10.3969/j.issn.1004-6194.2005.06.008
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.
人工神经网络、BP人工神经网络、2型糖尿病、糖耐量受损、筛查
13
R587.1(内分泌腺疾病及代谢病)
2006-01-12(万方平台首次上网日期,不代表论文的发表时间)
共4页
277-280