［1］Shao Zhenzhen，Li Junnan，Zhao Yumei，et al.Influencing factors analysis on mammography versus ultrasonography in detecting early stage breast cancer and epidemiological characteristics by Logistic regression［J］.Chinese Journal of Radiology，2017，51(2)：127-131.［邵真真，李军楠，赵玉梅，等.影响乳腺X线摄影和超声检出早期乳腺癌的流行病学相关因素分析［J］.中华放射学杂志，2017，51(2)：127-131.］
［2］Chen Xin，Huang Huan，Jin Rui，et al.Comparator analysis of mammographic features between invasive lobular carcinoma and invasive ductal carcinoma［J］.Journal of Practical Radiology，2015，31（9）：1435-1438.［陈欣，黄环，晋瑞，等.乳腺浸润性小叶癌与浸润性导管癌X线表现的对比分析［J］.实用放射学杂志，2015，31（9）：1435-1438.］
［3］Liu Shujing，Yang Guang，Li Yanan，et al.The analysis of X-ray manifestations and clinical pathology in triple negative breast cancer［J］.Journal of Practical Radiology，2016，32(7)：1043-1047.［刘淑敬，杨光，李亚男，等.三阴性乳腺癌X线征象及临床病理分析［J］.实用放射学杂志，2016，32(7)：1043-1047.］
［4］Zhao Hong，Zheng Suisheng，Jin Jing，et al.Value of mammography X-ray images in diagnosing breast diseases［J］.Chinese Journal of Medical Imaging，2012，20(7)：511-514.［赵红，郑穗生，金晶，等.钼靶X线影像对乳腺疾病的诊断价值［J］.中国医学影像学杂志，2012，20(7)：511-514.］
［5］Chen Jian，Tian Baoguo，Run Yunlong，et al.A tumor diagnostic method based on neural network［J］.Journal of Medical Imaging，2009，19(8)：978-980.［陈健，田宝国，闰云龙，等.基于人工神经网络的肿瘤诊断方法研究［J］.医学影像学杂志，2009，19(8)：978-980.］
［6］Matsuki Y，Nakamura K，Watanabe H，et al.Usefulness of an artificial neural network for differentiating benign from malignant pulmonary nodules on high-resolution CT：Evaluation with receiver operating characteristic analysis［J］.AJR，2002，178：657-663.
［7］Chen Hui，Wang Xiaohua，Zhou Xinhua，et al.Preliminary application of neural networks in differentiating benign from malignant solitary pulmonary nodule on HRCT images［J］.Beijing Biomedical Engineering，2005，24(6)：436-439.［陈卉，王晓华，周新华，等.神经网络在诊断HRCT上孤立肺结节良恶性中的初步应用［J］.北京生物医学工程，2005，24(6)：436-439.］
［8］Wang Wei，Ma Binlin.The value of the combination of mammography and ultrasonography in detection of the 146 cases with stage Ⅰ breast cancer［J］.Journal of Xinjiang Medical University，2006，29（6）：505-508.［王薇，马斌林.146例Ⅰ期乳腺癌的钼靶、B超与病理对照分析［J］.新疆医科大学学报，2006，29（6）：505-508.］
［9］Zhang Wenge，Wu Zening，Lu Hongbo.Improvement and application to BP neural network［J］.Henan Science，2003，21（2）：202-206.［张文鸽，吴泽宁，逯洪波.BP神经网络的改进及其应用［J］.河南科学，2003，21（2）：202-206.］
［10］Suzuki K.A supervised' lesion-enhancement' filter by use of a massive-training artificial neural network(MTANN) in computer-aided diagnosis(CAD) physics in medicine and biology［J］.2009，54(18)：S31-S45
［11］Suzuki K，Armato SG，Li F，et al.Massive training artificial neural network(MTANN) for reduction of false positives in computerized detection of lung nodules in low-dose computed tomography［J］.Medical Physics，2003，30(7)：1602-1617.
［12］Dayhof JE，Deleo JM.Artificial neural networks［J］.Cancer，2001，91(8)：1615-1634
［13］Wang Lijuan，Liu Yihui，Liu Qiang，et al.Study using neural networks improve the diagnostic accuracy rate of magnetic resonance spectroscopy in hepatocelluar carcinoma［J］.China Journal of Bioinformatics，2010，8(2)：171-174.［王丽娟，刘毅慧，刘强，等.神经网络提高肝细胞癌磁共振波谱诊断正确率［J］.生物信息学，2010，8(2)：171-174.］
［14］Makris GM，Pouliakis A，Siristatidis C，et al.Image analysis and multi-layer perceptron artificial neural networks for the discrimination between benign and malignant endometrial lesions［J］.Diagn Cytopathol，2017，45(3)：202-211.
［15］Yin Niandong.Design of BP neural network in engineering application［J］.Information Technology，2003，27（6）：18-20.［尹念东.BP神经网络的应用设计，信息技术，2003，27（6）：18-20.］
［16］Raua HH，Hsu CY，Lin YA，et al.Development of a web-based liver cancer prediction model for type Ⅱ diabetes patients by using an artificial neural network［J］.Comput Methods Programs Biomed，2016，125(1)：58-65.