像的光度学特征及与乳腺良性病变之间的量化差异和鉴别价值.方法:用MPIAS-500多媒体病理细胞图像分析仪,对22例小细胞型乳腺癌的针吸细胞分胞体、胞核和胞浆三大结构进行了细胞图像光密度值9项指标的计量研究,并以20例乳腺良性病变做对照.结果:在9项指标中小细胞型乳腺癌有6项指标与乳腺良性病变差异非常显著(P<0.01),其中胞体1项,胞核2项,胞浆3项;有3项指标差异显著(p<0.05).结论:利用细胞图像分析仪对小细胞型乳腺癌进行光度学分析,其多参数的光密度指标对协助针吸细胞学鉴别诊断小细胞型乳腺癌有重要参考价值.
-
细胞形态计量对针吸细胞学诊断小细胞型乳腺癌的探讨
为探讨细胞形态计量对针吸细胞学鉴别诊断小细胞型乳腺癌的价值,运用MIPAS-500多媒体病理图文分析仪,对其细胞形态进行二维和三维图像定量分析.结果发现:在量化的26项参数中有14项小细胞型乳腺癌与乳腺良性病变有非常显著性差异(P<0.01).提示:细胞形态计量尤其是细胞核和细胞浆两大结构的计量分析对针吸细胞学鉴别诊断小细胞型乳腺癌有实用价值.