TY -的A2施赖伯Zexin AU -杨,亚历山大•李盟——Kaiji盟——张,丽丽盟——魏Chiju AU -杨,Peixuan盟——徐,紫光PY - 2020 DA - 2020/12/07 TI -甲状腺结节的分类堆放去噪稀疏Autoencoder SP - 9015713六世- 2020 AB - 目的。有几个商业测试在细胞学不定甲状腺结节的分类。然而,地理不便和高成本限制其广泛使用。本研究旨在开发一个分类器方便临床效用。 方法。甲状腺结节组织的基因表达数据收集从三个公共数据库。免疫相关基因用于构造分类器与去噪稀疏autoencoder不利。 结果。分类器识别恶性和良性甲状腺结节表现良好,曲线下面积为0.785(0.638 - -0.931),精度为92.9%(92.7 - -93.0%),(95.9 - -101.3%)的敏感性为98.6%,特异性为58.3%(30.4 - -86.2%),阳性似然比为2.367(1.211 - -4.625)和阴性似然比为0.024 (0.003 - -0.177)。在20 - 40%的癌症患病率范围不确定甲状腺结节在细胞学阴性预测价值的范围的分类器是37 - 61%,阳性预测值为98 - 99%的范围。 结论。在这项研究中开发的分类器有为甲状腺结节的区别的能力。然而,它需要验证在细胞学上不确定的甲状腺结节的临床使用。SN - 1687 - 8337 UR - https://doi.org/10.1155/2020/9015713 - 10.1155 / 2020/9015713摩根富林明国际内分泌学杂志PB - Hindawi KW - ER