基于BP神经网络、随机森林和决策树建立早期慢性乙型病毒性肝炎肝硬化无创诊断模型

• 作者: 唐艳芳 刘旭东 吕萍 林海 温映华
• 来源期刊: 重庆医学
• 学科: 医学
• 关键词: 乙型肝炎肝硬化 BP神经网络 随机森林 决策树CHAID算法 无创性诊断
• 年，卷（期）: 2022,（7）
• 所属期刊栏目: 论著·临床研究|Clinical Research
• 页码范围: 1161-1166
• 页数: 6页
• 分类号: R512.6
• 语种: 中文
• DOI: 10.3969/j.issn.1671-8348.2022.07.016

摘要

目的 探讨BP神经网络模型、随机森林模型和决策树CHAID算法模型对早期慢性乙型病毒性肝炎肝硬化的诊断价值.方法 收集2018年1月至2019年8月在该院住院且行肝组织活检的106例慢性乙型肝炎病毒(HBV)感染者的临床资料,包括人口学、中医四诊资料、生化指标、肝脏硬度值(LSM)及肝组织病理学结果等参数,采用SPSS18.0软件进行非参数检验和x2检验,经单因素分析,筛选出对早期肝硬化有统计学差异的指标作为自变量,以有无肝硬化作为因变量,分别建立BP神经网络、随机森林和决策树CHAID算法模型,通过计算3个模型的正确率、错误率、混淆矩阵、灵敏度、特异度、约登指数、阳性预测值、阴性预测值、受试者工作特征(ROC)曲线下面积(AUC)值等来评价和比较3种模型的优劣.结果 成功建立了早期慢性乙型病毒性肝炎肝硬化无创诊断模型,在训练组样本和测试组样本中,随机森林算法模型预测正确率(84％,100％)、灵敏度(0.813,1.000)、约登指数(0.701,1.000),ROC AUC(0.896,1.000)均高于BP神经网络算法模型和决策树CHAID算法模型.结论 基于随机森林算法的诊断模型建立可以准确判断早期慢性乙型肝炎肝硬化,其预测能力优于BP神经网络模型算法模型和决策树CHAID算法模型,具有良好的临床应用价值.