优化的概率神经网络对基于介电常数的肺癌及其周围正常组织的鉴别

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.