BP神经网络和 Cox比例风险模型在生存分析应用中的比较

目的：比较BP神经网络模型和Cox比例风险模型在生存分析中的预测性能,进一步探讨BP神经网络模型在生存分析中的应用。方法：采用Monte Carlo 模拟数据集,如不同样本量、不同删失比例、不同协变量间关系及是否满足等比例风险假定的理论研究和胃癌根治术患者预后预测的实例分析,分别建立BP神经网络模型和Cox比例风险模型,最终使用一致性指数C对其预测性能进行比较。结果：当样本量为100、删失比例为60％、80％及样本量为300、删失比例为80％时,BP神经网络模型的预测性能高于Cox比例风险模型（P＜0．05）。协变量不满足等比例风险假定、协变量间存在三维交互作用和非线性关系时,BP神经网络模型的预测性能较Cox比例风险模型好（P＜0．05）。实例研究中发现,BP神经网络模型预测的一致性指数C（0．835）高于Cox比例风险模型（t配对＝4．311,P＜0．001）。结论：BP神经网络模型在生存分析的应用中对样本删失比例、是否满足PH假定、协变量间复杂交互作用和非线性关系具有非特异性,对资料限制较少,且预测一致性高,值得在生存分析中进一步推广应用。     

临床随访资料的多元分析方法

针对临床随访资料的多元分析方法种类多且各具特色的现状,为明确各种生存分析方法和特点及适用范围,在查阅中外文献和应用研究基金之上,进行总结分析,并对发展中的BP神经网络的生存分析中的性能进行了模拟.结果表明,各类方法都有独到之处,但也存在需解决的问题,方法的选择取决于资料的类型和研究目的.因此,针对具体问题,要确研究目的,分析资料特点,选择合适的模型,传统方法难以解决的非线性问题有望在神经网络模型中得到较好的解决.     

临床胡访资料的多元分析法

针对临床随访资料的多元分析方法种类多且各具特色的现状，为明确各种生存分析方法的特点及适用范围，在查阅中外献和应用研究基础之上，进行总结分析，并对发展中的ＢＰ神经网络在生存分析中的性能进行了模拟。结果表明，各类方法都有独到之处，但也存在需解决的问题。方法的选择取决于资料的类型和研究目的。因此，针对具体问题，要明确研究目的，分析资料特点。选择合适的模型；传统方法难以解决的非线性问题有望在神经网络模型中得到较好的解决。     

BP神经网络模型在肠癌中的应用研究

目的探索人工神经网络模型在肠癌研究中的应用。方法给出了人工神经网络模型的理论分析,在肠癌生物医学实验研究的基础上,利用BP神经网络模型综合研究肠癌患者的各项指标对预后的影响。结果BP神经网络模型能够反映包括调控基因在内的诸多因素与肠癌患者预后的关系。结论BP神经网络模型可以为肠癌研究提供新途径,具有良好的应用前景。     

小波神经网络模型在肺癌中的应用研究

目的探索小波神经网络模型在肺癌研究中的应用价值。方法给出了小波神经网络模型的理论分析，在肺癌生物医学实验研究的基础上，利用小波神经网络模型综合研究肺癌患者的各项指标对预后的影响。结果小波神经网络模型能够反映包括调控基因在内的诸多因素与肺癌患者预后之间的关系。结论小波神经网络模型可以为肺癌研究提供新途径。     

基于BP神经网络的煤工尘肺发病工龄预测组合模型的研究

目的探讨基于BP神经网络的组合模型在煤工尘肺发病工龄预测中的应用。方法采用SPSS18.0中的BP神经网络模型和多重线性回归模型对数据进行分析预测,运用最小二乘加权的方法对二模型进行加权拟合,采用平均相对误差对各模型预测结果进行分析,比较各模型的精确度,从而评价各模型的预测性能。结果由BP神经网络进行预测可以得出发病工龄预测值和真实值大致位于从原点起始的45°线上,符合理想状态下值的分布情况。在对数据进行多重线性回归分析后,得到R=0.967,R2=0.935,对方程进行检验,F=1367.408,P=0.000,表明可以应用此多重线性回归方程进行预测分析。BP神经网络模型,多重线性回归模型,组合模型的均方根误差分别为0.057、0.057、0.052;平均绝对误差分别为1.4、1.46、1.38;平均相对误差分别为0.17、0.12、0.02。结论实证表明,该组合模型的预测精确度比常规BP神经网络模型要好。组合模型的算法概念明确,计算简便,有较高的拟合和预测精度。     

深度学习在生物医学数据中的应用

介绍深度学习方法常用模型结构,包括卷积神经网络和循环神经网络模型,总结目前生物医学数据分析中深度学习的最新应用情况,分析其在数据处理、模型构建和训练方法等方面共有问题的解决方法,指出深度学习方法应用于生物医学数据分析中仍需解决的问题。     

Cox回归模型及其在急性非淋巴细胞白血病预后因素分析中的应用

在临床医学研究中,应用Cox回归模型(亦称比例危险模型)分析患者的生存期、缓解期、疾病的潜伏期等“时间—反应”类型资料,能克服传统的多元回归无法处理的“失访”或分析时仍生存的不完全生存时间的数据(又称截尾数据),能作出各个因素对生存影     

非线性混合效应模型拟合Logistic回归在临床试验中的应用

目的 探讨非线性混合效应模型拟合Logistic回归在临床试验中的应用.方法 采用SAS软件包的NLMIXED过程拟合模型,并以两例药物临床试验资料进行实例分析.结果 获得了各参数及其标准误的估计值,并可以对各因素进行直观的解释.结论 非线性混合效应模型允许固定效应和随机效应进入模型的非线性部分,可以拟合具有非线性的Logistic回归模型,是临床试验中分析二项分布数据有效方法.     

糖尿病足患者预后预测相关模型研究

目的：比较BP神经网络模型（backpropagation,BP）、遗传算法优化的BP神经网络模型（BPneuralnetworkmodeltrainedwithgeneticalgorithm,GA-BP）、COX比例风险模型在糖尿病足患者截肢及生存预后的预测效果,选择最优预测模型。方法：收集重庆医科大学附属第一医院2014年1月至2016年1月收治的273例糖尿病足患者住院资料,采用电话随访的形式对患者随访至2016年12月。建立BP神经网络模型、遗传算法优化的BP神经网络模型、COX比例风险模型,以ROC曲线下面积大小,灵敏度、特异度等值判断3种模型在糖尿病足患者截肢及生存预后中的预测效果。结果：结局分别为截肢及死亡时,BP神经网络模型（截肢：χ2=7.692,P=0.005;死亡：χ2=12.071,P=0.000）和遗传算法优化的BP神经网络模型（截肢：χ2=10.083,P=0.001;死亡：χ2=12.071,P=0.000）的预测性能均优于COX比例风险模型,而BP神经网络模型和遗传算法优化的BP神经网络模型的预测结果间差异均无统计学意义（截肢：χ2=0.200,P=1.000;死亡：χ2=0.000,P=1.000）。结论：BP神经网络模型及遗传算法优化的BP神经网络模型均可应用于糖尿病足等慢性疾病的生存预后分析。     

复合对向－反向传播人工神经网络模型及其应用

组合Ｋｏｈｏｎｅｎ竞争学习和反向传播学习的优点，本文首次提出了复合对向－反向传播人工神经网络模型，该模型较好地体现了生物神经网络系统信息处理时的自适应、自组织、分布式存贮及并行处理等特点。它保留了反向传播网络的优点，同时较后者更易收敛，计算时间缩短，网络参数设置也更为自由。通过在临床精液检查结果分析中的成功应用，证明了该系统的有效性和可靠性。     

基于BP神经网络的左右手击键动作的意识任务识别

目的研究基于神经网络的左右手运动的意识任务识别方法,探讨神经网络在脑机接口中的作用。方法在特征提取的基础上,设计3层BP神经网络。选用对数Sigmoid函数,实现输入到输出的非线性映射;采用梯度最速下降算法训练神经网络。结果应用BP神经网络和线性分类器分别对测试样本进行意识任务识别。以脑电信号两个频段的功率谱以及击键前-100￣-50ms和-50￣0ms均值组成特征向量。应用线性分类器,对测试样本的识别正确率为71%,采用本文设计的BP神经网络,识别正确率为84%。结论BP神经网络是意识任务识别的有效方法,在基于脑电信号的脑机接口中有良好的应用前景。     

贝叶斯正规化BP神经网络在我国医院床位预测中的应用

目的 探讨贝叶斯正规化BP神经网络在我国医院床位预测中的应用. 方法 利用1990-2006年我国医院床位历史数据,建立贝叶斯正规化BP神经网络进行拟合预测,并与指数平滑预测、自回归模型的预测结果进行比较. 结果 三种方法预测结果的相对误差分别为0.58%,3.62%,1.48%.贝叶斯正规化BP神经网络模型预测精度更高,效果更好,优于传统方法. 结论 贝叶斯正规化BP神经网络预测模型可以用于我国医院床位预测.     

基于BP神经网络的医学类微信公众号学术知识获取效果

目的：通过构建神经网络模型实现对医学类微信公众号学术知识获取效果进行综合、科学性的评价。 方法：首先对麻醉学微信公众号辅助临床、教学与实践的应用现状进行概述;其次,根据既有研究成果提出的“微信知识获取效果评价指标体系”,分别从知识特性、知识获取方、知识提供方、知识获取情景对遴选的15个典型麻醉学微信公众号样本开展评价;最后采集定性和定量数据,使用Matlab软件构建BP神经网络（Back Propagation Neural Network）模型并进行仿真验证。结果：采用BP神经网络的预测输出结果与实际期望结果控制在限定的误差范围内。 结论：基于BP神经网络构建的医学类微信公众号学术知识获取效果评价模型具有可操作性和实践性,能够评价用户通过移动社交平台获取知识的效果,揭示促进和阻碍因素,进一步指导各学术机构推荐并建立高质量的学术公众号,更好地服务学界。     

遗传算法优化BP神经网络的老年痴呆症智能诊断

为了提高BP神经网络对疾病诊断的效率和预测准确率,提出一种遗传算法优化BP神经网络的老年痴呆症智能诊断模型,并以医院电子病历数据挖掘为例,对老年痴呆症诊断建立预测模型。该方法首先利用遗传算法的搜索寻优技术进行特征约简,然后将约简后的特征作为BP神经网络的输入变量,训练和构建BP神经网络模型。仿真实验在Matlab软件平台上进行,结果表明：与单BP神经网络相比,遗传算法优化BP神经网络能够降低模型训练时间、提高预测精度,是一种切实可行的老年痴呆症辅助诊断方法。     

基于BP算法的地高辛血药浓度预测神经网络建模研究

目的：建立基于BP神经网络的地高辛血药尝试预测神经网络拟合模型,并在已建立的神经网络模型的基础上,进行地高辛血尝试预测和影响因素的敏感度分析,利用本研究的建模结果,为BP神经网络建模的方法学提供一定的参考依据,并能帮助医务人员做出正确的决策和分析。方法：在SPSS Clementine12.0进行建模和预测,预测结果用SPSS17.0进行ROC分析。结果：BP神经网络的拟合度和预测准确度为85.671%,其中性别、AST、日总剂量、TBIL、单次剂量对患者的治疗结果影响最大。结论：根据患者的一般资料和临床常规资料建立的地高辛血药尝试预测神经网络模型是可行有效的。     

用BP神经网络对气流床粉煤气化炉的预测

利用3层BP神经网络对气流床粉煤气化炉进行模拟研究。以Gibbs自由能最小化方法建立粉煤气化炉数学模型的模拟结果作为BP神经网络训练数据,训练后的BP神经网络模型对模拟数据的预测准确度较好。以Shell粉煤气化炉和国内首套粉煤加压气化中试装置上的实际生产数据作为BP神经网络的训练数据,训练后的BP神经网络模型能预测实际生产数据。     

流化床喷雾制粒神经网络模型及其应用

建立了反映流化床喷雾造粒过程参量同产品物性之间映射关系的BP神经网络模型。在建模中运用了正交实验设计、交叉评价网络训练法、样本标准化处理和主元分析等技术，对网络结构及其参数进行了优选。网络模型输出同实验结果非常接近，具有广泛的适应性。该网络可以实现各种定量分析计算，例如：预测在特定过程参量下的产品粒径，或者根据指定的产品目标，确定合适的工艺参量等。     

小样本量大肠癌数据对BP神经网络准确度的影响探讨

采用二进制编码对数据进行量化,建立基于BP神经网络的大肠癌证型分类模型并分析其优势,探索8个证型的样本量对BP神经网络准确度的影响,通过删减较少样本的大肠癌证型得出样本量与准确度的量化关系。