中文摘要：

本研究对经临床病理和/或穿刺活检证实并进行CT检查的150例肺内孤立结节的4个临床参数和12个CT扫描评价指标(CT征象、继发改变和其他异常)进行影像学分析与评价，积累肺内孤立结节的数据集以及对数据集属性信息进行描述、量化。描述肺内孤立结节的结果状况可分为两类，即良性（1，2，3）和恶性（0）。从150例样本中随机选择70%左右的样本作为训练样本，组成训练集，其余样本组成测试集。建立BP神经网络模型及支持向量机模型。利用支持向量机(SVM)对肺内孤立结节的数据集进行学习和预报，对照病理结果比较三种模型对所有样本的诊断结果。实验结果表明支持向量机在肺内孤立结节诊断较BP神经网络拥有较高的敏感度以及相对较低的误判率。本课题利用支持向量机来获取诊断知识，获得比神经网络更高的精度并得到更丰富的诊断信息。通过支持向量机的应用，能够扩大了医生有限的个人知识和经验，克服医生的个人方面的主观因素，使临床诊断变得变得更为准确、更为科学。