文献类型：期刊文章

作　　者：黄仕鑫[1,2] 浦科学[1] 桑祎莹[3] 罗亚玲[3]

Huang Shi-Xin;Pu Ke-Xue;Sang Yi-Ying;Luo Ya-Ling(Medical Data Science Academy,Chongqing Medical University,Chongqing 400016,China;Human Resource Section,People’s Hospital of Yubei District of Chongqing City,Chongqing 401120,China;College of Medical Informatics,Chongqing Medical University,Chongqing 400016,China)

机构地区：[1]重庆医科大学医学数据研究院,重庆400016 [2]重庆市渝北区人民医院人力资源科,重庆401120 [3]重庆医科大学医学信息学院,重庆400016

出　　处：《解放军医学杂志》

基　　金：国家社会科学基金项目(15BGL191)~~

年　　份：2020

卷　　号：45

期　　号：1

起止页码：73-78

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAS、CSA-PROQEUST、CSCD、CSCD2019_2020、DOAJ、EMBASE、IC、JST、PROQUEST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：目的以临床检查指标建立2型糖尿病性周围神经病变(DPN)的遗传算法优化反向传播(GA-BP)神经网络模型并评价其诊断性能。方法收集重庆医科大学附属医院2016年1-12月收治的DPN患者2240例和非DPN患者2632例,采用SPSS 21.0对两组患者的41项临床检验指标进行单因素分析,选取有统计学意义的变量37项,采用R软件构建决策树、贝叶斯模型,采用MATLAB 2014a软件构建BP神经网络和GA-BP神经网络模型,通过各项评估参数比较这4个模型的优劣。结果决策树模型的测试样本准确率为93.4%,贝叶斯模型为70.0%,BP神经网络模型为98.9%,GA-BP神经网络模型为99.5%;工作特征曲线下面积分别为0.93、0.72、0.99、0.99;约登指数分别为0.87、0.59、0.98、0.98。结论GA-BP神经网络模型对DPN有很好的计算机辅助诊断作用,但仍须进一步进行临床试验。

关 键 词：糖尿病性周围神经病变 决策树 贝叶斯模型 BP神经网络 遗传算法

分 类 号：R587.2]