【摘要】：目的以臨床表現(xiàn)和實(shí)驗(yàn)室指標(biāo)建立診斷川崎病(KD)的BP神經(jīng)網(wǎng)絡(luò)模型并考察其診斷性能。方法收集重慶醫(yī)科大學(xué)附屬兒童醫(yī)院(我院)2007年1月至2016年1月電子病歷系統(tǒng)中出院診斷為KD的連續(xù)病例和待鑒別發(fā)熱疾病病例,使用R 3.2.3軟件中的隨機(jī)抽樣函數(shù)分為訓(xùn)練集和測(cè)試集。截取病歷中一般情況、臨床表現(xiàn)和實(shí)驗(yàn)室指標(biāo)的共51項(xiàng)信息,單因素分析后提取有統(tǒng)計(jì)學(xué)意義的變量,以此分別構(gòu)建Logistic回歸和BP神經(jīng)網(wǎng)絡(luò)模型,比較兩種模型的診斷性能。結(jié)果 905例KD患兒和438例待鑒別發(fā)熱疾病患兒進(jìn)入數(shù)據(jù)模型分析,訓(xùn)練集1 042例,其中KD 700例,待鑒別發(fā)熱類(lèi)疾病342例;測(cè)試集301例,其中KD 205例,待鑒別發(fā)熱類(lèi)疾病96例。單因素分析結(jié)果顯示差異有統(tǒng)計(jì)學(xué)意義37項(xiàng)信息。Logistic回歸分類(lèi)模型有16個(gè)變量納入最佳回歸方程。BP神經(jīng)網(wǎng)絡(luò)輸入層、隱含層和輸出層分別有37、24和1個(gè)節(jié)點(diǎn)。Logistic回歸分類(lèi)模型對(duì)訓(xùn)練集和測(cè)試集的分類(lèi)正確率為84.1%和82.1%,ROC曲線(xiàn)下面積為0.91和0.89;BP神經(jīng)網(wǎng)絡(luò)模型對(duì)訓(xùn)練集和測(cè)試集的分類(lèi)正確率為96.4%和86.0%,ROC曲線(xiàn)下面積為0.94和0.92;2個(gè)模型的敏感度均很好,BP神經(jīng)網(wǎng)絡(luò)模型的特異度優(yōu)于Logistic回歸分類(lèi)模型。結(jié)論本文建立的BP神經(jīng)網(wǎng)絡(luò)診斷模型對(duì)KD有較好的診斷輔助功能,有待進(jìn)一步通過(guò)臨床檢驗(yàn)。
[Abstract]:Objective to establish a BP neural network model for the diagnosis of (KD) in Kawasaki disease based on clinical manifestations and laboratory indexes and to investigate its diagnostic performance. Methods from January 2007 to January 2016, the continuous cases of KD diagnosed in the electronic medical record system of affiliated Children's Hospital of Chongqing Medical University (our hospital) and the cases of febrile diseases to be identified were collected. The random sampling function in R 3.2.3 software was used to divide them into training set and test set. A total of 51 items of information about general situation, clinical manifestation and laboratory index were intercepted, and statistically significant variables were extracted after univariate analysis, and Logistic regression and BP neural network models were constructed to compare the diagnostic performance of the two models. Results 905 children with KD and 438 children with febrile diseases to be identified entered the data model analysis. There were 1042 cases of training set, including 700 cases of KD and 342 cases of febrile diseases to be identified, including 301 cases of KD and 96 cases of febrile diseases to be identified. The results of univariate analysis showed that there were 37 items of information with statistical significance. 16 variables in Logistic regression classification model were included in the optimal regression equation. BP neural network input layer, hidden layer and output layer were 37, 24 and 1 node, respectively. The classification accuracy of Logistic regression classification model for training set and test set was 84.1% and 82.1%, and the area under ROC curve was 0.91 and 0.89. The classification accuracy of BP neural network model for training set and test set is 96.4% and 86.0%. The sensitivity of the two models under ROC curve is 0.94and 0.92. the specificity of BP neural network model is better than that of Logistic regression classification model. Conclusion the BP neural network diagnostic model established in this paper has a good diagnostic auxiliary function for KD, and needs to be further tested.
【作者單位】： 重慶醫(yī)科大學(xué)醫(yī)學(xué)信息學(xué)院;重慶醫(yī)科大學(xué)附屬兒童醫(yī)院心內(nèi)科;
【基金】：重慶市自然科學(xué)基金:cstc2015shmszx0301
【分類(lèi)號(hào)】：R725.4

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 黃學(xué)群;一種模擬狗胸腔內(nèi)神經(jīng)節(jié)調(diào)節(jié)心臟活動(dòng)的神經(jīng)網(wǎng)絡(luò)模型[J];國(guó)外醫(yī)學(xué).生物醫(yī)學(xué)工程分冊(cè);1993年01期

2 王阿明;;高階神經(jīng)網(wǎng)絡(luò)模型中的學(xué)習(xí)算法研究[J];徐州醫(yī)學(xué)院學(xué)報(bào);2006年04期

3 談彬,王運(yùn)斗;神經(jīng)網(wǎng)絡(luò)模型在衛(wèi)生減員預(yù)計(jì)方面的初步探討[J];醫(yī)療衛(wèi)生裝備;2004年12期

4 趙筱萍,范驍輝,余杰,程翼宇;一類(lèi)基于組效關(guān)系神經(jīng)網(wǎng)絡(luò)模型的中藥藥效預(yù)測(cè)方法[J];中國(guó)中藥雜志;2004年11期

5 王阿明，，梁明理;廣義Hopfield神經(jīng)網(wǎng)絡(luò)模型[J];中國(guó)醫(yī)學(xué)物理學(xué)雜志;1994年01期

6 芮建中,凌樹(shù)森;神經(jīng)網(wǎng)絡(luò)模型及其在臨床藥理學(xué)中的應(yīng)用[J];中國(guó)臨床藥理學(xué)雜志;1997年03期

7 李國(guó)榮，鮑立威;一種新型的通用神經(jīng)網(wǎng)絡(luò)模型[J];山東生物醫(yī)學(xué)工程;1995年Z1期

8 歐陽(yáng)楷，崔淑敏，賈文艷，姚京京;一個(gè)新的時(shí)序神經(jīng)網(wǎng)絡(luò)模型及其仿真[J];北京生物醫(yī)學(xué)工程;1997年02期

9 文靈玲;用于肌電圖鑒別的神經(jīng)網(wǎng)絡(luò)模型[J];國(guó)外醫(yī)學(xué).生物醫(yī)學(xué)工程分冊(cè);1996年01期

10 申金媛,賈佳,常勝江;用RBF函數(shù)構(gòu)造神經(jīng)網(wǎng)絡(luò)模型[J];光電子·激光;1998年03期

相關(guān)會(huì)議論文 前10條

1 孫寶成;劉錫薈;;時(shí)間序列神經(jīng)網(wǎng)絡(luò)模型[A];全國(guó)青年管理科學(xué)與系統(tǒng)科學(xué)論文集（第1卷）[C];1991年

2 周金榮;胡澤新;黃道;;一種多層混合型神經(jīng)網(wǎng)絡(luò)模型的研究[A];1995中國(guó)控制與決策學(xué)術(shù)年會(huì)論文集[C];1995年

3 王阿明;劉天放;;高階神經(jīng)網(wǎng)絡(luò)模型特性研究[A];中國(guó)地球物理學(xué)會(huì)年刊2002——中國(guó)地球物理學(xué)會(huì)第十八屆年會(huì)論文集[C];2002年

4 屈景怡;王如彬;;大腦皮層神經(jīng)網(wǎng)絡(luò)模型同步問(wèn)題研究[A];第十四屆全國(guó)非線(xiàn)性振動(dòng)暨第十一屆全國(guó)非線(xiàn)性動(dòng)力學(xué)和運(yùn)動(dòng)穩(wěn)定性學(xué)術(shù)會(huì)議摘要集與會(huì)議議程[C];2013年

5 張美戀;林熙;;經(jīng)濟(jì)增長(zhǎng)的神經(jīng)網(wǎng)絡(luò)模型[A];1999年中國(guó)神經(jīng)網(wǎng)絡(luò)與信號(hào)處理學(xué)術(shù)會(huì)議論文集[C];1999年

6 陳昭炯;葉東毅;;一個(gè)改進(jìn)的競(jìng)爭(zhēng)神經(jīng)網(wǎng)絡(luò)模型[A];1996中國(guó)控制與決策學(xué)術(shù)年會(huì)論文集[C];1996年

7 郭成安;李建華;李明偉;;從觀(guān)測(cè)數(shù)據(jù)學(xué)習(xí)后驗(yàn)概率函數(shù):一種最佳神經(jīng)網(wǎng)絡(luò)模型的設(shè)計(jì)與分析[A];第十屆全國(guó)信號(hào)處理學(xué)術(shù)年會(huì)（CCSP-2001）論文集[C];2001年

8 李媛;康春艷;于亞芳;;交指型缺陷接地結(jié)構(gòu)共面波導(dǎo)的神經(jīng)網(wǎng)絡(luò)模型[A];2009年全國(guó)微波毫米波會(huì)議論文集（上冊(cè)）[C];2009年

9 禹建麗;蘇中義;楊衛(wèi)平;;牽引傳動(dòng)中潤(rùn)滑油牽引系數(shù)的神經(jīng)網(wǎng)絡(luò)模型[A];2005年中國(guó)智能自動(dòng)化會(huì)議論文集[C];2005年

10 胡金亮;李建生;余學(xué)慶;沈建京;周濤;王永炎;;用于中醫(yī)證候量化診斷的神經(jīng)網(wǎng)絡(luò)模型的探索[A];計(jì)算機(jī)在診法中的應(yīng)用與研究論文匯編[C];2005年

相關(guān)重要報(bào)紙文章 前1條

1 自治區(qū)交通廳養(yǎng)路費(fèi)征稽處 程愛(ài)娟;應(yīng)用“神經(jīng)網(wǎng)絡(luò)模型”預(yù)測(cè)婦女的平均工資水平[N];新疆科技報(bào)(漢);2000年

相關(guān)博士學(xué)位論文 前10條

1 袁朝暉;二元離散神經(jīng)網(wǎng)絡(luò)模型的動(dòng)力學(xué)分析[D];湖南大學(xué);2003年

2 王軍平;幾類(lèi)離散神經(jīng)網(wǎng)絡(luò)模型的動(dòng)力學(xué)分析[D];復(fù)旦大學(xué);2006年

3 南晉華;決策神經(jīng)網(wǎng)絡(luò)模型及應(yīng)用研究[D];華中科技大學(xué);2008年

4 周日貴;量子神經(jīng)網(wǎng)絡(luò)模型研究[D];南京航空航天大學(xué);2008年

5 劉艷青;時(shí)滯神經(jīng)網(wǎng)絡(luò)模型的穩(wěn)定性研究[D];天津大學(xué);2005年

6 趙靈曉;基于部件神經(jīng)網(wǎng)絡(luò)模型的制冷系統(tǒng)混合仿真方法及應(yīng)用[D];上海交通大學(xué);2010年

7 朱紅;高速（HS-K-WTA）神經(jīng)網(wǎng)絡(luò)模型[D];南京理工大學(xué);2003年

8 熊佩英;幾類(lèi)神經(jīng)網(wǎng)絡(luò)模型的動(dòng)力學(xué)分析[D];湖南大學(xué);2013年

9 劉開(kāi)宇;幾類(lèi)二元神經(jīng)網(wǎng)絡(luò)模型的動(dòng)力學(xué)性質(zhì)研究[D];湖南大學(xué);2004年

10 黃振坤;幾類(lèi)神經(jīng)網(wǎng)絡(luò)模型的動(dòng)力學(xué)分析[D];浙江大學(xué);2007年

相關(guān)碩士學(xué)位論文 前10條

1 楊巍;三元離散神經(jīng)網(wǎng)絡(luò)模型的穩(wěn)定性與分岔分析[D];東北林業(yè)大學(xué);2010年

2 孫文淵;基于BP神經(jīng)網(wǎng)絡(luò)模型下預(yù)測(cè)吉林省GDP[D];延邊大學(xué);2015年

3 李波;一類(lèi)帶有分段連續(xù)控制項(xiàng)的非線(xiàn)性遞推關(guān)系的漸近周期性[D];延邊大學(xué);2015年

4 鞏云野;兩類(lèi)具有時(shí)滯項(xiàng)的Cohen-Grossberg神經(jīng)網(wǎng)絡(luò)模型的穩(wěn)定性分析[D];東北林業(yè)大學(xué);2015年

5 王薇;一類(lèi)離散時(shí)間雙極人工神經(jīng)網(wǎng)絡(luò)模型的周期性[D];延邊大學(xué);2015年

6 李辰風(fēng);改進(jìn)遺傳BP網(wǎng)絡(luò)的地表沉降預(yù)測(cè)方法研究[D];江西理工大學(xué);2015年

7 尤軍;民用建筑沉降監(jiān)測(cè)與預(yù)報(bào)方法應(yīng)用研究[D];寧夏大學(xué);2015年

8 吳嬌嬌;基于時(shí)空神經(jīng)網(wǎng)絡(luò)模型的瓦斯?jié)舛阮A(yù)測(cè)研究[D];中國(guó)礦業(yè)大學(xué);2015年

9 李靈光;細(xì)長(zhǎng)導(dǎo)軌加工變形分析與參數(shù)優(yōu)化技術(shù)[D];北京理工大學(xué);2015年

10 王鵬;切換Cohen-Grossberg神經(jīng)網(wǎng)絡(luò)模型的動(dòng)力學(xué)分析[D];長(zhǎng)沙理工大學(xué);2014年

本文編號(hào)：2513237