• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于多層感知神經(jīng)網(wǎng)絡(luò)的糖尿病并發(fā)癥預(yù)測研究

    2018-11-17 01:06:12劉迷迷蔡永銘
    軟件 2018年10期
    關(guān)鍵詞:尿常規(guī)糖化生化

    劉迷迷,蔡永銘

    ?

    基于多層感知神經(jīng)網(wǎng)絡(luò)的糖尿病并發(fā)癥預(yù)測研究

    劉迷迷1,蔡永銘2,3*

    (1. 廣東藥科大學(xué) 公共衛(wèi)生學(xué)院,廣東 廣州 510006;2. 廣東藥科大學(xué) 醫(yī)藥信息工程學(xué)院,廣東 廣州 510006; 3. 廣東省中醫(yī)藥精準(zhǔn)醫(yī)學(xué)大數(shù)據(jù)工程技術(shù)研究中心,廣東 廣州 510006)

    糖尿病并發(fā)癥患者的死亡率高于僅患糖尿病患者的死亡率,預(yù)測糖尿病并發(fā)癥有重要意義,以輔助臨床早發(fā)現(xiàn)和早治療糖尿病并發(fā)癥,降低糖尿病患者死于并發(fā)癥的風(fēng)險。本研究目的是根據(jù)糖尿病患者的尿常規(guī)檢查、生化檢查和糖化檢查信息,構(gòu)建預(yù)測糖尿病并發(fā)癥的多層感知神經(jīng)網(wǎng)絡(luò)(Multilayer Perceptron,MLP)模型,并篩選對糖尿病并發(fā)癥預(yù)測影響較大的指標(biāo),以期提高糖尿病并發(fā)癥的診斷篩查。依據(jù)《實(shí)用內(nèi)科學(xué)》中關(guān)于糖尿病及其并發(fā)癥的診斷術(shù)語規(guī)范診斷結(jié)果的糖尿病并發(fā)癥種類。分別以尿常規(guī)檢查、生化檢查和糖化檢查的各項(xiàng)指標(biāo)為自變量,以糖尿病并發(fā)癥種類為因變量,應(yīng)用MLP算法建立糖尿病并發(fā)癥預(yù)測模型,并以Boosting方法提高M(jìn)LP模型預(yù)測準(zhǔn)確率,同時與統(tǒng)計(jì)模型Logistic回歸對比分析。MLP模型篩選出對糖尿病并發(fā)癥預(yù)測影響較大的4項(xiàng)尿常規(guī)和6項(xiàng)生化檢查指標(biāo),其中影響最大的是患者的年齡。尿常規(guī)檢查和生化檢查的MLP模型準(zhǔn)確率較高,分別為87.56%、67.94%,且收益圖曲線上凸明顯,接近理想曲線。糖化信息的MLP模型準(zhǔn)確率低僅39.31%,收益圖曲線呈鋸齒狀上升,遠(yuǎn)離理想曲線。Logistic回歸模型的準(zhǔn)確率都較低,收益圖曲線均遠(yuǎn)離理想曲線。基于糖尿病患者的尿常規(guī)檢查、生化檢查和糖化檢查等信息,構(gòu)建的尿常規(guī)檢查和生化檢查的MLP模型預(yù)測效果較好,并篩選出對糖尿病并發(fā)癥預(yù)測影響較大指標(biāo),結(jié)果可用于輔助臨床醫(yī)生優(yōu)化診斷和治療糖尿病并發(fā)癥。MLP模型比Logistic回歸模型準(zhǔn)確率更高、收益更好,更適用于糖尿病并發(fā)癥的預(yù)測。

    糖尿病;并發(fā)癥;多層感知神經(jīng)網(wǎng)絡(luò);MLP;Logistic回歸

    0 引言

    糖尿病是目前影響全球人類健康的最重要的慢性非傳染性疾病之一,據(jù)國際糖尿病聯(lián)盟(IDF)統(tǒng)計(jì),2014年全球糖尿病患者人數(shù)達(dá)3.87億,預(yù)計(jì)到2035年全球糖尿病患者人數(shù)將增長55%,接近6億[1]。糖尿病病程長,是目前醫(yī)學(xué)界公認(rèn)并發(fā)癥最多的疾病,不僅給患者自身肉體和精神帶來傷害,使患者壽命縮短,還給患者家庭、社會和國家?guī)沓林氐慕?jīng)濟(jì)負(fù)擔(dān)。許多研究發(fā)現(xiàn),糖尿病并發(fā)癥患者的死亡率明顯比只患糖尿病患者的死亡率高[2]。因此,對于糖尿病并發(fā)癥的預(yù)測研究具有重要意義,以實(shí)現(xiàn)并發(fā)癥的早預(yù)防、早發(fā)現(xiàn)和早治療,協(xié)助臨床醫(yī)生優(yōu)化診斷和治療,從而降低糖尿病并發(fā)癥的死亡率。本研究擬根據(jù)糖尿病患者的尿常規(guī)檢查、生化檢查和糖化檢查等信息預(yù)測糖尿病并發(fā)癥,構(gòu)建糖尿病并發(fā)癥的多層感知神經(jīng)網(wǎng)絡(luò)(Multilayer Perceptron,MLP)模型。MLP是一種模式分類的神經(jīng)網(wǎng)絡(luò)模型,與單層感知神經(jīng)網(wǎng)絡(luò)相比,MLP可解決復(fù)雜線性不可分的多分類問題,適用于醫(yī)療數(shù)據(jù)分析,例如,在肝硬化、高血壓等疾病的預(yù)測研究中效果甚好[3-5]。同時本研究利用MLP計(jì)算各檢查指標(biāo)對預(yù)測糖尿病并發(fā)癥的重要性,篩選出對糖尿病并發(fā)癥預(yù)測影響較大的指標(biāo),在一定程度上輔助臨床決策。對比MLP和傳統(tǒng)Logistic回歸兩種模型對糖尿病并發(fā)癥的預(yù)測效果。

    1 資料和方法

    1.1 資料來源

    本研究資料來自于國家臨床醫(yī)學(xué)科學(xué)數(shù)據(jù)中心提供的《糖尿病數(shù)據(jù)集》,利用其中的尿常規(guī)信息表、生化信息表和糖化信息表。共有399例糖尿病患者的尿常規(guī)檢查資料,499例糖尿病患者的生化檢查資料和443例糖尿病患者的糖化檢查資料,三個信息表包含患者性別、年齡和各檢查對應(yīng)的眾多指標(biāo)。

    對尿常規(guī)檢查、生化檢查和糖化檢查的各項(xiàng)指標(biāo)進(jìn)行數(shù)據(jù)清洗、預(yù)處理和糾正非法值:刪除主題詞、申請序號、就診時間等無關(guān)或全部為空值的列數(shù)據(jù);分類型檢查指標(biāo)規(guī)范類標(biāo)號;刪除糖尿病并發(fā)癥診斷結(jié)果為空值或“待查”的患者數(shù)據(jù);刪除檢查指標(biāo)值為非法值的患者數(shù)據(jù);糖尿病并發(fā)癥診斷若有多種結(jié)果,為了充分揭示原始數(shù)據(jù)信息,復(fù)制該例患者數(shù)據(jù),確保每例患者數(shù)據(jù)只有一種診斷結(jié)果。經(jīng)上述預(yù)處理后,402例糖尿病患者尿常規(guī)檢查的各項(xiàng)指標(biāo)定義及賦值見表1,524例糖尿病患者生化檢查的各項(xiàng)指標(biāo)定義及賦值見表2,496例糖尿病患者糖化檢測的各項(xiàng)指標(biāo)定義及賦值見表3。依據(jù)《實(shí)用內(nèi)科學(xué)》中關(guān)于糖尿病及其并發(fā)癥的診斷術(shù)語對尿常規(guī)檢查、生化檢查和糖化檢查的診斷結(jié)果進(jìn)行規(guī)范,本研究不區(qū)分1型和2型糖尿病,規(guī)范為糖尿病,規(guī)范后尿常規(guī)檢查、生化檢查和糖化檢查的診斷結(jié)果分別有14種、17種和 14種。

    1.2 方法

    本研究應(yīng)用MLP算法,對患者尿常規(guī)檢查、生化檢查和糖化檢查數(shù)據(jù)分別構(gòu)建糖尿病并發(fā)癥預(yù)測模型。因?yàn)槟虺R?guī)檢查、生化檢查和糖化檢查的診斷結(jié)果種類較多,且各類樣本量較少,創(chuàng)建標(biāo)準(zhǔn)的MLP模型預(yù)測準(zhǔn)確率很低,分別為18.91%、18.70%和33.27%,所以本研究采用Boosting方法創(chuàng)建整體模型,由其生成多個模型序列以提高神經(jīng)網(wǎng)絡(luò)模型預(yù)測準(zhǔn)確率[6]。Boosting方法創(chuàng)建多個模型,用加權(quán)投票方式整合多個模型的預(yù)測,對樣本進(jìn)行整體地分類預(yù)測。防止模型過度擬合,在內(nèi)部將樣本劃分為模型構(gòu)建樣本集和防止過度擬合樣本集,后者作為獨(dú)立的樣本集,用于跟蹤訓(xùn)練過程中的錯誤,以防止MLP對數(shù)據(jù)中的幾率變異進(jìn)行建模,本研究指定30%的樣本為防止過度擬合樣本集。插補(bǔ)缺失值,并計(jì)算各項(xiàng)指標(biāo)對預(yù)測糖尿病并發(fā)癥種類的重要性。按以上參數(shù)設(shè)置對MLP模型進(jìn)行訓(xùn)練。

    表1 尿常規(guī)檢查的各項(xiàng)指標(biāo)定義及賦值

    Tab.1 Definition and assignment of indicators of urinalyses

    表2 生化檢查的各項(xiàng)指標(biāo)定義及賦值

    Tab.2 Definition and assignment of indicators of biochemical examination

    表3 糖化檢查的各項(xiàng)指標(biāo)定義及賦值

    Tab.3 Definition and assignment of indicators of saccharification examination

    根據(jù)糖尿病并發(fā)癥種類隨機(jī)分配樣本70%訓(xùn)練集和30%測試集,分別用于訓(xùn)練和測試Logistic回歸模型。因?yàn)榛颊吣虺R?guī)檢查、生化檢查和糖化檢查診斷結(jié)果有多個種類,所以建立多項(xiàng)式Logistic回歸模型,并用逐步法分步構(gòu)建方程,保證模型納入的是對糖尿病并發(fā)癥預(yù)測重要的指標(biāo)。指定糖尿病性肺部疾病為建模的參考種類,其他參數(shù)為默認(rèn)值,按以上參數(shù)設(shè)置對Logistic回歸模型進(jìn)行訓(xùn)練。最后,以分類準(zhǔn)確率和收益圖評價模型的預(yù)測效果。本研究構(gòu)建和評價上述兩類模型均在IBM SPSS Modeler 18.1軟件中實(shí)現(xiàn)。

    2 結(jié)果

    2.1 并發(fā)癥分布

    按照《實(shí)用內(nèi)科學(xué)》中糖尿病及其并發(fā)癥的診斷術(shù)語對糖尿病患者尿常規(guī)檢查、生化檢查和糖化檢查的診斷結(jié)果規(guī)范后,統(tǒng)計(jì)三類檢查診斷結(jié)果的糖尿病并發(fā)癥分布,見表4。糖尿病患者中,除未患并發(fā)癥的患者外,糖尿病合并心臟病的患者比例最高,其次是糖尿病性腎病、肝膽疾病和高血壓等。

    表4 糖尿病并發(fā)癥的統(tǒng)計(jì)分布

    Tab.4 Statistical distribution of diabetic complications

    2.2 指標(biāo)的重要性

    MLP計(jì)算各項(xiàng)檢查指標(biāo)對預(yù)測糖尿病并發(fā)癥種類的重要性,按重要性降序排列,前10個指標(biāo)及其重要性見表5。每個MLP模型的指標(biāo)重要性之和為1.0,尿常規(guī)檢查中年齡、尿蛋白、性別和尿比重是尿常規(guī)檢查中對糖尿病并發(fā)癥預(yù)測影響最大的4項(xiàng)指標(biāo)。生化檢查中對糖尿病并發(fā)癥預(yù)測影響較大的指標(biāo)有年齡、肌酐、血清白蛋白、性別、直接膽紅素和總膽紅素,但各指標(biāo)的重要性區(qū)分度不大。糖化檢查的MLP模型預(yù)測效果不佳,由該模型計(jì)算的指標(biāo)重要性的參考價值可能不大。總的來看,年齡是對糖尿病并發(fā)癥預(yù)測影響最大的指標(biāo)。

    表5 預(yù)測糖尿病并發(fā)癥的重要指標(biāo)

    Tab.5 Important indicators for predictions of diabetic complications

    2.3 模型的評價

    本研究用分類準(zhǔn)確率,即正確分類的樣本例數(shù)占總的樣本例數(shù)的百分比,以及收益圖評價模型的分類效果,其中收益圖以各模型預(yù)測糖尿病性肺部疾病的收益圖為例。尿常規(guī)檢查、生化檢查和糖化檢查的MLP模型準(zhǔn)確率分別為87.56%、67.94%和39.31%,各MLP模型預(yù)測糖尿病性肺部疾病的收益圖見圖1(曲折上升的曲線即收益圖曲線)。尿常規(guī)檢查的MLP模型有很高的準(zhǔn)確率,并且收益圖曲線上凸明顯,迅速上升達(dá)到100%收益后平穩(wěn),十分接近理想曲線,模型預(yù)測效果好。生化檢查的MLP模型有較高的準(zhǔn)確率,收益圖曲線部分呈鋸齒狀上升,比較接近理想曲線,模型預(yù)測效果較好。糖化檢查的MLP模型準(zhǔn)確率低,收益圖曲線呈鋸齒狀上升,遠(yuǎn)離理想曲線,模型預(yù)測效果不好。因此,尿常規(guī)檢查和生化檢查的MLP模型預(yù)測效果較好,可用于糖尿病并發(fā)癥的預(yù)測。

    尿常規(guī)檢查、生化檢查和糖化檢查的Logistic回歸模型準(zhǔn)確率分別為24.38%、23.85%和33.06%,各模型預(yù)測糖尿病性肺部疾病的收益圖見圖2(曲折上升的曲線即收益圖曲線)。各Logistic回歸模型準(zhǔn)確率都很低,收益圖曲線呈鋸齒狀上升,遠(yuǎn)離理想曲線,模型預(yù)測效果很差,不適用于糖尿病并發(fā)癥的預(yù)測。

    圖1 MLP模型預(yù)測糖尿病性肺部疾病收益圖

    圖2 Logistic回歸模型預(yù)測糖尿病性肺部疾病收益圖

    3 討論

    本研究用MLP分別篩選出對糖尿病并發(fā)癥預(yù)測影響較大4項(xiàng)尿常規(guī)檢查和6項(xiàng)生化檢查指標(biāo),臨床醫(yī)生預(yù)測或診斷患者糖尿病并發(fā)癥時可重點(diǎn)考慮患者的這幾項(xiàng)指標(biāo),以便快速評估患者患某種糖尿病并發(fā)癥可能。年齡是尿常規(guī)檢查和生化檢查MLP模型最重要的指標(biāo),醫(yī)生和患者應(yīng)重視年齡因素,以往的流行病學(xué)調(diào)查和回顧性分析的結(jié)果均發(fā)現(xiàn)年齡與糖尿病發(fā)病率密切相關(guān)[7,8]。評估糖尿病并發(fā)癥的獨(dú)立危險因素研究的結(jié)果顯示,隨著患者年齡的增長,糖尿病并發(fā)癥的發(fā)生風(fēng)險會隨之增加[9]。

    本研究采用MLP構(gòu)建神經(jīng)網(wǎng)絡(luò)模型,可以處理較為復(fù)雜的關(guān)系,且預(yù)測能力好,適用于疾病預(yù)測研究。Boosting 方法產(chǎn)生一系列“成分模型”,其中每個模型在整個數(shù)據(jù)集上構(gòu)建,在構(gòu)建后續(xù)成分模型時考慮了前一成分模型的結(jié)果,逐步生成多個模型序列的整體模型,該整體模型采用組合規(guī)則對新樣本進(jìn)行分類預(yù)測,提高了模型的準(zhǔn)確率[10]。

    MLP等神經(jīng)網(wǎng)絡(luò)模型是模擬人類大腦處理信息方式的簡化模型,通常包含輸入層、隱藏層和輸出層三個部分,不容易對模型進(jìn)行解釋。傳統(tǒng)的統(tǒng)計(jì)模型更容易解釋因變量與自變量之間的關(guān)系,例如Logistic回歸模型,是一組用于在給定一組預(yù)測變量值的情況下推導(dǎo)出目標(biāo)類別概率的回歸方程,可以用于估計(jì)新樣本屬于某個類別的概率。本研究糖尿病性肺部疾病被視為基準(zhǔn)類別,Logistic回歸模型給出其他類別相對于基準(zhǔn)類別的對數(shù)優(yōu)勢比,每個類別的預(yù)測概率根據(jù)這些對數(shù)優(yōu)勢比推導(dǎo)得出。但是傳統(tǒng)的統(tǒng)計(jì)模型處理自變量類型多樣、變量間關(guān)系復(fù)雜的問題時,效果很差,本研究使用Logistic回歸模型預(yù)測糖尿病并發(fā)癥的準(zhǔn)確率和收益圖不如MLP模型[11-13]。綜上,本研究的目的是更準(zhǔn)確地預(yù)測糖尿病并發(fā)癥種類,模型的可解釋性不是最重要的,因此建立MLP模型以獲得良好的預(yù)測。

    目前已用于預(yù)測糖尿病并發(fā)癥的研究方法主要有Logistic回歸、COX回歸、支持向量機(jī)、分類與決策樹模型和神經(jīng)網(wǎng)絡(luò)模型,以及結(jié)合Logistic回歸等統(tǒng)計(jì)方法進(jìn)行特征篩選再利用神經(jīng)網(wǎng)絡(luò)算法建立預(yù)測模型[14]。其中利用神經(jīng)網(wǎng)絡(luò)算法構(gòu)建的糖尿病并發(fā)癥預(yù)測模型準(zhǔn)確率較高,例如BP神經(jīng)網(wǎng)絡(luò)和學(xué)習(xí)向量量化神經(jīng)網(wǎng)絡(luò)[15-16]。但未見利用針對非線性復(fù)雜多分類問題的MLP算法預(yù)測糖尿病并發(fā)癥的研究,且以往的研究大多只對一種糖尿病并發(fā)癥進(jìn)行預(yù)測,最多的也只有7種,本研究依據(jù)《實(shí)用內(nèi)科學(xué)》中關(guān)于糖尿病及其并發(fā)癥的診斷術(shù)語,全面規(guī)范了糖尿病并發(fā)癥的種類,然后建立模型對更多種糖尿病并發(fā)癥同時預(yù)測。

    4 結(jié)論

    本研究根據(jù)糖尿病患者的尿常規(guī)檢查、生化檢查和糖化檢查等信息構(gòu)建糖尿病并發(fā)癥預(yù)測模型,其中尿常規(guī)檢查和生化檢查的MLP模型預(yù)測效果較好,可用于輔助臨床診斷糖尿病并發(fā)癥,進(jìn)而改善患者生活質(zhì)量,降低糖尿病并發(fā)癥死亡率。同時篩選出對糖尿病并發(fā)癥預(yù)測影響較大4項(xiàng)尿常規(guī)檢查和6項(xiàng)生化檢查指標(biāo),影響最大的是患者的年齡,醫(yī)生可重點(diǎn)考慮這幾項(xiàng)指標(biāo),在一定程度上輔助臨床決策,優(yōu)化診斷和治療糖尿病并發(fā)癥。與傳統(tǒng)的統(tǒng)計(jì)模型Logistic回歸對比,MLP模型對自變量類型多樣、變量間關(guān)系復(fù)雜的糖尿病并發(fā)癥預(yù)測有更高的準(zhǔn)確率和更好的收益,更適用于預(yù)測糖尿病并發(fā)癥。

    [1] International Diabetes Federation. IDF Diabetes Atlas Sixth editionposter update 2014[EB/OL]. http://www.Idf.Org/ diabetesatlas/update-2014. [2014-11-10].

    [2] 王會奇, 何松明, 李東升. 2型糖尿病患者181例社區(qū)跟蹤十年并發(fā)癥和合并癥及治療情況變化分析[J]. 中國全科醫(yī)學(xué), 2012, 15(12C) : 4212-4215.

    [3] 韓玲. 基于人工神經(jīng)網(wǎng)絡(luò)——多層感知器(MLP)的遙感影像分類模型[J]. 測繪通報(bào), 2004, (9): 29-30+42.

    [4] Semra I, Sad?k K, Ays G. Comparison of multilayer perceptron training algorithms for portal venous doppler signals in the cirrhosis disease[J]. Expert Systems with Applications, 2006, (31): 406-413.

    [5] Wang A, An N, et al. Predicting hypertension without measurement: A non-invasive, questionnaire-based approach[J]. Expert Systems with Applications, 2015, (42): 7601-7609.

    [6] Schwenk H, Beng Y, et al. Boosting neural networks[J]. Neural Computation, 2000, 12( 8): 1869-1887.

    [7] Chew B H, Ghazali S S, et al. Age≥60 years was aninde-pendent risk factor for diabetes-related complications despite goodcontrol of cardiovascular risk factors in patients with type 2 diabetesmellitus[J]. Exp Gerontol, 2013, 48(5): 485-491.

    [8] Farshchi A, Esteghamati A, et al. The cost of diabeteschronic complications among Iranian people with type 2 diabete-smellitus[J]. J Diabetes Metab Disord, 2014, 13 (1): 42.

    [9] 李偉芳, 李華, 董捷, 王鵬. 老年2型糖尿病慢性并發(fā)癥發(fā)病時間及危險因素分析[J]. 中國全科醫(yī)學(xué), 2015, 18 (14): 1632 -1636.

    [10] Zhou Z H, Wu J X, et al. Ensembling neural networks: Many could be better than all[J]. Artifical Intelligence, 2002, 137(1-2): 239-263.

    [11] 馬莉雅. 基于決策樹、邏輯回歸和改進(jìn)神經(jīng)網(wǎng)絡(luò)的幾種慢性病的危險因素分析研究(英文)[J]. 軟件, 2014, 35 (12): 58-65.

    [12] Kurt I, Ture M, et al. Comparing performances of logistic regression, classification and regression tree, and neural networks for predicting coronary artery disease[J]. Expert Systems with Applications, 2008, 34(1): 366-374.

    [13] 田興國, 陳江濤, 呂建秋. 基于數(shù)據(jù)挖掘的獸藥質(zhì)量風(fēng)險預(yù)測[J]. 現(xiàn)代食品科技, 2017, 33(11): 212-218.

    [14] 李攀. 基于神經(jīng)網(wǎng)絡(luò)的2型糖尿病并發(fā)癥預(yù)測模型的研究[D]. 2016, 廣州中醫(yī)藥大學(xué).

    [15] 崔純純. 基于神經(jīng)網(wǎng)絡(luò)的糖尿病并發(fā)癥預(yù)測系統(tǒng)研究[D]. 2018, 北京交通大學(xué).

    [16] 李戈靳, 立忠. 基于學(xué)習(xí)向量量化網(wǎng)絡(luò)建立糖尿病并發(fā)癥預(yù)測模型[J]. 中國自然醫(yī)學(xué)雜志, 2006, 12(8): 254-258.

    Predictions of Diabetic Complications Based on MLP

    LIU Mi-mi1, CAI Yong-ming2,3*

    (1. School of Public Health, Guangdong Pharmaceutical University , Guangzhou, 510006, China; 2. College of Medical Information Engineering, Guangdong Pharmaceutical University, Guangzhou 510006, China; 3. Guangdong Chinese medicine big data engineering research center, Guangzhou 510006, China)

    Objective The mortality of patients with diabetic complications is higher than that of patients with only diabetes, and it is of great significance to predict diabetic complications, so as to assist the early detection and early treatment of diabetic complications in clinical practice and reduce the risk of diabetes patients dying from complications. The aim of the present study was to according to the examinations information of diabetes patients, such as urinalyses, biochemical examination and saccharification examination, build multilayer perception neural networks (MLP) models for predicting the diabetic complications, and screen the important indicators for predictions of diabetic complications, to improve the diagnosis and screening of diabetic complications further. Methods The type of diabetic complications is standardized according to the diagnostic terminology of diabetes and its complications in. By the indicators of urinalyses, biochemical examination and saccharification examination as independent variables respectively, the type of diabetic complications as dependent variable, MLP algorithm was used to establish prediction models of diabetic complications, and Boosting method was applied to improve the predictive accuracy of MLP models. In addition, the MLP models were compared with the traditional statistical models (i.e., the Logistic regression models). Results The MLP models screened out four indicators of urinalyses and six indicators of biochemical examination that have great effects on prediction of diabetic complications, one of which most affected is age. The accuracy of the MLP model of urinalyses and biochemical examination was as high as 87.56% and 67.94% respectively, and in their gain charts, the practical curves were obviously convex close to the ideal curves. However, the accuracy of the saccharification information MLP model was only 39.31%, and in its gain chart the curve was jagged and away from the ideal curve. The Logistic regression models had low accuracy, and curves of those gain charts were away from the ideal curves. Conclusions The MLP models based on urinalyses and biochemical examination of diabetes patients have good prediction effects, and the examination indicators that have a great influence on the prediction of diabetic complications are screened out. These results can be used to assist clinicians in optimizing the diagnosis and treatment of diabetic complications. The MLP models have higher accuracy and better gains than the Logistic regression models, they are more suitable for the prediction of diabetic complications.

    Diabetes mellitus; Complications; Multilayer perceptron; MLP; Logistic regression

    TP311.5

    A

    10.3969/j.issn.1003-6970.2018.10.007

    廣東省自然科學(xué)基金項(xiàng)目(項(xiàng)目編號:2014A030313585);2016年廣東省創(chuàng)新強(qiáng)校項(xiàng)目“廣東省高?;谠朴?jì)算的精準(zhǔn)醫(yī)學(xué)大數(shù)據(jù)工程技術(shù)研究中心”

    劉迷迷(1993-),女,研究生,研究方向?yàn)榻】敌畔?shù)據(jù)挖掘。

    蔡永銘(1975-),男,教授,研究方向?yàn)樾l(wèi)生信息系統(tǒng)集成、醫(yī)學(xué)信息處理,中國計(jì)算機(jī)學(xué)會(CCF)會員(會員號:20517M)。

    劉迷迷,蔡永銘. 基于多層感知神經(jīng)網(wǎng)絡(luò)的糖尿病并發(fā)癥預(yù)測研究[J]. 軟件,2018,39(10):30-35

    猜你喜歡
    尿常規(guī)糖化生化
    尿常規(guī)與尿沉渣對尿液檢驗(yàn)的影響及分析
    從廢紙簍里生化出的一節(jié)美術(shù)課
    誰是半生化人
    《生化結(jié)合治理白蟻》
    新型糖化醪過濾工藝
    《生化結(jié)合治理白蟻》
    影響檢驗(yàn)科尿常規(guī)檢驗(yàn)的因素及改進(jìn)管理措施分析
    甜酒曲發(fā)酵制備花生粕糖化液的研究
    糖化血紅蛋白測定在非糖尿病冠心病中的意義
    尿常規(guī)干化學(xué)檢測結(jié)果準(zhǔn)確性及影響因素分析
    精品少妇一区二区三区视频日本电影| 国产精品自产拍在线观看55亚洲 | svipshipincom国产片| 午夜日韩欧美国产| 亚洲精品国产区一区二| 亚洲av美国av| 免费人妻精品一区二区三区视频| 国产人伦9x9x在线观看| 亚洲午夜精品一区,二区,三区| 久久精品国产a三级三级三级| 亚洲久久久国产精品| 夜夜爽天天搞| 亚洲第一欧美日韩一区二区三区 | 99国产精品免费福利视频| 午夜福利在线观看吧| 一本—道久久a久久精品蜜桃钙片| 中文字幕av电影在线播放| 天堂俺去俺来也www色官网| 久久久精品免费免费高清| 天堂中文最新版在线下载| 热99re8久久精品国产| 人人妻人人添人人爽欧美一区卜| 999精品在线视频| a级片在线免费高清观看视频| av网站免费在线观看视频| 十分钟在线观看高清视频www| 真人做人爱边吃奶动态| 三上悠亚av全集在线观看| 18禁国产床啪视频网站| 中文欧美无线码| 在线播放国产精品三级| 国产日韩欧美视频二区| 高清视频免费观看一区二区| 波多野结衣一区麻豆| 久久人妻av系列| 少妇 在线观看| avwww免费| 男女之事视频高清在线观看| 久久久国产一区二区| 两性午夜刺激爽爽歪歪视频在线观看 | 高清黄色对白视频在线免费看| 夜夜夜夜夜久久久久| 成人精品一区二区免费| 国产精品影院久久| 99国产综合亚洲精品| 无人区码免费观看不卡 | 免费观看人在逋| 色婷婷av一区二区三区视频| 99国产精品一区二区三区| 在线观看人妻少妇| 狠狠狠狠99中文字幕| 18禁裸乳无遮挡动漫免费视频| 黑人操中国人逼视频| 嫩草影视91久久| av有码第一页| 桃花免费在线播放| 夜夜骑夜夜射夜夜干| 精品亚洲成a人片在线观看| 国产欧美日韩综合在线一区二区| 亚洲av片天天在线观看| 午夜精品国产一区二区电影| 日韩三级视频一区二区三区| 亚洲色图 男人天堂 中文字幕| 欧美精品av麻豆av| 免费日韩欧美在线观看| 国产男靠女视频免费网站| 五月开心婷婷网| 日韩有码中文字幕| 亚洲中文日韩欧美视频| 日韩成人在线观看一区二区三区| 人成视频在线观看免费观看| 狂野欧美激情性xxxx| 色婷婷久久久亚洲欧美| 久久天堂一区二区三区四区| 欧美日韩福利视频一区二区| 久久 成人 亚洲| 亚洲全国av大片| 国产三级黄色录像| 国产区一区二久久| 久久精品亚洲熟妇少妇任你| 精品视频人人做人人爽| a级毛片在线看网站| 久久午夜综合久久蜜桃| 午夜视频精品福利| 国产精品一区二区在线观看99| 日本wwww免费看| 亚洲av片天天在线观看| 精品视频人人做人人爽| 波多野结衣一区麻豆| 一级毛片精品| 午夜免费成人在线视频| 满18在线观看网站| 国产精品久久电影中文字幕 | 黄色 视频免费看| 99在线人妻在线中文字幕 | 中文字幕高清在线视频| 丁香六月天网| 电影成人av| 国产精品一区二区在线不卡| 动漫黄色视频在线观看| 久久久国产精品麻豆| 菩萨蛮人人尽说江南好唐韦庄| 久久精品国产综合久久久| 亚洲少妇的诱惑av| 母亲3免费完整高清在线观看| 色尼玛亚洲综合影院| 在线观看免费视频日本深夜| 日本精品一区二区三区蜜桃| 日本撒尿小便嘘嘘汇集6| 精品久久久精品久久久| 久久久久久久大尺度免费视频| 岛国毛片在线播放| e午夜精品久久久久久久| 无限看片的www在线观看| 国产日韩欧美在线精品| 黄片大片在线免费观看| 丁香六月欧美| 亚洲欧美色中文字幕在线| 99国产精品一区二区蜜桃av | 女同久久另类99精品国产91| 国产亚洲欧美在线一区二区| 三级毛片av免费| 一区二区三区乱码不卡18| 少妇精品久久久久久久| 黄片大片在线免费观看| 女人爽到高潮嗷嗷叫在线视频| 天天躁狠狠躁夜夜躁狠狠躁| a在线观看视频网站| 青青草视频在线视频观看| 成人av一区二区三区在线看| 国产免费福利视频在线观看| 两个人看的免费小视频| 天天躁夜夜躁狠狠躁躁| 男女之事视频高清在线观看| 高潮久久久久久久久久久不卡| 亚洲精品国产区一区二| 久久狼人影院| 亚洲欧美激情在线| 91老司机精品| 国产在视频线精品| 精品福利观看| 日本黄色视频三级网站网址 | 国产精品一区二区免费欧美| 人人妻人人添人人爽欧美一区卜| 啦啦啦中文免费视频观看日本| 五月天丁香电影| 日韩制服丝袜自拍偷拍| 女人高潮潮喷娇喘18禁视频| 巨乳人妻的诱惑在线观看| 国产在线免费精品| 大型av网站在线播放| 两性夫妻黄色片| 99热网站在线观看| 成人18禁在线播放| 久久热在线av| 国产亚洲精品一区二区www | av线在线观看网站| 国产精品免费一区二区三区在线 | 久久天躁狠狠躁夜夜2o2o| 黄色怎么调成土黄色| 丝瓜视频免费看黄片| 日韩欧美免费精品| 精品一区二区三区av网在线观看 | 青草久久国产| 99国产精品一区二区三区| 国产91精品成人一区二区三区 | 巨乳人妻的诱惑在线观看| 久久精品成人免费网站| 亚洲中文日韩欧美视频| 亚洲,欧美精品.| 三级毛片av免费| 岛国在线观看网站| 啦啦啦 在线观看视频| 中文字幕色久视频| 亚洲精品成人av观看孕妇| 岛国毛片在线播放| 亚洲欧洲精品一区二区精品久久久| 纯流量卡能插随身wifi吗| 天堂中文最新版在线下载| 丰满迷人的少妇在线观看| 黑人巨大精品欧美一区二区蜜桃| 视频在线观看一区二区三区| 老司机深夜福利视频在线观看| 久久中文看片网| 一区二区av电影网| 久久亚洲真实| 熟女少妇亚洲综合色aaa.| 老熟妇乱子伦视频在线观看| 国产精品免费视频内射| 精品午夜福利视频在线观看一区 | 精品少妇久久久久久888优播| 日日夜夜操网爽| 色婷婷久久久亚洲欧美| 激情视频va一区二区三区| 在线亚洲精品国产二区图片欧美| 日韩精品免费视频一区二区三区| 黄色视频,在线免费观看| 法律面前人人平等表现在哪些方面| 不卡一级毛片| av超薄肉色丝袜交足视频| 久久青草综合色| 在线观看人妻少妇| 亚洲色图 男人天堂 中文字幕| 欧美人与性动交α欧美软件| 十八禁网站免费在线| 欧美黄色淫秽网站| 每晚都被弄得嗷嗷叫到高潮| 男女免费视频国产| 美女福利国产在线| 亚洲第一青青草原| 久久久久国产一级毛片高清牌| 国产精品久久久久久精品古装| 黄色视频,在线免费观看| 91大片在线观看| 99国产极品粉嫩在线观看| 亚洲精华国产精华精| 免费一级毛片在线播放高清视频 | 日本av手机在线免费观看| 午夜福利视频在线观看免费| 嫁个100分男人电影在线观看| 99久久99久久久精品蜜桃| 两个人免费观看高清视频| 久久久国产成人免费| 国产精品熟女久久久久浪| 99精品欧美一区二区三区四区| 久久久久久亚洲精品国产蜜桃av| 欧美 日韩 精品 国产| 51午夜福利影视在线观看| 黄片播放在线免费| 国产又色又爽无遮挡免费看| 亚洲人成电影免费在线| 国产精品亚洲一级av第二区| 欧美精品一区二区大全| av电影中文网址| 久久av网站| 久久久久久亚洲精品国产蜜桃av| 好男人电影高清在线观看| 中文字幕另类日韩欧美亚洲嫩草| 啦啦啦在线免费观看视频4| 国产不卡一卡二| 美女主播在线视频| 在线观看www视频免费| 国产亚洲精品久久久久5区| 淫妇啪啪啪对白视频| 亚洲国产看品久久| 女人精品久久久久毛片| 久久久久久人人人人人| 十八禁人妻一区二区| 不卡av一区二区三区| 捣出白浆h1v1| 国产aⅴ精品一区二区三区波| 免费看a级黄色片| 如日韩欧美国产精品一区二区三区| 欧美 亚洲 国产 日韩一| 99re6热这里在线精品视频| 91麻豆av在线| 丝袜喷水一区| 欧美日韩一级在线毛片| 9191精品国产免费久久| 欧美+亚洲+日韩+国产| 宅男免费午夜| 久久久久久久精品吃奶| 久久久国产成人免费| 久久青草综合色| 一区二区三区激情视频| 亚洲伊人色综图| 黄色视频不卡| 国产精品 国内视频| 国产成人免费观看mmmm| 中文字幕av电影在线播放| 一级黄色大片毛片| 久久精品熟女亚洲av麻豆精品| 五月开心婷婷网| av福利片在线| 国产激情久久老熟女| 欧美日韩国产mv在线观看视频| 久久精品国产a三级三级三级| 亚洲欧美一区二区三区黑人| 熟女少妇亚洲综合色aaa.| 一区二区三区激情视频| videosex国产| 午夜老司机福利片| 免费在线观看日本一区| 美女视频免费永久观看网站| 亚洲精品中文字幕一二三四区 | 最近最新中文字幕大全电影3 | 一个人免费看片子| 天天操日日干夜夜撸| 国产精品久久电影中文字幕 | 午夜激情久久久久久久| 一本久久精品| 涩涩av久久男人的天堂| 亚洲欧美一区二区三区黑人| av网站在线播放免费| 欧美日韩av久久| 他把我摸到了高潮在线观看 | 美女视频免费永久观看网站| av有码第一页| 亚洲伊人久久精品综合| 久久精品亚洲精品国产色婷小说| 国产在线观看jvid| 久久亚洲真实| 久久人人爽av亚洲精品天堂| 少妇猛男粗大的猛烈进出视频| 在线观看www视频免费| 女性生殖器流出的白浆| 国产一区二区在线观看av| 欧美乱码精品一区二区三区| 日韩精品免费视频一区二区三区| 黄片大片在线免费观看| 免费一级毛片在线播放高清视频 | 精品视频人人做人人爽| 国产精品成人在线| 少妇猛男粗大的猛烈进出视频| 精品视频人人做人人爽| 国产成人欧美在线观看 | 午夜两性在线视频| 亚洲中文av在线| 国产精品久久电影中文字幕 | 免费一级毛片在线播放高清视频 | 极品教师在线免费播放| 国产成人免费观看mmmm| 一区二区三区乱码不卡18| 午夜福利乱码中文字幕| 亚洲人成电影观看| av天堂久久9| 国产无遮挡羞羞视频在线观看| 午夜福利,免费看| 国产精品成人在线| 亚洲 欧美一区二区三区| 久久久久久久国产电影| 欧美精品一区二区大全| 在线av久久热| 无限看片的www在线观看| 国产xxxxx性猛交| 老鸭窝网址在线观看| 黄色怎么调成土黄色| 精品人妻1区二区| 电影成人av| 亚洲成人手机| 国产不卡一卡二| 久久天躁狠狠躁夜夜2o2o| 一级毛片精品| 国产日韩欧美在线精品| 最新的欧美精品一区二区| 黄色怎么调成土黄色| 午夜福利视频在线观看免费| 欧美乱妇无乱码| 亚洲自偷自拍图片 自拍| 国产91精品成人一区二区三区 | av免费在线观看网站| 亚洲,欧美精品.| 国产黄色免费在线视频| 少妇猛男粗大的猛烈进出视频| 久久亚洲精品不卡| 热99re8久久精品国产| 亚洲自偷自拍图片 自拍| 国产主播在线观看一区二区| 波多野结衣一区麻豆| 丝袜美足系列| 久久毛片免费看一区二区三区| av又黄又爽大尺度在线免费看| 美女国产高潮福利片在线看| 国产精品二区激情视频| 亚洲欧洲日产国产| 免费看a级黄色片| 欧美亚洲 丝袜 人妻 在线| 99九九在线精品视频| 久久毛片免费看一区二区三区| 国产麻豆69| 精品少妇一区二区三区视频日本电影| 老汉色av国产亚洲站长工具| 熟女少妇亚洲综合色aaa.| 精品国产超薄肉色丝袜足j| 成人免费观看视频高清| 精品国产乱子伦一区二区三区| 免费看a级黄色片| tocl精华| 国产亚洲av高清不卡| 90打野战视频偷拍视频| 人妻久久中文字幕网| 日本黄色视频三级网站网址 | avwww免费| 久久精品成人免费网站| 日日爽夜夜爽网站| 国产又色又爽无遮挡免费看| av福利片在线| 精品福利观看| 国产伦理片在线播放av一区| 久久久国产一区二区| 激情视频va一区二区三区| 日韩视频一区二区在线观看| 欧美中文综合在线视频| 久久亚洲精品不卡| 男女高潮啪啪啪动态图| 黑人巨大精品欧美一区二区蜜桃| 一夜夜www| 亚洲综合色网址| 久久精品国产综合久久久| 80岁老熟妇乱子伦牲交| 一区二区av电影网| 超碰成人久久| 亚洲第一青青草原| 人人妻人人澡人人看| 亚洲专区字幕在线| 欧美午夜高清在线| 久久这里只有精品19| av免费在线观看网站| 视频区欧美日本亚洲| 多毛熟女@视频| 欧美亚洲日本最大视频资源| 国内毛片毛片毛片毛片毛片| 欧美国产精品一级二级三级| av线在线观看网站| 欧美亚洲 丝袜 人妻 在线| 两性午夜刺激爽爽歪歪视频在线观看 | 久久精品亚洲精品国产色婷小说| 99国产精品免费福利视频| 国产精品 欧美亚洲| 色在线成人网| 国产麻豆69| 欧美日韩亚洲高清精品| 久久精品国产亚洲av高清一级| 啦啦啦在线免费观看视频4| 亚洲视频免费观看视频| 亚洲第一欧美日韩一区二区三区 | 国产男女超爽视频在线观看| 久久久久精品国产欧美久久久| videos熟女内射| 久久久久久久久久久久大奶| 亚洲av片天天在线观看| 亚洲久久久国产精品| 女人精品久久久久毛片| 伊人久久大香线蕉亚洲五| 国产淫语在线视频| 欧美在线一区亚洲| 王馨瑶露胸无遮挡在线观看| 亚洲少妇的诱惑av| 中文字幕人妻熟女乱码| 久久国产亚洲av麻豆专区| 国产精品影院久久| 欧美精品一区二区免费开放| 一级毛片电影观看| 成人永久免费在线观看视频 | 国产成人av激情在线播放| 日韩欧美一区视频在线观看| 久久久久视频综合| 国产野战对白在线观看| 极品人妻少妇av视频| 亚洲国产欧美日韩在线播放| 汤姆久久久久久久影院中文字幕| 午夜激情av网站| 日本a在线网址| 美国免费a级毛片| 99精国产麻豆久久婷婷| 精品卡一卡二卡四卡免费| 亚洲精品粉嫩美女一区| 精品国产乱子伦一区二区三区| 欧美老熟妇乱子伦牲交| 欧美大码av| 欧美午夜高清在线| 黄色丝袜av网址大全| 99re在线观看精品视频| 成年女人毛片免费观看观看9 | 精品国产一区二区久久| 美女国产高潮福利片在线看| 久久精品国产亚洲av高清一级| 黑人操中国人逼视频| av欧美777| 操美女的视频在线观看| 亚洲专区国产一区二区| 国产在线免费精品| 亚洲精品国产一区二区精华液| 日韩制服丝袜自拍偷拍| 精品国产乱码久久久久久小说| 在线 av 中文字幕| 女人久久www免费人成看片| 熟女少妇亚洲综合色aaa.| 12—13女人毛片做爰片一| av超薄肉色丝袜交足视频| 免费在线观看视频国产中文字幕亚洲| 女性生殖器流出的白浆| 人人妻人人添人人爽欧美一区卜| 日韩 欧美 亚洲 中文字幕| 99香蕉大伊视频| 手机成人av网站| 国产亚洲精品久久久久5区| av电影中文网址| 欧美激情高清一区二区三区| 国产在视频线精品| 大陆偷拍与自拍| 亚洲av成人一区二区三| 欧美日本中文国产一区发布| 欧美大码av| 免费在线观看完整版高清| 午夜成年电影在线免费观看| 80岁老熟妇乱子伦牲交| 亚洲精品国产色婷婷电影| 在线观看免费视频网站a站| 熟女少妇亚洲综合色aaa.| 精品人妻在线不人妻| 免费久久久久久久精品成人欧美视频| 久久久久久久国产电影| 热99re8久久精品国产| 亚洲国产成人一精品久久久| 久久精品亚洲av国产电影网| 老司机深夜福利视频在线观看| 高清黄色对白视频在线免费看| 99国产精品一区二区三区| 国产成人精品久久二区二区91| 色婷婷久久久亚洲欧美| 久久久久久久久久久久大奶| 黄色成人免费大全| 一区二区三区精品91| 999久久久精品免费观看国产| 青草久久国产| 老司机靠b影院| 国产欧美日韩综合在线一区二区| 亚洲国产成人一精品久久久| 免费在线观看黄色视频的| 久久久久久久大尺度免费视频| 亚洲av国产av综合av卡| 不卡av一区二区三区| 久久精品人人爽人人爽视色| 黑人欧美特级aaaaaa片| 搡老岳熟女国产| 欧美成人免费av一区二区三区 | 美女福利国产在线| 国产一区二区激情短视频| 精品一区二区三区av网在线观看 | 超色免费av| 精品福利观看| 久久精品国产亚洲av高清一级| 丰满少妇做爰视频| 亚洲av日韩精品久久久久久密| 成人精品一区二区免费| 久久中文字幕人妻熟女| 欧美乱码精品一区二区三区| 国产成人精品在线电影| 99久久99久久久精品蜜桃| 日韩视频一区二区在线观看| 王馨瑶露胸无遮挡在线观看| 成人免费观看视频高清| 国产人伦9x9x在线观看| 国产精品免费一区二区三区在线 | 免费女性裸体啪啪无遮挡网站| 真人做人爱边吃奶动态| www.999成人在线观看| 成人18禁在线播放| 他把我摸到了高潮在线观看 | 精品一品国产午夜福利视频| 婷婷丁香在线五月| 久热这里只有精品99| 法律面前人人平等表现在哪些方面| 国产在线一区二区三区精| 国产国语露脸激情在线看| 国产成人欧美| 男人操女人黄网站| 久久久久久人人人人人| bbb黄色大片| 老熟女久久久| 老司机午夜福利在线观看视频 | 免费观看人在逋| 色婷婷久久久亚洲欧美| 母亲3免费完整高清在线观看| 黑人操中国人逼视频| 欧美激情高清一区二区三区| 美女国产高潮福利片在线看| 一级,二级,三级黄色视频| 激情视频va一区二区三区| 母亲3免费完整高清在线观看| 久久久久网色| 久久亚洲真实| 老司机在亚洲福利影院| 狠狠婷婷综合久久久久久88av| 女人爽到高潮嗷嗷叫在线视频| 久久精品人人爽人人爽视色| netflix在线观看网站| 狠狠狠狠99中文字幕| 老司机亚洲免费影院| 露出奶头的视频| 中文字幕精品免费在线观看视频| 狠狠婷婷综合久久久久久88av| 亚洲午夜精品一区,二区,三区| 久久天躁狠狠躁夜夜2o2o| 另类精品久久| av福利片在线| 精品亚洲成a人片在线观看| 一级毛片电影观看| 亚洲精品粉嫩美女一区| 又黄又粗又硬又大视频| 亚洲国产欧美一区二区综合| 精品国产超薄肉色丝袜足j| 极品人妻少妇av视频| 一区福利在线观看| 久久青草综合色| 狠狠婷婷综合久久久久久88av| 在线观看免费视频日本深夜| 69精品国产乱码久久久| 亚洲欧美色中文字幕在线| 成人18禁高潮啪啪吃奶动态图| 亚洲av电影在线进入| 97人妻天天添夜夜摸| 欧美日韩一级在线毛片| 无遮挡黄片免费观看| 国产男女内射视频| 久久av网站| 成人精品一区二区免费| 香蕉丝袜av| 老熟妇乱子伦视频在线观看| 久久天躁狠狠躁夜夜2o2o| 老司机靠b影院| 老司机午夜十八禁免费视频| 国产高清激情床上av| 我的亚洲天堂|