基于深度学习的慢性阻塞性肺病与哮喘-慢性阻塞性肺疾病重叠分类

摘要：

目的:基于医疗大数据的深度学习分析算法,提出了一种具有辅助诊断价值的慢性阻塞性肺病与哮喘-慢性阻塞性肺疾病重叠的鉴别诊断方法.方法:选择COPDGene数据集,利用Fisher评分的方法进行特征选择,使用准确率和ROC曲线对深度信念网络模型和支持向量机模型构建鉴别诊断模型,进行分析和比较.结果:使用深度信念网络模型得出的与COPD和ACO分类有关的敏感特征与已知临床诊断策略具有较高的吻合度,支持向量机模型和深度信念网络模型的分类准确率分别为85.28％和93.56％,灵敏度分别为89.73％和95.21％,特异度分别为74.10％和89.29％.结论:利用深度信念网络构建的COPD与ACO自动分类模型具有较高的鉴别诊断能力,可以有效协助临床医生对患者进行诊断.

关键词：慢性阻塞性肺病、哮喘-慢性阻塞性肺疾病重叠、深度信念网络、分类模型

所属期刊栏目：28

分类号：R563(呼吸系及胸部疾病)

资助基金：解放军总医院医疗大数据研发项目"电子病历文本结构化处理平台研发与应用"2018MBD-003

在线出版日期：2019-08-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：45-49