导读： 提 要 目的：利用人工神经网络模型BP算法的多层前馈网络模型原理，建立用于肺癌诊断的神经网络模型。方法：利用人工神经网络的函数逼近功能模型，建立输入到输出的函数映射关系。结果：该模型可较好地反映系统的动态性和数据的时序关联性。对肺癌诊断数据的...
提 要 目的：利用人工神经网络模型BP算法的多层前馈网络模型原理，建立用于肺癌诊断的神经网络模型。方法：利用人工神经网络的函数逼近功能模型，建立输入到输出的函数映射关系。结果：该模型可较好地反映系统的动态性和数据的时序关联性。对肺癌诊断数据的应用结果显示肺癌病人的正确检出率为96.2%，误诊率为3.8%；非肺癌病人的正确检出率为88%，误诊率为12%。结论：基于人工神经网络的肺癌诊断方法具有较高的准确性。
肺癌的诊断问题各国医学界已作了一些研究，并取得了某些实际的成果。但是，由于肺癌的多种类型以及多种相关因素，使得现有的诊断在准确性和实用性方面都存在着相当的局限性，如建模复杂困难。由于对影响罹病与否的各种因子的作用机制了解得不是很清楚，如何建立诊断模型，以及如何确定新建立的模型在何种程度上与实际情况相吻合还是一个问题；容错能力不强，适用范围不广；依赖于某个病例库新建立起来的医学模型往往具有很强的局限性，用于新的病例库时误差有时较大。另外，由于医学方面的原因，我们收集到的数据有时不完整，而现有的研究方法所建立起的医学模型由于容错性差，对这些不完整的数据通常都难以处理。以非线性大规模并行分布处理为特点的人工神经网络理论突破了传统的线性处理模式，以其高度的并行性，良好的容错性和自适应能力成为人们研究其赖以生存的非线性世界，探索和研究某些复杂大系统的有力工具。
原理与方法
神经网络是一个具
