简介:摘要目的探讨不同病理类型以血尿为主要表现的患儿各临床指标的差异,并建立基于临床资料的BP神经网络预测模型。方法收集2003年6月至2018年12月重庆医科大学附属儿童医院以血尿为主要表现并行肾活检患儿的临床资料及肾脏病理结果,进行各临床指标的差异性比较,并建立以血尿为主要表现患儿肾脏病理的BP神经网络预测模型。结果共纳入438例患儿。其中男232例,女206例;起病年龄(7.00±3.15)岁。按照不同临床表现分为:镜下血尿组(179例)、肉眼血尿组(81例)、镜下血尿并蛋白尿组(44例)、肉眼血尿并蛋白尿组(134例)。差异性检验结果显示,各组性别、起病年龄、病程、诱因、尿爱迪(Addis)计数中红细胞数、24 h尿蛋白定量、血清素氮、血肌酐、血清蛋白、血IgA水平差异均有统计学意义(均P<0.05);不同病理类型性别、起病年龄、病程、家族史、尿Addis计数中红细胞数、24 h尿蛋白定量、血尿素氮、血肌酐、血清蛋白、血IgA、C3水平差异均有统计学意义(均P<0.05)。基于以上指标,构建BP神经网络预测模型,并通过留一法验证了该预测模型的准确率为61.19%。结论通过进行不同临床表现和病理分型下各指标的差异性比较,建立以血尿为主要表现患儿的肾脏病理的BP神经网络预测模型。通过相关指标能较为准确预测肾脏病理,为肾活检时机提供依据。
简介:摘要利用神经网络进行心电图识别时,存在神经网络网络结构、初始权值以及网络的动量因子、学习参数难以确定,易陷入局部极小、过拟合等问题。遗传算法具有很强的全局寻优能力,能以较大的概率找到全局最优解,提出一种改进的GA-BP混合训练算法,优化神经网络的权值和结构,应用于自动识别心电图,收到良好的效果。
简介:摘要目的比较Logistic回归、BP神经网络及支持向量机3种模型对老年慢性阻塞性肺疾病(COPD)患者30 d内急性加重再入院风险的预测性能,以期为再入院高风险患者筛查及预防提供科学依据。方法制作COPD患者调查问卷表,包括一般资料调查表、改良英国医学研究委员会呼吸困难量表(mMRC)、日常生活能力评估量表(ADL)、老年抑郁量表、微型营养评定量表(MNA-SF)及COPD评估量表(CAT),采用便利抽样法,选择宁夏地区13所综合医院2019年4月至2020年8月呼吸内科治疗的老年COPD患者作为调查对象,并随访至出院后30 d。探讨患者再入院影响因素,基于影响因素构建Logistic回归模型、BP神经网络模型和支持向量机模型,按照训练集与测试集7∶3的比例分为训练集样本和测试集样本,分别通过查准率、召回率、正确率、F1指数及受试者工作特征曲线下面积(AUC)对模型预测效能进行比较。结果共调查1 120例患者,其中非再入院患者879例,再入院患者241例。单因素分析显示,非再入院患者与再入院患者的年龄、文化程度、吸烟情况、糖尿病和冠心病比例、过去1年因COPD急性加重住院次数、季节因素及长期家庭氧疗、规律用药、康复锻炼比例、病程、ADL、抑郁状况、mMRC、营养状况比较差异均有统计学意义。二元Logistic回归分析显示,文化程度、吸烟情况、冠心病史、过去1年因COPD急性加重住院次数、季节因素、是否长期家庭氧疗、是否规律用药、营养状况是老年COPD患者30 d急性加重再入院的影响因素。训练集显示,Logistic回归模型、BP神经网络模型及支持向量模型的查准率分别为70.95%、76.51%、84.78%,召回率分别为79.55%、86.36%、88.64%,正确率分别为87.81%、90.81%、93.82%,F1指数分别为0.75、0.81、0.87,AUC分别为0.850、0.893、0.921。测试集显示,Logistic回归模型、BP神经网络模型及支持向量模型的查准率分别为78.38%、80.65%、88.57%,召回率分别为70.73%、60.98%、75.61%,正确率分别为85.82%、84.40%、90.07%,F1指数分别为0.74、0.69、0.82,AUC分别为0.814、0.775、0.858。结论与Logistic回归模型和BP神经网络模型相比,支持向量机模型的预测效果更好,可以有效预测老年COPD患者30 d内急性加重再入院风险。
简介:摘要胰岛素样生长因子2 mRNA结合蛋白1(IGF2BP1)是机体发育过程中mRNA代谢和转运的关键调控因子。近年来研究发现,IGF2BP1在肝癌、肺癌、结肠癌、卵巢癌、乳腺癌等多种肿瘤中异常表达。IGF2BP1不仅与肿瘤细胞的增殖、迁移和侵袭有关,而且还与患者不良预后密切相关。进一步研究IGF2BP1在恶性肿瘤中的作用机制有望为肿瘤靶向治疗提供新的方法。
简介:目的观察早期胃癌组织中GTP酶激活蛋白SH3功能区结合蛋白G3BP1和G3BP2的表达变化并探讨其意义。方法选择早期胃癌组织89例和正常对照组织35例,采用免疫组织化学方法检测两组G3BP1蛋白和G3BP2蛋白的表达情况。结果早期胃癌组和正常组G3BP1的阳性率分别为87.64%和60.00%,G3BP2阳性率分别为86.51%和54.28%,两组比较差异有统计学意义(P=0.000,0.000);早期胃癌G3BP1和G3BP2的表达均与幽门螺杆菌感染相关(P=0.000);早期胃癌组织中G3BP1与G3BP2表达呈正相关(rs=0.252,P=0.017)。结论早期胃癌组织中G3BP1和G3BP2呈高表达,可能与幽门螺杆菌感染紧密相关,两指标异常表达可能在早期胃癌的发生和发展中起重要作用。
简介:目的利用BP神经网络的理论和算法,对COPD患者的历史数据进行分析,构建出COPD再入院患者的风险评估模型,通过对COPD再入院患者各相关因素的敏感度分析和疾病风险评估及分析,为BP神经网络建模在临床诊疗中的应用提供一定的参考,并为医疗资源的合理配置提供较为有效的解决方案。方法编写结构化查询语句,从HIS数据库抽取相关数据,导入Clementine11.1中,利用BP神经网络算法进行建模,预测结果用SPSS22.0进行模型的建模效果评估以及模型建模效果的假设检验。结果经过优化后的BP神经网络的拟合度为71.743%,预测准确度93.55%。在所有相关影响因素中,入院次数和入院状态对COPD患者的再入院风险度影响最大。在预测效果上,BP神经网络要优于传统的多元统计分析方法。
简介:摘要目的提升心电图心律失常分类算法的性能,为临床心电诊断提供辅助依据。方法将一维心电图数据按照R点进行切分,将切分后的数据生成2D图像。利用数据增强技术将样本进行扩增,再利用二维卷积神经网络(2D-CNN)中的2D卷积层、2D最大池化层、Flatten层和全连接层,对图像特征进行提取,并通过Softmax分类器进行分类。利用带有权重系数的损失函数来增强模型对于S类和V类的学习。采用MIT-BIH数据集进行模型训练并评估算法性能。结果样本扩增和使用带有权重系数的损失函数能够提升模型的召回率和特异性指标,同时保持模型对室性异位搏动(VEB)和室上性异位搏动(SVEB)分类的精确率的指标。结论所提出模型的准确率为99.02%,SVEB的召回率为96.4%,表明该分类方法可以辅助医护人员诊断心脏疾病。
简介:摘要近年来卷积神经网络(convolutional neural network ,CNN)在辅助分析肺癌方面表现出良好的应用前景和研究价值。CNN可以从图像数据中自主学习以提取特定的与临床相关的特征。本文对构建CNN通过输入CT图像进行端到端分析,从而在术前预测肺癌风险和临床治疗效果;以及通过输入肺结节组织切片图像进行术后病理学分析作一综述。