人工神经网络在个体患原发性高血压预测中的应用

目的 在流行病学调查资料的基础上,探讨并评价预测个体患原发性高血压的新方法.方法 选择8 914例社区居民流行病学调查资料,按3:1分为训练集(6 686例)与检验集(2 228例),分别用于筛选变量、建立预测模型及对模型的检测和评价.应用人工神经网络(ANN)和logistic回归分别建立高血压患病预测模型,用受试者工作曲线(ROC)评价预测模型的优劣.结果 ANN预测模型的灵敏度(95.94%)、特异度(85.04%)、约登指数(80.98%)、一致率(88.78%)优于logistic回归预测模型(灵敏度=51.31%、特异度=95.56%、约登指数=46.87%、一致率=80.39%).通过ROC曲线下面积比较模型的预测能力:ANN预测模型曲线下面积(Az=0.904±0.007)明显大于logistic回归预测模型(Az=0.734±0.012).结论 利用ANN模型进行疾病分类预测,较logistic回归模型能获得更好的预测效果.     

应用人工神经网络预测个体患原发性高血压病危险度

目的 建立个体患原发性高血压病的预测模型,评价并探讨预测个体患病的新方法.方法 选择3054名社区居民流行病学调查资料,按照年龄、性别均衡性,按4:1分为训练集(2438名)与检验集(616名)两部分,分别用于筛选变量、建立预测模型及对模型的检测和评价.应用人工神经网络(ANN)和logistic回归分析方法建立模型,用ROC方法评价所建立的高血压患病预测模型的优劣.结果 对616名检验集预测,ANN模型的特异性较低,但准确性、灵敏度指标均优于logistic回归模型,ANN2的约登指数为0.8399,明显高于其他两个模型;通过ROC曲线下面积比较模型的预测能力:logistic回归方法曲线下面积(Az=0.732±0.026)小于ANN模型(ANN2和ANN1分别为0.918±0.013、0.900±0.014),即ANN模型有更好的预测判别效能.结论 初步证明在预测个体患高血压病方面,ANN方法预测效能更优,从而为解决个体发病危险预测提供了一个新方法.     

人工神经网络在失去土地农民心理健康调查中的应用

介绍人工神经网络(ANN),结合实例比较与logistic回归在解决分类问题的优缺点.以1070名失去土地农民心理健康调查资料为例建立ANN模型与logistic回归模型,比较两种模型的优劣.测试集样本BP神经网络预测精度为94.299%,logistic回归预测精度为51.028%,BP神经网络具有良好的泛化能力.结论 :当传统统计分析条件不能得到满足或效果不佳时ANN能够达到良好的预测结果,在医学领域具有较好的应用前景.     

围产儿先天性心脏病危险度预测模型

通过对先天性心脏病(CHD)影响因素的分析,建立胎儿CHD危险度预测模型.采用单因素logistic回归分析筛选影响因素后用多因素非条件logistic回归和决策树法建立胎儿CHD危险度预测模型,分析比较两种预测方法 的优势与不足.实例分析表明,logistic回归模型和决策树模型对215例训练样本和55例测试样本的分类正确率分别为80.93%、82.79%和85.45%、89.09%.将logistic回归和决策树方法 联合应用,不仅能提高预测的准确率,还能克服因素间共线性的影响,从而保证分析的准确和完善.     

江苏省成人肥胖测量指标与血脂异常患病关系

目的探讨成人肥胖测量指标与血脂异常患病关系。方法用多阶段整群随机抽样方法,在江苏省14个成人慢性病及其危险因素监测点随机抽取8400名≥18岁常住居民进行问卷调查、体格检查和实验室检测。运用偏相关和非条件Logistic回归方法,分析体质指数(BMI)、腰围(WC)和腰身比(WHtR)等肥胖测量指标与血脂水平及血脂异常患病关系。结果江苏省成人血脂异常患病率为35.0%,肥胖率为13.7%,中心型肥胖率为50.8%。不同BMI、WC和WHtR组别间的TC、TG、HDL-C和LDL-C平均水平差异均有统计学意义(P<0.05)。BMI、WC和WHtR等肥胖测量指标与TC、TG和LDL-C成正相关,与HDL-C成负相关。随着肥胖程度的增高,血脂异常患病风险显著上升(P<0.05),且BMI、WHtR和WC每增加1个标准差,血脂异常患病风险分别增加75%(OR=1.75,95%CI 1.67~1.84)、77%(OR=1.77,95%CI 1.68~1.87)和80%(OR=1.80,95%CI 1.71~1.89),BMI、WHtR和WC对血脂异常患病风险的影响依次升高。结论 BMI、WC和WHtR与血脂异常患病密切相关,血脂异常患病风险随肥胖程度的增加而升高。     

基于BP人工神经网络的病毒性肝炎发病率自回归预测模型

目的 研究BP人工神经网络在存在自回归现象的病毒性肝炎发病率预测中的应用。方法 首先通过时间序列分析，发现病毒性肝炎发病率存在一阶自回归现象．AR(1)，然后以AR(1)和平均气压、平均气温、平均降水量和平均蒸发量四个气象指标为网络输入，将1979～1994年某地病毒性肝炎发病率变换值作为网络输出，选择1979～1992年数据，利用MATLAB软件6．5的神经网络工具箱4．0构建、训练与模拟网络，预测另外两年病毒性肝炎发病率，建立病毒性肝炎自回归BP人工神经网络模型。结果 BP人工神经网络非线性相关系数RNL=0．80，而线性自回归模型RNL=0．62。结论 BP人工神经网络较好地描述了自回归模型中的非线性关系，内插及外推预测均较好，可以用于解决存在自回归现象的问题，效果好于传统方法。     

修剪算法在医学多因素分析中的应用探讨

目的　本文主要讨论修剪的单层BP网络的应用及其与逐步logistic回归的联系。 方法　搜集 2 0 5 2例急性阑尾手术术后病人的预后及可能的影响因素 ,分别用ANN和逐步logistic回归拟合不同的模型 ,利用ROC曲线下面积比较各个模型的判别和预测效果。结果　通过修剪 ,可得到与逐步logistic回归相同的ANN模型结构 ;应用不同的修剪参数得到不同的ANN网络模型 (Net1-5 )并可趋于稳定的结构。对测试集的判别效果 ,逐步logistic回归 <未修剪的ANN<修剪的ANN。结论　修剪的单层BP网络的权重系数与逐步logistic回归的回归系数相同 ,具有流行病学含义 ,且其判别效果好于逐步logistic回归。对修剪结果的分析提示我们 ,修剪算法可以应用于弱影响因素的探索。     

人工神经网络应用于糖尿病和糖耐量受损的个体发病预测

目的 探讨人工神经网络（ANN）对糖尿病（DM）和糖耐量受损（IGT）个体发病预测的效果和特点，以及能否作为2型DM血糖辅筛工具。方法 利用某矿区2型DM现况调查资料和某综合性医院的病例．对照资料，采用误差逆传播人工神经网络（BPNN）方法，通过输入年龄、DM家族史、身高、体重、腰围、臀围6个变量进行DM／IGT个体发病预测。结果 DM、IGT训练组BPNN结构分别为6→5→9→1、6→7→12→1，对DM、IGT第二测试组的灵敏度各为100．00％，90．32％，网络输出异常者占总人数的比例各为41．75％，52．35％。利用BPNN辅助筛查，只需对网络判断异常者（约53％）进一步做血糖测定，即可发现原人群中90％以上的2型DM、IGT患者，节约近47％的筛查费用和工作量。结论 ANN利用指标简单、易测量，在2型DM血糖普查中，完全可以充当“前筛”角色，在准确识别血糖异常者的情况下，降低2型DM血糖普查成本，提高效率，为2型DM防治提供了一条全新、经济的思路。     

血脂异常风险评估方法研究进展

随着生活节奏的加快，血脂异常的患病率持续上升，对人类健康造成了极大的威胁，开发简单有效的风险评估方法成为血脂异常防治工作的重点。本文从血脂异常风险评估模型的构建和验证角度，重点介绍了美国、日本、芬兰、伊朗和中国目前的血脂异常风险评估方法，探讨各个方法的优点和局限性，并为未来的评估模型发展提供建议，以提高风险评估模型的可靠性和准确性。便于对血脂异常患者进行快速且准确的风险评估，从而降低血脂异常的发生风险。     

浙江省居民血脂异常状况调查

目的调查浙江省居民血脂异常状况。方法将调查对象按性别、年龄分组,分析各组的血脂异常分布状况及其与高血压、糖尿病和肥胖的聚集性,并用多因素Logistic回归分析与其相关因素。结果女性高甘油三酯(TG)、男女高总胆固醇(CHOL)的异常发生率有随着年龄增加而增高的趋势,且45岁以前男性高于女性,45岁以后则女性高于男性。血脂异常与高血压、糖尿病有不同程度的聚集性,与超重肥胖和腹部肥胖的聚集性尤其明显。多因素Logistic回归分析表明,吸烟、文化程度、收入、舒张压(DBP)、空腹血糖(FBG)、体质指数(BMI)、腰围(WC)对高TG的发生有显著意义;文化程度、收入、FBG、BMI、年龄与高CHOL的发生有显著意义;而与低高密度脂蛋白胆固醇(HDL—C)的发生有显著正相关的则是WC,文化程度、年龄、性别、饮酒是低HDL-C的保护因素。结论浙江省居民血脂异常状况严重,防治血脂异常应从相关的多个因素综合控制。     

水体富营养化状况的人工神经网络预测模型的建立

目的建立郑州市主要生活饮用水源富营养化预测模型。方法以郑州市主要生活饮用水源西流湖和黄河花园口段某调蓄池作为研究现场,监测富营养化相关理化指标水温(WT)、透明度(SD)、总磷(TP)、总氮(TN)、光照度(Li)、高锰酸盐指数(CODMn)、叶绿素a(Chla);采用评分法和综合营养状态指数法对水体富营养化状况进行评价;运用标准化函数对各理化因子原始监测数据进行归一化处理后,构建BP人工神经网络富营养化预测模型;并采用改进的Levenberg-Marquardt算法对网络进行优化。结果两水源富营养化状况评价结果显示:西流湖和黄河花园口段某调蓄池水体均为富营养化状态,西流湖随着春、夏、秋季节的变化,富营养化状况逐步加剧;应用BP神经网络技术,根据J=n+m+a函数计算隐层数,将隐层节点数范围定位2～15,分别进行训练,最终确定网络节点数为10;根据郑州市主要生活饮用水源环境理化指标检测数据,建立了水体富营养化相关因子Chla预测模型,重要的6个富营养化理化因子全部纳入模型进行分析,网络训练过程均方差为1e-11,实测值与预测值模型拟合相关系数为0.871,与预期目标比较接近,成功构建了郑州市主要生活饮用水源富营养化人工神经网络预测模型。结论人工神经网络技术能够运用于水体富营养化预警系统的研究,所建立预测模型更符合实际情况。     

遗传优化的广义回归神经网络在肺结核发病预测中的应用

目的 利用西安市2008年1月至2019年10月结核病月发病率数据分别建立广义回归神经网络和BP神经网络预测模型，提出利用遗传算法的全局搜索能力优化广义回归神经的光滑因子。 方法 以2008年1月至2018年12月发病率作为训练样本，以2019年1月至10月发病率作为测试样本，对两种模型的仿真预测结果进行对比分析。 结果 遗传优化的广义回归神经网络其预测的平均绝对误差（MAE），均方根误差（RMSE），平均相对误差（MAPE）均小于BP神经网络，预测效果更优。 结论 遗传优化的广义回归神经网络较BP神经网络在肺结核发病率预测中有更好的拟合效果和预测精度，其预测效果更理想。其具有良好的实用价值，为肺结核发病率的预测提供了一种有效的方法。     

细菌性食源性疾病发病预测中Elman神经网络模型的应用

目的建立基于Elman神经网络的感染性腹泻病人中细菌性食源性疾病阳性检出率预测模型,评估探讨El—man神经网络模型在细菌性食源性疾病发病预测中的应用价值。方法利用深圳市2008年1月至2012年12月的细菌性食源性疾病疫情资料作为训练集,建立Elman神经网络模型;选取深圳市2013年1—6月的细菌性食源性疾病资料作为检验集,评价该模型的预测效能。结果当网络结构为12—32．1．1时,构建的Elman回归网络模型为最优预测模型,此时训练集模拟仿真结果的平均误差均方为65．75。在此最优网络预测模型下,检验集预测值的平均误差绝对值为1．20,平均误差绝对率为0．21,非线性相关系数为0．79。结论基于Elman回归网络预测模型对细菌性食源性疾病发病具有较好的预测效能。     

人工神经网络在上海市肾综合征出血热发病率预测中的应用

[目的]应用人工神经网络的方法开展上海市肾综合征出血热发病率的预测。[方法]采用广义回归神经网络和反向传播神经网络的方法,将上海市历史人群抗体阳性率、宿主动物的监测资料和气象数据作为训练样本进行上海市肾综合征出血热历史疫情拟合,并开展未来发病率的预测。[结果]两种人工神经网络方法可综合监测资料,对上海市散发的肾综合征出血热的发病率进行拟合和预测,广义回归神经网络方法的拟合和预测效果优于反向传播神经网络方法。[结论]人工神经网络方法可以用于上海市肾综合征出血热发病率的预测,上海市未来发病率可能保持在低水平。     

人工神经网络分光光度法同时测定混合色素

用BP人工神经网络处理混合色素的吸收光谱数据 ,达到了对其各组分含量进行同时测定的目的。通过对网络结构和参数的优化 ,提高了预报的准确度 ,能够满足混合色素测定的需求 ,从而为不经分离直接分光光度法测定饮料中混合色素提供了一种新的途径     

多层感知器神经网络在手足口病预测模型中的应用

目的研究多层感知器神经网络手足口病预测的应用,为手足口病预测提供依据。方法选取浙江省2008年5月1日-2018年6月30日的发病数,利用SPSS 22. 0建立多层感知器神经网络模型,变量选择"发病数",分类变量选择"发病年""发病月"指标,协变量选择"前1周同期发病数",比较实际发病与预测值的差异,用平均误差率(MPAE)对模型进行检验。结果构建的神经网络最优模型为24-9-7-1,即模型输入层含24个神经元,隐藏2层,分别含9个和7个神经元,输出层含1个神经元。手足口病预测发病数的自变量重要性依次是"前1周同期发病数""发病月""发病年",模型预测值与实际值相关系数r=0. 99,平均误差率(MPAE) 13. 37%。结论多层感知器神经网络模型预测手足口病发病情况有一定的可行性,能提供预测指标的重要性权重,"前1周同期发病数"是预测较好的指标,但预测指标合理选择和结果准确性方面有进一步提高的空间。     

疟疾与气象因素关系不同模型预测效果比较

目的 分析气象因素与海南省万宁市疟疾发病率的相关性,比较BP神经网络模型和逐步回归模型对疟疾发病率的预测效果。方法 收集1995年1月-2007年12月万宁市每月气象数据和疟疾发病率数据,应用Spearman等级相关分析方法分析气象因素与疟疾发病率之间的相关性,分别用BP人工神经网络方法和逐步回归方法建立疟疾发病率的气象因子拟合模型,预测2008年各月的疟疾发病率。结果 万宁市疟疾月发病率与前1个月的平均气温、最高气温、最低气温、降雨量、日照时间均呈正相关（均P<0.05）,与前1个月的平均相对湿度、平均气压均呈负相关（均P<0.01）;将7种气象因素作为输入变量,疟疾发病率作为输出变量,构建内含1个隐含层的BP神经网络模型,在隐单元数为16时拟合效果最优,经过300次训练达到设定的最小训练误差为0.001,模型的均方误差和决定系数R²分别为0.002 7和0.99;将7种气象因素作为自变量,疟疾发病率作为因变量构建逐步回归模型,进入模型的变量为平均气温和平均相对湿度,模型的决定系数R²为0.40;应用2种模型对2008年各月疟疾发病率进行预测,平均绝对误差分别为1.24/10 000和0.44/10 000。结论 万宁市疟疾发病率与气象因素明显相关,利用气象因素构建的BP神经网络模型较逐步回归模型具有更好的发病率拟合效果,但逐步回归模型的预测效果更好,BP神经网络模型的泛化能力需要进一步提高。