基于深度前馈神经网络的多因子人体表面积计算模型

摘要：

人体表面积(BSA)在临床医学上有着至关重要的作用,但现有BSA计算方法大多只使用身高和体重2个参数且采用匹配简单函数的方法来估计体表面积,临床上也认为现有的BSA计算方法误差较大.针对这些问题,提出一种BSA回归预测模型.该回归预测模型包含2个部分:首先,借助相关性和显著性分析选择相关性较高的体表面积影响因子;其次,利用人体数据训练深度前馈神经网络,构建回归模型.实验分别采取5-折交叉验证与测试集验证2种方法.首先,将深度前馈神经网络模型与传统人体表面积计算方法进行精度评估和结果对比分析;其次将深度前馈神经网络模型与3种模型进行精度评估和结果对比分析.在与传统方法对比中,深度前馈神经网络模型的决定系数高于2种传统方法的,且比传统方法提高了6％,误差与传统方法的相比降低了近一倍.在与3种模型的对比中,深度前馈神经网络的决定系数比其他模型的提高了至少2％,误差降低.一致性分析实验结果也显示,深度前馈神经网络95％一致性界限最小,一致性最好.总体来说,提出的回归预测模型可以得到更加精确的体表面积预测值.

关键词：人体表面积、深度前馈神经网络、回归、预测、交叉验证

所属期刊栏目：45

分类号：TP391(计算技术、计算机技术)

资助基金：安徽省重点研究与开发计划项目201904d07020118

在线出版日期：2023-02-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：119-126