基于神经网络的脑卒中风险预测模型研究

摘要：

[目的]完善脑卒中关键风险因素的识别,提高脑卒中风险预测的精度,为脑卒中的科学诊断、治疗和干预提供更多依据.[方法]采集某三甲医院住院部近6 000条数据,经过数据处理和逻辑回归建模拟合,筛选出12个重要风险因素并构建脑卒中风险预测多层感知机神经网络模型;利用Python语言构建模型并进行效果检验.[结果]识别出总胆固醇、低密度脂蛋白等是影响脑卒中发病的6个最重要风险因素,当调节隐层神经元个数为7时风险预测模型的预测准确率为97.10％.[局限]有待纳入更多的风险因素和选用多种机器学习模型进行对比分析.[结论]本文方法可快速、有效地从数据中挖掘出影响脑卒中发病的关键风险因素,并预测其发病风险,具有较高的应用价值.

关键词：脑卒中、风险预测模型、神经网络、数据分析

所属期刊栏目：3

分类号：TP393(计算技术、计算机技术)

资助基金：本文系国家自然科学基金项目“基于在线健康社区的病患知识发现和个性化诊疗推荐方法研究”;国家社会科学基金重点项目“供给侧结构性改革背景下中国先进制造业集聚区全球影响力培育路径研究”;广州市哲学社科项目“信息网络技术驱动广州制造业转型”

在线出版日期：2020-06-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：70-75