Contrast-enhanced ultrasonography parameters in neural network diagnosis of liver tumors

瞄准：为了学习时间紧张的角色，在神经网络的一个复杂系统的曲线(TIC ) 分析参数设计了分类肝肿瘤。方法：我们有希望地与 hepatocellular 癌( HCC )包括了 112 个病人( n = 41 )， hypervascular ( n = 20 )并且 hypovascular ( n = 12 )肝转移，肝的 hemangiomas ( n = 16 )或焦点的丰满的变化( n = 23 )在肠胃病学和 Hepatology 的研究中心经历了提高对比的 ultrasonography ， Craiova ，罗马尼亚。我们记录了所有对比举起阶段和 processed 以后的完整的长度电影他们由选择兴趣(为肿瘤的和为健康包围实质的) 和连续 TIC 分析的二个区域离线。在最大的紧张，联系他们的时间和 late/portal 阶段的方面的差别，是由神经网络确定了，在中央、外部的区域的中部的紧张之间的比率被分析由一feed 前面的背繁殖被训练分类数据进五个不同的班的多层的神经网络，相应于肝的每种类型损害。结果：神经网络有 94.45% 训练精确性(95% CI：89.31%-97.21%) 并且 87.12% 严峻的精确性(95% CI：86.83%-93.17%) 。自动分类进程登记了 93.2% 敏感， 89.7% 特性， 94.42% 积极的预兆的值和 87.57% 否定预兆的价值。人工的神经网络(ANN ) 不正确地作为 hemangyomas 分类三个 HCC 盒子和二 hypervascular 转移，当接着作为 HCC (一个盒子) 和 hypervascular 转移(三个盒子) 分类四肝 hemangyomas 时。比较地， TIC 的人的解释显示出 94.1% 敏感， 90.7% 特性， 95.11% 积极预兆的价值和 88.89% 否定预兆的价值。ANN 诊断系统的精确性和特性类似于 TIC 的人的解释的(P = 0.225 并且 P = 0.451，分别地) 。Hepatocellular 癌盒子在冲刷在门和第一秒迟了的阶段跟随的动脉的阶段期间显示出对比举起。为 hypovascular，转移没在动脉的阶段期间显示出重要对比举起，它导致了最大的紧张之间的否定差别。我们为大多数 hypervascular 转移在迟了的阶段登记了冲刷。没有代理�