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

• 作者: 于跃 张胜 李哲 樊楚 田杰 贺向前
• 来源期刊: 中国循证儿科杂志
• 关键词: 川崎病 发热疾病 Logistic回归 BP神经网络 诊断模型
• 年，卷（期）: 2017,（1）
• 所属期刊栏目: 论著
• 页码范围: 22-26
• 页数: 5页
• 字数: 4635字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-5501.2017.01.005

摘要

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	田杰	重庆医科大学附属儿童医院心内科	199	1114	15.0	22.0
2	贺向前	重庆医科大学医学信息学院	29	126	6.0	10.0
3	李哲	重庆医科大学医学信息学院	4	8	2.0	2.0
4	张胜	重庆医科大学医学信息学院	3	8	2.0	2.0
5	樊楚	重庆医科大学医学信息学院	3	8	2.0	2.0
6	于跃	重庆医科大学医学信息学院	3	10	2.0	3.0