| 应用反向传播神经网络分析子宫肌瘤危险因素 |
| |
| 引用本文： | 王玮,许伟,周宝森.应用反向传播神经网络分析子宫肌瘤危险因素[J].中华预防医学杂志,2007,41(Z1). |
| |
| 作者姓名： | 王玮 许伟 周宝森 |
| |
| 作者单位： | 1. 110001,沈阳,中国医科大学公共卫生学院流行病教研室
2. 沈阳市卫生局基层卫生与妇幼保健处 |
| |
| 摘 要： | 目的 评价反向传播(back propagation,BP)神经网络模型在子宫肌瘤危险因素分析中的应用价值.方法 采用分层随机抽样的方法对沈阳地区.1260名妇女的子宫肌瘤患病状况进行问卷调查,对113例子宫肌瘤病例采用1:2配比病例对照研究,利用MATLAB 6.5软件的神经网络工具箱构建BP神经网络模型,训练与模拟网络,分析子宫肌瘤各种可能危险因素的平均影响值(meanimportant value,MIV),并与多因素条件logistic回归模型的分析结果相比较,用对数线性模型分析因子间的交互作用.结果 BP神经网络分析结果显示,影响子宫肌瘤发病主要危险因素为月经初潮年龄延迟、母亲或姐妹患子宫肌瘤、宫颈炎、月经紊乱、人工流产史、盆腔炎、口服避孕药、阴道炎,其对应的MIV值分别为-0.0405、0.0361、0.0162、0.0143、0.0135、0.0117、0.0094、0.0087;比较BP神经网络输出的MIV与多因素条件logistic回归分析结果,发现两者主要发病危险因素排列顺序基本一致,但存在一些差异,经对数线性模型分析发现人工流产史可能是子宫肌瘤发病的一个重要的协同变量.结论 与传统数学模型相比,BP神经网络能较好地处理数据协变量间的交互作用,是一种很好的危险因素分析方法.
|
| 关 键 词： | 子宫肿瘤 平滑肌瘤 危险因素 神经网络(计算机) 回归分析 |
Determining the risk factors of uterine myomas by using back propagation neural network |
| |
| WANG Wei,XU Wei,ZHOU Bao-sen.Determining the risk factors of uterine myomas by using back propagation neural network[J].Chinese Journal of Preventive Medicine,2007,41(Z1). |
| |
| Authors: | WANG Wei XU Wei ZHOU Bao-sen |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
|
