本文選題：腎小球濾過率　切入點：慢性腎臟病　出處：《華南理工大學》2012年碩士論文

【摘要】：慢性腎臟�。–KD）是一類嚴重影響人類健康的疾病。臨床上廣泛采用腎小球濾過率（GFR）來評價腎功能及作為輔助診斷的依據(jù)。目前基于99mTc-DTPA的同位素成像方法準確性高，被認為是GFR檢測的金標準，但需要昂貴的配套設(shè)備，限制了其臨床推廣。為了尋找一種方便、快捷、價廉、在普通醫(yī)院也能實施的GFR檢測方法，有美國學者提出GFR估算經(jīng)驗方程，并在美國得到臨床推廣。但該方程移植到中國人群的適用性差，遠遠達不到臨床要求，而國內(nèi)相關(guān)研究進展緩慢。本文是與中山大學附屬第三醫(yī)院腎內(nèi)科合作，在前期大量隨訪數(shù)據(jù)和相關(guān)研究的基礎(chǔ)上，采用了人工神經(jīng)網(wǎng)絡(luò)方法建立GFR估算模型。 本研究積累了共1180例樣本，分為訓練集、內(nèi)部驗證集和外部驗證集。所有數(shù)據(jù)經(jīng)過預(yù)處理后，分別采用BP神經(jīng)網(wǎng)絡(luò)、GRNN、Legendre神經(jīng)網(wǎng)絡(luò)、多項式神經(jīng)網(wǎng)絡(luò)建立模型，并對BP神經(jīng)網(wǎng)絡(luò)采用了常見的遺傳優(yōu)化算法，嘗試采用S函數(shù)將Legendre神經(jīng)網(wǎng)絡(luò)由單輸入變量推廣至多輸入變量，提出了多項式神經(jīng)網(wǎng)絡(luò)冪次組合的自適應(yīng)確定方法。同時還采用MIV方法基于遺傳算法優(yōu)化的BP網(wǎng)絡(luò)進行輸入變量的篩選，以提高模型性能。 各模型的性能主要從準確性和一致性兩個方面來進行評估，其中準確性用偏差、偏差百分數(shù)、符合率等指標來反映，而一致性由Bland-Altman圖來體現(xiàn)，并且通過相應(yīng)的統(tǒng)計學檢驗方法來檢驗各指標之間的差異是否具有統(tǒng)計學意義。通過各神經(jīng)網(wǎng)絡(luò)模型和經(jīng)驗方程的性能比較，最終選用6輸入變量的遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)模型作為較優(yōu)模型，并設(shè)計了相應(yīng)的可視化界面以實現(xiàn)模型展示。 本文提出的模型，其性能優(yōu)于臨床常用的經(jīng)驗方程，，可進行臨床推廣以實現(xiàn)進一步的驗證和修正。同時人工神經(jīng)網(wǎng)絡(luò)的性能均要優(yōu)于經(jīng)驗方程，這一結(jié)果表明以人工神經(jīng)網(wǎng)絡(luò)為代表的機器學習方法在生物醫(yī)學數(shù)據(jù)處理方面，相對于經(jīng)典的統(tǒng)計學方法而言具有無可比擬的優(yōu)勢。
[Abstract]:Chronic kidney disease (CKD) is a kind of disease which seriously affects human health.Glomerular filtration rate (GFR) is widely used to evaluate renal function and serve as a basis for auxiliary diagnosis.At present, the isotope imaging method based on 99mTc-DTPA has high accuracy and is considered to be the gold standard of GFR detection, but it needs expensive matching equipment, which limits its clinical popularization.In order to find a convenient, fast and inexpensive method for GFR detection in general hospitals, some American scholars put forward the empirical equation of GFR estimation, and it has been popularized in the United States.However, the applicability of the equation to Chinese population is poor, which is far from the clinical requirement, and the domestic research progress is slow.In this paper, in cooperation with the Department of Renal Medicine of the third affiliated Hospital of Sun Yat-sen University, on the basis of a large number of follow-up data and related studies, an artificial neural network method is used to establish the GFR estimation model.A total of 1180 samples were collected in this study, which were divided into training set, internal verification set and external verification set.After all the data are preprocessed, BP neural network (GRN) and polynomial neural network are used to establish the model, and the common genetic optimization algorithm is used for BP neural network.This paper attempts to generalize Legendre neural network from single input variable to input variable by S function, and presents an adaptive method for power combination of polynomial neural network.At the same time, MIV method is used to select input variables based on BP neural network optimized by genetic algorithm to improve the performance of the model.The performance of each model is mainly evaluated from two aspects of accuracy and consistency, in which the accuracy is reflected by deviation, deviation percentage, coincidence rate, and the consistency is reflected by Bland-Altman diagram.And through the corresponding statistical test methods to test whether the differences between the indicators have statistical significance.By comparing the performance of each neural network model and the empirical equation, the genetic algorithm with 6 input variables is selected to optimize the BP neural network model as the better model, and the corresponding visual interface is designed to realize the model display.The model proposed in this paper is superior to the commonly used empirical equations and can be popularized for further validation and correction.
【學位授予單位】：華南理工大學
【學位級別】：碩士
【學位授予年份】：2012
【分類號】：R318.0

【相似文獻】

相關(guān)期刊論文 前10條

1 梁宏;黃永炎;盧澤勤;;人工神經(jīng)網(wǎng)絡(luò)預(yù)測程序的設(shè)計[J];華夏醫(yī)學;1993年04期

2 張彤，唐慶玉,楊福生;人工神經(jīng)網(wǎng)絡(luò)在腦電分析中的應(yīng)用[J];國外醫(yī)學.生物醫(yī)學工程分冊;1994年05期

3 宗東升;董鴻曄;;淺析數(shù)據(jù)挖掘及其在藥物分析中的應(yīng)用[J];實用藥物與臨床;2006年01期

4 尹耀慧;金益強;易振佳;;人工神經(jīng)網(wǎng)絡(luò)在中醫(yī)藥現(xiàn)代化研究中的應(yīng)用[J];中醫(yī)藥導(dǎo)報;2006年09期

5 段芳;徐亮;黃新;;人工神經(jīng)網(wǎng)絡(luò)在醫(yī)學中的應(yīng)用[J];九江醫(yī)學;2008年02期

6 劉朝暉;李明亞;黃榕波;;人工神經(jīng)網(wǎng)絡(luò)在藥動學中的應(yīng)用[J];中國醫(yī)院藥學雜志;2008年18期

7 趙漢青;;基于人工神經(jīng)網(wǎng)絡(luò)的冠心病鑒別診斷方[J];中外醫(yī)療;2011年12期

8 李坤成,鄧小元,劉樹良;人工神經(jīng)網(wǎng)絡(luò)在MRI腦結(jié)構(gòu)測量診斷Alzheimer病的進一步應(yīng)用研究[J];中國醫(yī)學影像技術(shù);2000年12期

9 沈波;鄭能雄;劉寶英;;人工神經(jīng)網(wǎng)絡(luò)及其在公共衛(wèi)生領(lǐng)域的應(yīng)用[J];海峽預(yù)防醫(yī)學雜志;2009年05期

10 陳華忠;謝忠好;曾碧新;;人工神經(jīng)網(wǎng)絡(luò)在類風濕關(guān)節(jié)炎診斷中的應(yīng)用[J];數(shù)理醫(yī)藥學雜志;2010年02期

相關(guān)會議論文 前10條

1 馮玉強;黃梯云;;基于人工神經(jīng)網(wǎng)絡(luò)的人口發(fā)展模型的自動選擇[A];管理科學與系統(tǒng)科學進展——全國青年管理科學與系統(tǒng)科學論文集（第3卷）[C];1995年

2 趙卿;曹曉嵐;;人工神經(jīng)網(wǎng)絡(luò)及其在醫(yī)學中的應(yīng)用[A];第五次全國中西醫(yī)結(jié)合神經(jīng)科學術(shù)會議論文集[C];2004年

3 田國富;張國忠;張幼君;;人工神經(jīng)網(wǎng)絡(luò)在齒輪設(shè)計中的應(yīng)用[A];全面建設(shè)小康社會：中國科技工作者的歷史責任——中國科協(xié)2003年學術(shù)年會論文集（下）[C];2003年

4 汪學清;單仁亮;;人工神經(jīng)網(wǎng)絡(luò)在爆破塊度預(yù)測中的應(yīng)用研究[A];第二屆中國水利水電巖土力學與工程學術(shù)討論會論文集（一）[C];2008年

5 應(yīng)義斌;景寒松;趙勻;;人工神經(jīng)網(wǎng)絡(luò)在黃花梨果形識別中的應(yīng)用[A];面向21世紀的科技進步與社會經(jīng)濟發(fā)展（上冊）[C];1999年

6 周保生;朱維申;;巷道圍巖移近量的人工神經(jīng)網(wǎng)絡(luò)預(yù)測[A];第一屆海峽兩岸隧道與地下工程學術(shù)與技術(shù)研討會論文集（下冊）[C];1999年

7 閔惜琳;;信息系統(tǒng)中基于神經(jīng)網(wǎng)絡(luò)的統(tǒng)計需求分析[A];西部開發(fā)與系統(tǒng)工程——中國系統(tǒng)工程學會第12屆年會論文集[C];2002年

8 趙金鑫;許寶杰;;基于改進的BP網(wǎng)絡(luò)的礦用風機故障診斷方法的研究[A];第八屆全國設(shè)備與維修工程學術(shù)會議、第十三屆全國設(shè)備監(jiān)測與診斷學術(shù)會議論文集[C];2008年

9 劉永清;劉泉寶;蔡廣基;;最大存貯容量的前饋神經(jīng)網(wǎng)絡(luò)拓撲結(jié)構(gòu)的研究[A];1995年中國智能自動化學術(shù)會議暨智能自動化專業(yè)委員會成立大會論文集（上冊）[C];1995年

10 趙林度;陳斐松;陳天滋;;基于BP算法的圖象數(shù)據(jù)壓縮的研究[A];1995中國控制與決策學術(shù)年會論文集[C];1995年

相關(guān)重要報紙文章 前10條

1 胡性慧　王唯赫 楊騰;人工神經(jīng)網(wǎng)絡(luò)拓寬版權(quán)貿(mào)易路徑[N];中國知識產(chǎn)權(quán)報;2010年

2 張東方;沙明;楊松松;人工神經(jīng)網(wǎng)絡(luò)在中藥領(lǐng)域中的應(yīng)用[N];中國醫(yī)藥報;2003年

3 本報記者 靖九江 采寫;人工神經(jīng)網(wǎng)絡(luò)在臨床上的應(yīng)用[N];中國醫(yī)藥報;2005年

4 苑希民（中國水利水電科學研究院決策支持技術(shù)研究室 主任） 李彥彬 徐建新（華北水利水電學院） 李鴻雁（北京理工大學管理與經(jīng)濟學院） 苑韶峰 呂軍（浙江大學環(huán)境與資源學院）;人工神經(jīng)網(wǎng)絡(luò) 靈感源于大腦[N];中國水利報;2005年

5 記者 周前進;人工神經(jīng)網(wǎng)絡(luò)可篩查糖尿病[N];健康報;2000年

6 徐會川;延伸人類智力——人工神經(jīng)網(wǎng)絡(luò)[N];電腦報;2003年

7 葛一鳴 路邊文;人工神經(jīng)網(wǎng)絡(luò)將大顯身手[N];中國紡織報;2003年

8 本報記者 范毅波 張旭軍;帶上望遠鏡上路[N];網(wǎng)絡(luò)世界;2005年

9 記者靖九江;發(fā)動e引擎 推動健康事業(yè)發(fā)展[N];中國醫(yī)藥報;2005年

10 劉友存;熱軋帶鋼力學性能在線預(yù)測系統(tǒng)簡介[N];中國冶金報;2007年

相關(guān)博士學位論文 前10條

1 吳建發(fā);優(yōu)選壓裂井方法研究[D];西南石油學院;2005年

2 李軍紅;冷軋帶肋鋼筋工藝的現(xiàn)代優(yōu)化方法及質(zhì)量控制[D];南昌大學;2006年

3 Han Qiang;[D];山東大學;2005年

4 申金山;基于人工神經(jīng)網(wǎng)絡(luò)的化學發(fā)光法及光度法在多組分同時測定中的應(yīng)用研究[D];四川大學;2005年

5 張治國;人工神經(jīng)網(wǎng)絡(luò)及其在地學中的應(yīng)用研究[D];吉林大學;2006年

6 王海瑞;密閉式城市生活垃圾直接氣化熔融焚燒過程控制策略研究[D];昆明理工大學;2007年

7 劉傳文;仿生優(yōu)化算法在數(shù)字圖像處理中的應(yīng)用研究[D];武漢理工大學;2008年

8 劉永闊;核動力裝置故障診斷智能技術(shù)的研究[D];哈爾濱工程大學;2006年

9 蒲秀娟;胎兒心電信號提取研究[D];重慶大學;2009年

10 O-煒;基于人工神經(jīng)網(wǎng)絡(luò)的混合智能系統(tǒng)研究及應(yīng)用[D];哈爾濱工程大學;2009年

相關(guān)碩士學位論文 前10條

1 李寧山;基于人工神經(jīng)網(wǎng)絡(luò)的腎小球濾過率估算研究[D];華南理工大學;2012年

2 劉永福;人工神經(jīng)網(wǎng)絡(luò)在上海股市趨勢預(yù)測中的應(yīng)用——與時間序列預(yù)測對比分析[D];東北財經(jīng)大學;2003年

3 盛本云;人工神經(jīng)網(wǎng)絡(luò)在變電站綜合自動化系統(tǒng)優(yōu)化中的應(yīng)用[D];南京理工大學;2003年

4 薛新華;人工神經(jīng)網(wǎng)絡(luò)在地基土液化判別中的作用[D];中國海洋大學;2004年

5 董添文;CO_2氣體保護焊干擾因素計算機識別系統(tǒng)的研究與設(shè)計[D];內(nèi)蒙古工業(yè)大學;2005年

6 金洪星;腦電圖自動檢測技術(shù)的研究和應(yīng)用[D];南京工業(yè)大學;2005年

7 徐學明;基于人工神經(jīng)網(wǎng)絡(luò)的車輛跟馳模型研究[D];北京工業(yè)大學;2006年

8 黃智;四川工業(yè)經(jīng)濟預(yù)警方法、模型與信息系統(tǒng)研究[D];四川大學;2006年

9 黃雪燕;人工神經(jīng)網(wǎng)絡(luò)在GDP預(yù)測中的應(yīng)用研究[D];吉林大學;2007年

10 孫立春;早期推定粉煤灰混凝土強度試驗研究[D];西安建筑科技大學;2007年

本文編號：1714741