儿童青少年肺通气功能预测的后向传播神经网络方法

本文旨在研究儿童青少年肺通气功能预测的后向传播神经网络(backpropagation neural network, BPNN)方法，以期得到更准确的肺通气功能预计值。样本数据包括内蒙古自治区10~18岁汉族健康儿童青少年999人(男性500人，女性499人)，测量身高和体重，使用肺功能仪检测肺通气功能。利用BPNN和多元逐步回归，对用力肺活量(forced vital capacity, FVC)、用力呼气一秒量(forced expiratory volume in one second, FEV1)、最大呼气流量(peak expiratory flow, PEF)、用力呼出25%肺活量时呼气流量(forced expiratory flow at 25% of forced vital capacity, FEF25%)、用力呼出50%肺活量时呼气流量(forced expiratory flow at 50% of forced vital capacity, FEF50%)、最大呼气中段流量(maximal mid-expiratory flow, MMEF)、用力呼出75%肺活量时呼气流量(forced expiratory flow at 75% of forced vital capacity, FEF75%)，分性别建立BPNN预测模型和预计方程式，并利用均方差异(mean squared difference, MSD)和相关系数(R)评价BPNN、基于本工作所建立的线性回归方程(LR方程)、香港Ip等报道的Ip方程和国外较常用的Zapletal方程的预测准确程度。结果显示：无论性别，由BPNN所得各指标的预计值与实测值的MSD均小于其它各个预计方程式，且其预计值与实测值的R均大于其它各个预计方程式；由LR方程所得各个指标的预计值与实测值的MSD均小于Ip方程和Zapletal方程，且其R均大于Ip方程和Zapletal方程。FEF50%、MMEF、FEF75%等3个指标的变异系数(coefficient of variance, CV)均大于其它肺通气功能指标，而这3个指标由BPNN所得预计值和实测值的R较LR方程所得R的增幅ΔR(%)也相应大于其它指标。综上所述，进行肺通气功能预测的BPNN方法要优于传统的多元线性回归方法。肺通气指标的CV越大时，BPNN较传统回归方法的预测优势也越明显。