论文部分内容阅读
目的:运用人工神经网络建立冠心病和脑梗塞的风险预测模型,分析冠心病和脑梗塞发病相关危险因素,进行重要性评价,并对人工神经网络和Logistic回归分析方法进行比对。方法:对265例冠心病患者和102例非冠心病患者,进行8项血液指标、3项生理检查和8项个人史的检测、调查及统计分析。对各项指标进行单因素分析,对有统计学意义的指标作为神经网络参数进行分析,筛选出最佳组合,建立模型,对冠心病进行风险预测,并通过神经网络评价各个自变量对于冠心病影响的重要性大小。对128例脑梗塞患者和89例非脑梗塞患肯,进行7项血液指标、3项生理检查和11项个人史的检测、调查及统计分析。用人工神经网络对脑梗塞进行风险预测,并分别用人工神经网络模型(?)(?)Logistic回归模型对脑梗塞的21项相关因素进行重要性评价。结果:对冠心病有统计意义的18项指标进行人工神经网络模型分析,筛选出均方误差最小的最佳组合,其测试准确率、灵敏度、特异性均达到100%。应用人工神经网经网络对18项变量进行影响值大小的判断.结果表明总胆固醇、低密度脂蛋白胆固醇、高密度脂蛋白胆固醇和收缩压4个变最对冠心病的影响最大。人工神经网络和Logistic回归分析显示收缩压、血红蛋白和年龄3个变量是影响脑梗塞发病的重要危险因素。患有冠心病的病人发生脑梗塞的危险性是未患有冠心病病人的29倍,患有高血脂的病人发生脑梗塞的危险性是未患有高血脂病人的9倍,患有糖尿病的病人发生脑梗塞的危险性是未患有糖尿病病人的6倍结论:人工神经网络可准确评估冠心病和脑梗塞危险因素,对于疾病的诊断和早期筛查高危人群有一定意义。对于疾病相关因素分析,人工神经网络与Logistic回归模型结果基本一致,具有可比性。