遺傳算法BP神經網絡在肝硬化分期診斷中的應用.pdf

1、目的：
　　將遺傳算法BP神經網絡模型引入到肝硬化的病例數據資料中，對肝硬化分期診斷的分類進行預測分析，利用遺傳算法對BP神經網絡的優(yōu)化作用，彌補BP神經網絡自身的不足，從而提高肝硬化分期分類預測效果。
　　方法：
　　通過收集2006年1月到2015年12月近10年的山西醫(yī)科大學第一附屬醫(yī)院消化內科被診斷為肝硬化的住院患者的病例資料，針對數據的特點，分別對肝硬化分期數據分別進行Logistic回歸、BP神經網絡和遺傳

2、算法BP神經網絡模型的建模和預測。對三種模型進行比較。選擇合適的模型對肝硬化分期數據進行分類預測。
　　結果：
　　1、分別對Logistic回歸、BP神經網絡和GA-BP建模和預測，結果顯示：GA-BP的ACC中位數達到90％，高于BP神經網絡83.33%，遠高于Logistic回歸46.67%；GA-BP的TPR中位數達到95.55%，高于BP神經網絡90.23%，遠高于Logistic回歸48.14%；GA-BP的TN

3、R中位數達到75%，高于BP神經網絡62.5%，遠高于Logistic回歸50%；GA-BP的PV+中位數達到95.35%，高于BP神經網絡91.30%，遠高于Logistic回歸80%；GA-BP的PV-中位數達到77.80%，高于BP神經網絡57.10%，遠高于Logistic回歸19.40%；GA-BP的AUC中位數達到84.4%，高于BP神經網絡74.9%，遠高于Logistic回歸48.7%。
　　2、比較遺傳算法優(yōu)化前