基于人工神经网络的卵巢早衰预测模型研究

栏目导航

新闻中心

通知公告

27 现在的位置：首页 > 期刊导读 > 2017 > 27 >

【作者】吴妍姚蕾盛文丽刘明娟

【关键词】原发性卵巢功能不全卵巢功能早衰神经网络(计算机) 预测

【摘要】目的建立基于人工神经网络(ANN)的卵巢早衰(POF)预测模型——多层向前神经网络模型,以期提高POF临床诊断总符合率.方法 2011年1-3月选取武汉市白玉山街所管辖的6个社区内符合纳入标准的妇女341例为研究对象.2011年5月-2016年6月,每隔4个月对研究对象进行1次来院随访,随访至其40岁.随访过程中2例研究对象行子宫切除术,2例服用性激素治疗,失访21例,均予以剔除,最终共纳入316例研究对象.采用无偏随机化分配法将316例研究对象分为训练样本(177例)、检验样本(44例)和坚持样本(95例).设置输入参数为A型行为、腮腺炎病史、妇科手术史、使用促排卵药物史、婚育史、卵泡刺激素(FSH)、FSH/黄体生成素(LH)、抗苗勒管激素(AMH)、抑制素B(INHB)、窦状卵泡数(AFC)、收缩期峰流速(PSV)、阻力指数(RI);输出参数为"是否发生POF".通过训练样本进行模型构建,检验样本对模型进行校正,坚持样本对模型进行稳定性检测.结果 ANN经过剔除"冗余"后,自动构建出输入单元(12个)、单隐层(6个节点)和激活函数(hyperbolic tangent)、输出单元(2个)和激活函数(softmax)的模型.训练样本的交叉熵误差值为53.236,在预测误差未减少时终止测试,训练时间为0.42 s.影响权重在前5位的输入参数分别为AMH(26.3%)、INHB(24.1%)、AFC(21.7%)、A型行为(7.2%)、妇科手术史(6.5%).多层向前神经网络模型预测训练样本、检验样本、坚持样本发生POF的灵敏度分别为97.8%、91.7%和92.0%,特异度分别为92.4%、84.4%和80.0%,总符合率分别为93.8%、86.4%和83.2%.在训练样本和检验样本的基础上,得到多层向前神经网络模型预测POF的受试者工作特征曲线下面积(AUC)为0.972.结论基于ANN构建的POF预测模型——多层向前神经网络模型具有较高临床诊断总符合率,不仅为临床高效诊断及优化检查提供理论基础和方法支持,而且为实现早防早治提供机会,值得临床推广.

上一篇： 基于中医养生理论的辨证施护对高血压患者血压及中医临床症候的影响
下一篇： 自测健康评定量表评价城镇老年人健康状况的信效度研究

27 现在的位置：首页 > 期刊导读 > 2017 > 27 >