基于人工神经网络的早产发生视网膜病变的预测模型
Rong Wu1, He Chen2, Yichen Bai1
1Department of Ophthalmology, Zhujiang Hospital, Southern Medical University, No.253 Gongyedadao Middle Road City, Guangzhou, Guangdong, 510282, China.
BMC ophthalmology
|August 5, 2024
概括
预测早产视网膜病变 (ROP) 对于预防失明至关重要. 人工神经网络,特别是GA-BP模型,显示出对婴儿ROP发生的强有力的预测能力.
科学领域:
- 眼科医生 眼科 眼科
- 医疗信息学 医疗信息学
- 人工智能的人工智能
背景情况:
- 早期发现早产性视网膜病变 (ROP) 对于预防视力丧失至关重要.
- ROP查是早产婴儿常规临床护理的关键组成部分.
研究的目的:
- 开发人工神经网络 (ANN) 模型来预测ROP的发生.
- 确定与ROP相关的关键围产期风险因素.
主要方法:
- 一项对591名婴儿的回顾性研究分析了使用单变量和多变量逻辑回归的ROP风险因素.
- 使用反向传播 (BP) 神经网络创建了预测模型,并使用遗传算法 (GA-BP) 进行了优化.
- 用AUC,灵敏度,特异性,NPV,PPV和精度来评估模型性能.
主要成果:
- 在32.7%的婴儿中,ROP被诊断为591名婴儿中的193名.
- 确定了12个重要的ROP风险因素.
- 与BP模型 (0.857) 相比,GA-BP神经网络模型在预测中实现了0.908的曲线下的优越面积 (AUC).
结论:
- 对于ROP预测,ANN模型已经成功开发出来.
- 该GA-BP神经网络显示了对ROP的增强预测性能,有效地处理非线性临床数据.
