1、“..... , , , , , , , , , , ......”。

2、“.....检查方法 特征数据提取方法 人工神经网络及算法 人工神经网络理论基础 人工神经元模型 人工神经网络模型 神经网络 神经网络的基本原理 网络的限制与不足 神经网络设计基础 训练样本集的准备 初始权值 网络的结构选择 网络训练与测试 模糊神经网络 模糊神经网络理论基础 模糊理论与技术 隶属度函数的特点 确定隶属度函数的基本原则 确定隶属度函数的方法 常用隶属度函数的图形 模糊神经网络 模糊神经网络用于肺癌诊断 模糊神经网络的结构模型 模糊神经网络用于肺癌诊断的步骤 高斯型和三角形隶属度函数模糊神经网络在肺癌诊断中的性能比 较 高斯型和三角形隶属度函数模糊神经网络的诊断结果 高斯型......”。

3、“.....肺癌已成为严重威胁人类健康的主要疾病之，其发病率 呈逐年增高的趋势，因此找出条高效的早期肺癌诊断方法至关重要。尽 管各国医学界对此做了大量研究，并将计算机辅助诊断的方法用于肺癌研 究。但由于肺癌的种类较多，并且受多种因素的影响，计算机辅助诊断具 有相当的局限性。同时......”。

4、“.....如何确定诊断模型，建立的模型与实际情况是否相符仍是个问题。 当然，医学方面的原因也不可忽视。由于些原因有些病人的病例数据不 完整。依靠这些病例库建立的医学模型往往具有较大的局限性，用于新病 例库时误差可能比较大。如果按照传统的方法建立诊断模型，有缺项的数 据是不太好处理的。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是很难处理的。 由于人工神经网络有较强的容错性，少数输入数据在些项上的 对网络最终结果的正确性影响不大，将人工神经网络用于肺癌诊断， 提高了早期肺癌的检出率。但是，由于诊断数据与诊断结果之间的关系有 时是不确定的，肺癌误诊的可能性仍未消除。 在相当长的时间内......”。

5、“.....人工神 经网络是个旨在模仿人脑结构及其功能的智能信息处理系统而模糊理 论是以模糊逻辑为基础，通过模仿人类的判断推理来处理问题的。当然， 人工神经网络和模糊理论也存在些共同点可以根据给定的输入输 出信号，建立合适的非线性系统模型数据是并行处理的。为了降低肺 癌的误诊率，提出了种新的肺癌诊断方法，即把人工神经网络和模糊理 论相结合，用于肺癌诊断。二者的融合提高早期肺癌的检出率，得到比 较满意的诊断结果......”。

6、“.....是本人在导师的指导下，进行 研究所取得的成果。除文中已经注明引用的内容外，本论文不包含任何其他人 或集体已经发表或撰写过的科研成果。对本文的研究做出重要贡献的个人和集 体，均已在文中以明确方式标明。本声明的法律责任由本人承担。 学位论文作者日期年月日 学位论文使用授权声明 本人在导师指导下完成的论文及相关的职务作品，只是产权归属郑州大学。 根据郑州大学有关保留使用学位论文的规定......”。

7、“.....允许论文被查阅和借阅本人授权郑州大学 可以将本学位论文的全部或部分编入有关数据库进行检索，可以采用影印缩 印或者其他复制手段保存论文和汇编本学位论文。本人离校后发表使用学位 论文或与该学位论文直接相关的学术论文或成果时，第署名单位仍然为郑州 大学。保密论文在解密后应遵守此规定。 学位论文作者日期年月日 中文摘要 中文摘要 肺癌是当今世界各国常见的恶性肿瘤，已成为大多数国家癌症死亡的主要 原因。在我国，肺癌的发病率已由原来的第六位升至第位，病死率在城市人 口恶性肿瘤中居首位。在农村，升幅明显大于城市，尤以农村女性的增长趋势 较为突出......”。

8、“.....不易发现， 待到发现时已有转移。所以，早期诊断具有重要的价值，而且对治疗计划有很 重要的影响。因此，提高早期肺癌的检出率是提高患者生存率和降低死亡率的 必要手段。 本文回顾了肺癌诊断的历史现状,在此基础上,介绍并讨论了人工神经网络 和模糊理论的结合模糊神经网络。由于人工神经网络是基于人脑的计算机 模型，具有良好的自适应性自组织和很强的自学习能力，是数据分类和模式 识别的有力工具。而模糊理论能更直接更自然地表达人类习惯用的逻辑含义， 适用于直接的或高层的知识表达。将二者结合用于早期肺癌诊断,为肺癌诊断开 辟条新途径。本课题以从胸部片中提取的项放射学特征和个临床参 数为基础......”。

9、“.....使诊断结果更加准确。 方法选用隶属度函数为高斯型的模糊神经网络用于肺癌诊断，将个特 征参数中的个非二值变量进行模糊化处理，每个参数分为个模糊子空间， 用大中小个语言变量表示，每个输入变量就有个模 糊化神经元与其在个子空间对应的隶属度函数对应，然后和其它个二值参 数起作为神经网络的输入。将所获得的例病例样本随机分为训练集和 测试集，训练模糊神经网络，选择合适的隐节点数。用测试集测试该网络区分 肺癌和非肺癌的能力，并将结果与三角形隶属度函数模糊神经网络的测试结果 进行比较。 结果对于早期肺癌的预测，高斯型隶属度函数模糊神经网络的虚警和漏 检率较低......”。