人工神经网络应用于糖尿病/糖耐量异常的疾病分类研究

目的探讨人工神经网络(ANN)用于疾病分类研究的前景。方法利用某矿区1996年糖尿病现况调查资料,采用学习向量量化(LVQ)网络和判别分析方法进行糖尿病/糖耐量(DMIGT)异常正常状态的判别比较;同时人为设置变量缺损值,检验LVQ网络对缺失数据的适应性。结果LVQ网络结构为25→13→3;网络判断准确率为96.98%,对血糖异常者的正确判断率为92.45%。利用逐步判别分析建立的含11个变量的判别方程的判断准确率为87.34%,对血糖异常者的正确判断率为85.53%。LVQ网络对带缺失项样本的误判比例为130,判别分析则为730。结论利用LVQ网络进行疾病分类预测,不仅能获得更好的预测效果,而且对资料的类型、分布不作任何限制,也不需要对分析变量做任何处理,还能很好地处理带缺失项的资料,是一种很好的流行病学分类预测新方