人工神经网络模型预测药物性肝损伤的临床转归

发布时间：2022-12-09 04:32

　　目的:利用人工神经网络方法,对药物性肝损伤（Drug-induced Liver Injury,DILI）的临床转归建立人工神经网络反向传播（Back Propagation-Artificial Neural Network,BP-ANN）预测模型,了解影响药物性肝损伤患者临床转归的因素,对其临床转归进行预测,并对相关影响因素进行平均影响值（Mean Impact Value,MIV）重要性评价。以期对影响DILI转归的因素增加相关措施,最终改善病患的出院转归。方法:（1）针对某三甲医院2014年6月1日-2017年6月1日以“药物性肝损伤”、“药物性肝病”等由药物造成肝损害为主要诊断的住院患者,以入院到出院为时间节点,将符合纳入排除标准的病例收集其临床数据,建立数据库。（2）采用Logistic单因素回归分析筛选出有统计学意义的影响因素,将其作为输入变量,转归情况作为输出变量,构建人工神经网络反向传播（BP-ANN）模型。从数据库中随机分出一定量样本放入训练集,剩余数据放入测试集,用于训练与测试模型,并通过受试者工作特征曲线下面积（Area Under the Curve,AUC）... 

【文章页数】：52 页

【学位级别】：硕士

【文章目录】：
中文摘要
英文摘要
常用缩写词中英文对照表
前言
1 资料
    1.1 一般资料
    1.2 纳入标准
    1.3 排除标准
    1.4 收集项目
    1.5 转归情况
2 方法
    2.1 临床转归单因素分析
    2.2 BP-ANN模型的建立
    2.3 BP-ANN模型的预测
    2.4 影响因素重要性分析
3 结果
    3.1 病历资料基本人口学分析
    3.2 临床转归单因素分析结果
    3.3 BP-ANN模型训练与测试结果
    3.4 BP-ANN模型预测结果
    3.5 影响因素重要性分析结果
4 讨论
5 结论
参考文献
综述
    参考文献
附录
致谢
在学期间研究成果
个人简历



本文编号：3714831