本研究课题利用统计学方法和模糊数学理论来构建辅助诊断模型,实现神经胶质细胞瘤自动分级诊断功能,为临床医生提供利用MRS信息进行胶质瘤分级诊断工具,主要包括三部分内容:第一部分通过对PUBMED主题词检索和中国期刊网全文数据库关键词检索,获取关于神经胶质细胞瘤的MRS相关波谱信息在分级诊断中作用的研究数据,并筛选出14个随机对照研究数据作为我们的Meta分析对象。通过Meta分析ROC曲线分析,了解MRS各波谱变量在胶质瘤分级诊断中的特异性和敏感性,比较相关参数变量作用强弱,为我们进行模糊聚类分析及构建诊断模型时选取特征变量提供循证医学依据。第二部分研究内容基于第一部分研究基础之上,通过对MRS的特征变量的提取,来进行模糊聚类分析,实现对不同级别的胶质细胞瘤的聚类过程。利用原始数据的标化和计算夹角余弦/最大最小距离的方法产生相似关系矩阵,对相似关系矩阵进行Washall算法的自乘操作,转化成等价关系矩阵,通过N轮循环聚类完成胶质瘤的分类过程,并输出各个级别模糊参照子集。通过模糊参照子集,来对未知分类的元素进行聚类分析,实现其归属类别的自动分级过程。第三部分主要是基于模糊聚类算法来构建辅助诊断模型,通过自动抽取前件及隶属函数方式,来生成IF-then诊断规则,从而建立脑肿瘤诊断知识库模型。实现对胶质瘤分级诊断的输入与输出过程。总之,基于对核磁波谱的特征变量提取,利用模糊聚类算法来构建脑肿瘤分级诊断模型,实验结果表明该模型能对神经胶质细胞瘤准确分级,具有临床实用价值,同时也为进一步实现更复杂的脑肿瘤诊断系统模型提供方法。