基于LSTM深度神经网络的月门诊量预测精度研究

• 作者: 周毅 张学良 李琳 王凯 王哲
• 来源期刊: 中国数字医学
• 学科: 医学
• 关键词: LSTM 门诊量 ARIMA 预测 慢性阻塞性肺病
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 特别专题——人工智能在医学领域的研究与应用
• 页码范围: 14-17
• 页数: 4页
• 分类号: R319
• 字数: 3568字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-7571.2019.01.004

摘要

目的:分析新疆地区慢性阻塞性肺病的月门诊量变化趋势,对医院月门诊量预测方法进行探讨,为医院合理配置医疗资源和提高救助能力提供科学依据.方法:采用ARIMA模型和LSTM模型对新疆地区慢性阻塞性肺病的月门诊量的时间序列进行预测,使用RMSPE值评价不同方法的预测精度.结果:ARIMA模型、时间步为1的LSTM、时间步为12的LSTM的RMSPE值分别是20.23％、22.23％和20.01％,相较之下时间步为12的LSTM网络的预测效果较好,时间步为1的LSTM效果最差.结论:LSTM预测医院月门诊量的准确率较高,为医院月门诊量预测提供了新的方法.