数据挖掘人工神经网络在结直肠癌预后预测中的研究与应用

摘要

【目的】：
　　1.比较BP人工神经网络模型与传统方法COX比例风险模型、logistic回归模型对结直肠癌患者术后5年生存时间的预测性能。
　　2.利用BP人工神经网络模型预测结直肠癌术后患者的生存时间并验证，探索寻找更为准确的结直肠癌术后生存时间的预测方法。
　　【方法】：
　　回顾性分析2010年1月1日至2011年12月31日于福建医科大学附属第一医院收治的327例结直肠癌术后患者的病历资料。
　　1、采用Cox多因素及二元Logistic回归筛选影响结直肠癌患者术后生存相关的因素；通过绘制并比较Roc曲线下面积来判别BP人工神经网络与logistic回归模型对结直肠癌患者术后生存的预测效果；
　　2、运用一致性指数C来对比分析BP人工神经网络与Cox比例风险模型对结直肠癌患者预后的预测性能；
　　3、采用配对T检验来比较BP人工神经网络模型的预测生存时间和实际生存时间，来测试模型的预测效果。
　　【结果】：
　　1、Cox回归分析显示，CEA、手术方式、术后病理、术后化疗、围手术期输血均是影响结直肠癌术后患者预后的危险因素（P<0.05）；通过配对T检验分析比较BP神经网络和Cox比例风险模型的50对一致性性指数C提示BP神经网络的预测性能优于Cox风险比例模型（P=0.018）。
　　2、Logistic回归分析显示，CEA、手术方式、术后病理、肿瘤浸润深度是结直肠癌术后患者的预后影响因素（P<0.05）；ROC曲线分析显示：BP神经网络模型的曲线下面积（0.930）大于Logistic回归模型（0.908），Z检验分析显示差异有统计学意义（P=0.041）。
　　3、BP神经网络模型在预测结直肠癌术后患者生存时间与患者实际生存时间的配对T检验分析显示BP人工神经网络具有较好的预测性能，差异无统计学意义（P=0.997）。
　　【结论】：
　　1、BP神经网络模型在对非线性医学数据的处理上均优于传统Cox比例风险模型和Logistic回归模型。
　　2、BP神经网络模型在预后生存时间上能够提供较为准确的预测，值得在临床资料等非线性数据的处理上推广。

目录

声明

中英文缩略词表

1、前言

2.材料与方法

2.1 分析路线图

2.2 材料来源及整理

2.3 BP神经网络方法

2.4 BP人工神经网络与Logistic回归模型的比较

2.5 BP神经网络模型与Cox风险比例模型的比较

2.6 BP神经网络对实际生存时间预测的研究

3.结果

3.1 BP人工神经网络与Logistic回归模型的比较

3.2 BP神经网络模型与Cox风险比例模型的比较

3.3 BP神经网络对实际生存时间预测的研究

4.讨论

5.结论

参考文献

综述:BP神经网络在医学诊断与预后预测中的应用

致谢

附录