介电特性作为生物组织的固有属性,能够间接反映出组织的生理状态变化。当组织发生癌变时,其介电特性的变化尤为明显。通过开端同轴探头法测量组织的介电参数(介电常数和电导率)具有无创、简单、快速等优点,有望用于外科手术中对恶性肿瘤的实时检测,从而实现对恶性肿瘤的精准切除,减少对健康组织的损害,降低手术的风险。研究基于介电特性的组织鉴别方法,有助于实现临床肿瘤诊断的自动化决策,推进在临床应用上的进程。肺癌是发病率和致死率都很高的肿瘤之一,五年生存率低,严重危害了人类的生命健康。鉴于目前并没有对基于介电特性的肺癌组织分类的相关研究,因此本文提出一种自适应概率神经网络用于分类研究。本文采用开端同轴探头法在50MHz～4GHz频率范围内测量了 200例肺组织和219例肺淋巴结的介电参数。通过合成少数类过采样(Synthetic Minority Over-sampling TEchnique,SMOTE)算法解决数据类别不平衡问题,然后使用统计相关性(Statistical Dependency,SD)算法进行样本特征评分,再通过自适应概率神经网络进行分类研究,分别提出了基于验证集的自适应概率神经网络和基于聚类的自适应概率神经网络。此外,本文还使用传统的概率神经网络(Probabilistic Neural Network,PNN)、BP 神经网络、RBF 神经网络、线性判别分析、支持向量机(Support Vector Machine,SVM)、k 邻近(k-Nearest Neighbor,kNN)算法进行了分类实验,通过20次留出法(20-hold-out)计算鉴别正确率、灵敏度、特异性,对比不同方法的实验结果。最后,设计了人机交互式的图形用户界面(Graphical User Interface,GUI),更加直观的将鉴别结果展示给用户以及方便实验的进行。实验结果表明,对于肺组织,使用984、2724、2723、1001、982、2771、2722、2729、2726、2728MHz这10个频率点上的介电常数作为样本的特征时,自适应概率神经网络取得了最高的鉴别正确率,为93.63%,对应的灵敏度为94.32%,特异性为 92.78%。对于肺淋巴结,使用 3959、3958、3960、3978、3510、3889、3888、3976MHz这8个频率点上的电导率作为样本的特征时,自适应概率神经网络取得了最高的鉴别正确率,为92.92%,对应的灵敏度为94.72%,特异性为91.11%。本文提出的自适应概率神经网络的各层神经元数量易于确定,网络参数能够自适应变化,在基于介电特性的组织分类中取得了较好的鉴别结果,为术中基于介电特性的肿瘤诊断的自动化决策提供新的方法作为参考,具有一定的临床应用价值。