基于人工神经网络的卵巢早衰预测模型研究

• 作者: 刘明娟 吴妍 姚蕾 盛文丽
• 来源期刊: 中国全科医学
• 关键词: 原发性卵巢功能不全 卵巢功能早衰 神经网络(计算机) 预测
• 年，卷（期）: 2017,（27）
• 所属期刊栏目: 方法学研究
• 页码范围: 3410-3415
• 页数: 6页
• 分类号: R711.75
• 语种: 中文
• DOI: 10.3969/j.issn.1007-9572.2017.06.y01

摘要

目的 建立基于人工神经网络(ANN)的卵巢早衰(POF)预测模型——多层向前神经网络模型,以期提高POF临床诊断总符合率.方法 2011年1-3月选取武汉市白玉山街所管辖的6个社区内符合纳入标准的妇女341例为研究对象.2011年5月-2016年6月,每隔4个月对研究对象进行1次来院随访,随访至其40岁.随访过程中2例研究对象行子宫切除术,2例服用性激素治疗,失访21例,均予以剔除,最终共纳入316例研究对象.采用无偏随机化分配法将316例研究对象分为训练样本(177例)、检验样本(44例)和坚持样本(95例).设置输入参数为A型行为、腮腺炎病史、妇科手术史、使用促排卵药物史、婚育史、卵泡刺激素(FSH)、FSH/黄体生成素(LH)、抗苗勒管激素(AMH)、抑制素B(INHB)、窦状卵泡数(AFC)、收缩期峰流速(PSV)、阻力指数(RI);输出参数为"是否发生POF".通过训练样本进行模型构建,检验样本对模型进行校正,坚持样本对模型进行稳定性检测.结果 ANN经过剔除"冗余"后,自动构建出输入单元(12个)、单隐层(6个节点)和激活函数(hyperbolic tangent)、输出单元(2个)和激活函数(softmax)的模型.训练样本的交叉熵误差值为53.236,在预测误差未减少时终止测试,训练时间为0.42 s.影响权重在前5位的输入参数分别为AMH(26.3%)、INHB(24.1%)、AFC(21.7%)、A型行为(7.2%)、妇科手术史(6.5%).多层向前神经网络模型预测训练样本、检验样本、坚持样本发生POF的灵敏度分别为97.8%、91.7%和92.0%,特异度分别为92.4%、84.4%和80.0%,总符合率分别为93.8%、86.4%和83.2%.在训练样本和检验样本的基础上,得到多层向前神经网络模型预测POF的受试者工作特征曲线下面积(AUC)为0.972.结论 基于ANN构建的POF预测模型——多层向前神经网络模型具有较高临床诊断总符合率,不仅为临床高效诊断及优化检查提供理论基础和方法支持,而且为实现早防早治提供机会,值得临床推广.