于跃
- 作品数：1 被引量：7H指数：1
- 供职机构：重庆医科大学医学信息学院更多>>
- 发文基金：重庆市自然科学基金更多>>
- 相关领域：医药卫生更多>>
- 基于数据挖掘技术建立的BP神经网络模型鉴别儿童川崎病与发热性疾病的研究被引量：7
- 2017年
- 目的以临床表现和实验室指标建立诊断川崎病(KD)的BP神经网络模型并考察其诊断性能。方法收集重庆医科大学附属儿童医院(我院)2007年1月至2016年1月电子病历系统中出院诊断为KD的连续病例和待鉴别发热疾病病例,使用R 3.2.3软件中的随机抽样函数分为训练集和测试集。截取病历中一般情况、临床表现和实验室指标的共51项信息,单因素分析后提取有统计学意义的变量,以此分别构建Logistic回归和BP神经网络模型,比较两种模型的诊断性能。结果 905例KD患儿和438例待鉴别发热疾病患儿进入数据模型分析,训练集1 042例,其中KD 700例,待鉴别发热类疾病342例;测试集301例,其中KD 205例,待鉴别发热类疾病96例。单因素分析结果显示差异有统计学意义37项信息。Logistic回归分类模型有16个变量纳入最佳回归方程。BP神经网络输入层、隐含层和输出层分别有37、24和1个节点。Logistic回归分类模型对训练集和测试集的分类正确率为84.1%和82.1%,ROC曲线下面积为0.91和0.89;BP神经网络模型对训练集和测试集的分类正确率为96.4%和86.0%,ROC曲线下面积为0.94和0.92;2个模型的敏感度均很好,BP神经网络模型的特异度优于Logistic回归分类模型。结论本文建立的BP神经网络诊断模型对KD有较好的诊断辅助功能,有待进一步通过临床检验。
- 樊楚贺向前于跃田杰张胜李哲
- 关键词：川崎病发热疾病LOGISTIC回归BP神经网络
