BP神经网络在代谢综合征研究中的应用

• 作 者: 卓志鹏
• 机 构: 哈尔滨医科大学
• 出 处: 哈尔滨医科大学
• 发表日期: 2010年期
• 关键词: 代谢综合征 BP神经网络 平均影响值 logistic回归

目的：探讨BP神经网络对筛选疾病相关因素及判别疾病分型的作用，为更加准确地运用该方法解决实际问题提供科学依据。　　
方法：本研究对2007～2008年哈尔滨医科大学附属第一、第二临床医学院和附属第四医院体检中心进行健康体检的年龄在20岁及以上的2515个观察对象进行流行病学问卷调查、体格检查及生化指标检测，获得代谢综合征的病例与对照。运用BP神经网络采用平均影响值算法对疾病的影响因素进行筛选，构建疾病分型的预测模型，并利用ROC曲线下面积对BP神经网络的分析结果与logistic回归分析进行比较。　　
结果：500次的模拟实验结果显示，每次随机选取4/5的观察对象为训练样本，其余1/5的观察对象为验证样本构建BP神经网络模型，按MIV>0.5的标准所筛选出的代谢综合征的影响因素虽很稳定但MIV排序会有所改变，对于二分类应变量（未患病与患病）来说共有13个影响因素，对于多分类应变量（对照、胖糖脂、胖糖压、胖脂压、胖糖脂压）来说共有14个影响因素。与师兄王大鹏利用logistic回归（α=0.05）分析的结果相比，二分类应变量运用MIV算法经BP神经网络筛选的影响因素较logistic回归分析结果多了2个因素，但较主成分改进的logistic回归分析结果少了5个因素。依据ROC曲线下面积进行对比分析的结果显示，对于二分类模型来说，BP神经网络和一般logistic回归分析的差异不具有统计学意义，基于MIV筛选变量的BP神经网络虽然要好于未筛选变量的BP神经网络，但尚未达到主成分改进logistic回归的分析效果。　　
结论：运用BP神经网络的平均影响值算法可实现对疾病相关因素的筛选及疾病分型的判别，在流行病学病因探索和疾病分型的研究中能够发挥与一般logistic回归分析同样的作用，该方法具有卓越的模式识别能力，不需要精确的数学模型，可应用在不需要了解中间过程的分析中，用以解决变量间的多重共线性问题，在预测分析、判别分析及生存分析等领域有着很好的应用前景。