BP人工神经网络在宫颈癌预后预测中的应用.docVIP

BP人工神经网络在宫颈癌预后预测中的应用※ 蔡鸿宁1 张蕾2 吴绪峰1 张敦兰1 高晗1 罗俊2 【摘要】目的 探讨人工神经网络在宫颈癌术后5年生存期预测中的应用。方法 收集260例宫颈癌患者的临床病理资料及治疗随访信息，按照4:1的比例，随机分为训练组和测试组，分别采用logistics回归，筛选单因素分析有统计学意义的因素建立人工神经网络模型1（ANN1），另采用所有与预后相关的因素建立人工神经网络模型2（ANN2），用训练组训练网络，用测试组检测网络。结果 ANN1模型的准确性76.9%，灵敏度47.6%，特异性96.8%, ANN2模型的准确性90.4%，灵敏度81.0%，特异性96.8%。结论　神经网络在生存分析中有很大的灵活性;在模型中可以容纳非线性效应,不需要对数据的随机特征如分布等作出假设,不要求满足H0假定,有较广泛的应用前景。 【关键词】人工神经网络 宫颈癌 预后 中图分类号 R737.31 Application of Artificial Neural Networks to Predicate cervical cancer Abstract: Objective To investigate the value of BP neural network in predicting prognosis of cervical cancer. Methods Collect 260 patients’ information of clinical and pathological material and treatment. 260 patients were divided into two groups (group A and group B ) randomly by 4:1.Group A was used to sreen variables and constucted the models；group B was used to test and evaluate the models Construct artificial neural network model 1 with factors with statistical significance which choose by logistics regression. And construct artificial neural network model 2 with all factors. Results When applied to the validation group，the accuracy, sensitivity, specificity and Youden index for ANNl is 76.9％，47.6％,96.8％and 0.444；the accuracy, sensitivity, specificity and Youden index for ANN2 is 90.4％，81.0％，96.8％and 0.778. Conclusion The model can accommodate non-linear effects; no need to make assumptions about characteristics of the data; artificial neural net work will be applicated widely. Key words artificial neural network, cervical cancer, prognosis 宫颈癌是妇科常见的恶性肿瘤之一。近些年来，年轻宫颈癌的患者逐渐增加[1]，这些患者中，采取相同的治疗方式其预后仍然不尽相同。过去的研究显示[2,3],影响宫颈癌预后的因素有：肿瘤大小（4cm预后差）、肿瘤外观（内生型和溃疡型肿瘤预后差）、临床分期、组织学分级、病理类型及淋巴结转移等。那么这些因素对预后的影响有多大？如果能综合这些因素，预测患者的预后，那么就能有针对性的对不同的患者采取个性化治疗，尽可能的提高患者的生存率。Logistic模型能从众多因素中筛选出有统计学意义的因素,偏回归系数更是能对某一因素是保护因素还是危险因素做出解释。但该方法对资料的要求较高,指标满足正态性、独立性条件, 在处理复杂非线性问题时,存在一定的局限性[4]。 人工神经网络是（artificial neural network,ANN）[5]，近年来,利用BP人工神经网络模型预测肿瘤患者的预后，但其算法主要利用梯度搜索技术是代价函 数最小化。此类网络存在一些局限性，如隐层单元数目难以确定、收敛熟读慢且有收敛于局部