RBF径向基神经网络——乳腺癌医学诊断建模

案例描述

近年来疾病早期诊断越来越受到医学专家的重视，从而产生了各种疾病诊断的新方法。乳癌最早的表现是患乳出现单发的、无痛性并呈进行性生长的小肿块。肿块位于外上象限最多见，其次是乳头、乳晕区和内上象限。因多无自觉症状，肿块常是病人在无意中（如洗澡、更衣）发现的。少数病人可有不同程度的触痛或刺激和乳头溢液。肿块的生长速度较快，侵及周围组织可引起乳房外形的改变，出现一系列体征。如：肿瘤表面皮肤凹陷；邻近乳头的癌肿可将乳头牵向癌肿方向；乳头内陷等。癌肿较大者，可使整个乳房组织收缩，肿块明显凸出。癌肿继续增长，形成所谓“桔皮样”改变。这些都是乳腺癌的重要体征。

乳癌发展至晚期，表面皮肤受侵犯，可出现皮肤硬结，甚者皮肤破溃形成溃疡。癌肿向深层侵犯，可侵入胸筋膜、胸肌，致使肿块固定于胸壁而不易推动。

乳癌的淋巴转移多表现为同侧腋窝淋巴结肿大，初为散在、无痛、质硬，数目较少，可被推动；以后肿大的淋巴结数目增多，互相粘连成团，与皮肤或腋窝深部组织粘连而固定。少数病人可出现对侧腋窝淋巴结转移。

乳癌的远处转移，至肺时，可出现胸痛、气促、胸水等；椎骨转移时，出现患处剧痛甚至截瘫；肝转移时，可出现黄疸、肝肿大等。

案例分析

本案例通过采集乳腺癌的9个医学指标数据，通过建立RBF神经网络模型，为早期诊断乳腺癌是良性或是恶心提供有效依据。用于预测建模的9个医学指标为：细胞的均匀形状、细胞边缘粘附程度、胆上皮细胞大小、裸核大小、Bland染色体、正常核仁大小、丛厚度、均匀细胞大小、有丝分裂程度。

预测建模

操作步骤一：数据准备

1.  本用例提供临床采集的699例样本数据集作为样本数据，详见：《样本数据­.xls》。

2.   本例用于预测建模的9个医学指标为细胞的均匀形状、细胞边缘粘附程度、胆上皮细胞大小、裸核大小、Bland染色体、正常核仁大小、丛厚度、均匀细胞大小、有丝分裂程度，样本数据如下：

将“样本数据.xls”文件的699条数据中前650条数据作为训练数据集，后49条数据作为

操作步骤二：创建方案

登录TipDM平台后的默认页面即为“方案管理”，在此页面，选择“数据分类”创建一个新方案，方案名称：基于RBF神经网络乳腺癌医学诊断建模。方案描述：近年来疾病早期诊断越来越受到医学专家的重视，从而产生了各种疾病诊断的新方法。本案例经综合分析后，采集了乳腺癌的9个医学指标数据，通过建立RBF神经网络模型，为早期诊断乳腺癌是良性或是恶心提供有效依据。

操作步骤三：数据管理

方案创建完成后，点击“数据管理”，点击“浏览”找到“样本数据.xls”，点击“上传”将数据导入方案中，如果数据未及时显示，点击“刷新“则显示出导入的数据。

操作步骤四：预测建模

在系统菜单栏选择“分类与回归”其中子菜单“神经网络”下有本次应用的算法“RBF神经网络”算法，点击该菜单右边出现该算法页面。

1、导入训练样本数据：选择所有数据列及第1至第650行，导入专家样本数据。

2、参数设置：点击按钮“参数设置”，弹出参数设置框，共有六项参数可以设置：“聚类种子数”、“最大迭代次数”、 “最小标准差”、“聚类数”、“岭参数”、“预测输出”。

² 聚类种子数：K-均值聚类种子数

² 最大迭代次数：最大训练（迭代）次数

² 最小标准差：设定允许误差最小值

² 聚类数：样本最后聚类的个数

² 岭参数：对数似然值的岭参数

² 预测输出：选择“True”，当交叉验证和模型训练时，将会输出样本的预测结果。

3、模型训练、交叉验证、模型验证、模型预测的操作请根据数据文件登陆https://eb.tipdm.org:10078操作。