• <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
    成人无遮挡网站| 欧美一区二区国产精品久久精品| 欧美高清成人免费视频www| 美女扒开内裤让男人捅视频| 舔av片在线| 三级国产精品欧美在线观看 | 手机成人av网站| 在线国产一区二区在线| 成人性生交大片免费视频hd| 精品国产乱码久久久久久男人| 1024香蕉在线观看| 男人舔女人的私密视频| 精品熟女少妇八av免费久了| 欧美av亚洲av综合av国产av| 亚洲午夜理论影院| 成人亚洲精品av一区二区| 19禁男女啪啪无遮挡网站| 亚洲 国产 在线| 在线观看舔阴道视频| 午夜福利成人在线免费观看| 亚洲精品久久国产高清桃花| 久久久久久久久久黄片| 日本黄大片高清| 国产高清videossex| 亚洲精品久久国产高清桃花| 精品人妻1区二区| 成人精品一区二区免费| 中文在线观看免费www的网站| 国产成人av教育| 国产真人三级小视频在线观看| 一区二区三区国产精品乱码| 日本在线视频免费播放| 狂野欧美激情性xxxx| 亚洲国产色片| 我要搜黄色片| 久久久水蜜桃国产精品网| 国产男靠女视频免费网站| 国产精品国产高清国产av| 欧美大码av| 狂野欧美激情性xxxx| 国产成人一区二区三区免费视频网站| 久久性视频一级片| 最近视频中文字幕2019在线8| 一个人免费在线观看的高清视频| 不卡一级毛片| av在线蜜桃| 国产亚洲av高清不卡| 日本熟妇午夜| 两性午夜刺激爽爽歪歪视频在线观看| 欧美日韩国产亚洲二区| 人妻丰满熟妇av一区二区三区| 热99re8久久精品国产| 国产精品精品国产色婷婷| 久久精品国产清高在天天线| 国产真人三级小视频在线观看| 一区二区三区高清视频在线| 亚洲中文日韩欧美视频| 丁香六月欧美| 99久久精品国产亚洲精品| 日韩av在线大香蕉| 九九热线精品视视频播放| 色吧在线观看| 国产精品久久久av美女十八| 三级国产精品欧美在线观看 | 成年女人看的毛片在线观看| 在线十欧美十亚洲十日本专区| 免费在线观看视频国产中文字幕亚洲| 观看免费一级毛片| e午夜精品久久久久久久| www.www免费av| 成在线人永久免费视频| 亚洲美女视频黄频| 国内少妇人妻偷人精品xxx网站 | 国产亚洲精品久久久久久毛片| 亚洲av成人一区二区三| 男人的好看免费观看在线视频| 国产又色又爽无遮挡免费看| 两个人的视频大全免费| 日本黄大片高清| 91九色精品人成在线观看| 丰满人妻熟妇乱又伦精品不卡| 国产美女午夜福利| 男插女下体视频免费在线播放| 黄片大片在线免费观看| 久99久视频精品免费| 国产精品久久视频播放| 51午夜福利影视在线观看| 天堂√8在线中文| 亚洲精品国产精品久久久不卡| 久久中文字幕一级| www.999成人在线观看| netflix在线观看网站| 老司机午夜福利在线观看视频| 别揉我奶头~嗯~啊~动态视频| a在线观看视频网站| 99精品欧美一区二区三区四区| 国产三级在线视频| 动漫黄色视频在线观看| 欧美精品啪啪一区二区三区| 成人精品一区二区免费| 级片在线观看| 99久国产av精品| 精品一区二区三区视频在线 | 男人舔女人下体高潮全视频| 人妻夜夜爽99麻豆av| 欧美日韩精品网址| 香蕉久久夜色| 国产av麻豆久久久久久久| 久久国产精品人妻蜜桃| 一级作爱视频免费观看| 国产淫片久久久久久久久 | 一级作爱视频免费观看| 综合色av麻豆| 最新中文字幕久久久久 | 黄色视频,在线免费观看| 日本免费a在线| 俄罗斯特黄特色一大片| 2021天堂中文幕一二区在线观| 亚洲精品一卡2卡三卡4卡5卡| 99国产精品一区二区三区| 国产 一区 欧美 日韩| 日本在线视频免费播放| 国产成人av激情在线播放| 亚洲成av人片在线播放无| 国内精品久久久久精免费| 伦理电影免费视频| 国产综合懂色| 中出人妻视频一区二区| 男人和女人高潮做爰伦理| 亚洲精品久久国产高清桃花| 精品久久久久久久久久久久久| 亚洲精华国产精华精| 国产成年人精品一区二区| 日本黄色视频三级网站网址| 制服丝袜大香蕉在线| 18禁黄网站禁片免费观看直播| 麻豆成人av在线观看| 在线十欧美十亚洲十日本专区| 欧美黑人欧美精品刺激| 天堂av国产一区二区熟女人妻| 精品国产超薄肉色丝袜足j| 久久精品综合一区二区三区| 亚洲avbb在线观看| 国产精品亚洲美女久久久| tocl精华| 国产一区二区三区在线臀色熟女| 在线视频色国产色| 亚洲美女视频黄频| 丰满人妻一区二区三区视频av | 99热精品在线国产| 操出白浆在线播放| www日本在线高清视频| 久久午夜综合久久蜜桃| 亚洲九九香蕉| 色精品久久人妻99蜜桃| 国产伦人伦偷精品视频| 国产野战对白在线观看| 亚洲中文日韩欧美视频| 久久久久精品国产欧美久久久| 国内毛片毛片毛片毛片毛片| 亚洲自拍偷在线| 日日摸夜夜添夜夜添小说| 丝袜人妻中文字幕| 国产欧美日韩一区二区三| 国产精品一区二区精品视频观看| 可以在线观看毛片的网站| 母亲3免费完整高清在线观看| 精品久久久久久,| 欧美午夜高清在线| 亚洲av成人一区二区三| 精品一区二区三区四区五区乱码| 欧美日韩亚洲国产一区二区在线观看| 亚洲男人的天堂狠狠| 国产97色在线日韩免费| 女人被狂操c到高潮| av女优亚洲男人天堂 | 国产激情久久老熟女| 国模一区二区三区四区视频 | 国产高清三级在线| 日本黄大片高清| 在线国产一区二区在线| 日韩欧美在线乱码| 九九在线视频观看精品| 亚洲va日本ⅴa欧美va伊人久久| 中文字幕久久专区| 中文字幕av在线有码专区| netflix在线观看网站| 又黄又爽又免费观看的视频| 老司机在亚洲福利影院| 变态另类成人亚洲欧美熟女| 在线观看免费视频日本深夜| 99视频精品全部免费 在线 | 搡老妇女老女人老熟妇| 岛国在线免费视频观看| 色播亚洲综合网| 亚洲五月婷婷丁香| 亚洲欧美日韩高清专用| 国产美女午夜福利| 亚洲国产中文字幕在线视频| 久久久久久久久免费视频了| 国产精品1区2区在线观看.| 不卡一级毛片| 国产乱人视频| www日本黄色视频网| 久久精品国产清高在天天线| 亚洲国产欧洲综合997久久,| 国产成人福利小说| 免费看美女性在线毛片视频| 国产精品久久视频播放| 国产亚洲精品久久久com| 99热6这里只有精品| 中出人妻视频一区二区| 高清在线国产一区| 欧美日韩亚洲国产一区二区在线观看| 人妻丰满熟妇av一区二区三区| 精品久久久久久久久久免费视频| xxxwww97欧美| 亚洲人与动物交配视频| 中国美女看黄片| 99精品久久久久人妻精品| 麻豆国产av国片精品| 日本黄色片子视频| 色尼玛亚洲综合影院| 日本三级黄在线观看| 国产精品永久免费网站| 最新美女视频免费是黄的| 99国产精品99久久久久| 欧美日本视频| 亚洲精品在线美女| 国产不卡一卡二| 日韩三级视频一区二区三区| 日韩成人在线观看一区二区三区| 97人妻精品一区二区三区麻豆| avwww免费| 老汉色av国产亚洲站长工具| 国产精品久久视频播放| 午夜激情福利司机影院| 法律面前人人平等表现在哪些方面| 国产熟女xx| 亚洲国产欧美网| 国产亚洲精品久久久久久毛片| 国产精品香港三级国产av潘金莲| 90打野战视频偷拍视频| 亚洲人成伊人成综合网2020| 国产伦一二天堂av在线观看| 999久久久精品免费观看国产| 日韩欧美一区二区三区在线观看| 久久久精品欧美日韩精品| 国模一区二区三区四区视频 | 夜夜看夜夜爽夜夜摸| 亚洲国产看品久久| 成年女人永久免费观看视频| 国产精品久久视频播放| 亚洲一区高清亚洲精品| 午夜精品一区二区三区免费看| 亚洲成人免费电影在线观看| 日本 av在线| 亚洲欧美日韩卡通动漫| 99热6这里只有精品| 小蜜桃在线观看免费完整版高清| h日本视频在线播放| 美女免费视频网站| 国产精品女同一区二区软件 | 国产熟女xx| 91九色精品人成在线观看| 色老头精品视频在线观看| 亚洲电影在线观看av| 日韩欧美国产一区二区入口| avwww免费| 国产高清视频在线观看网站| 成在线人永久免费视频| 久久亚洲真实| 午夜福利视频1000在线观看| 成人性生交大片免费视频hd| 成年免费大片在线观看| av黄色大香蕉| 看片在线看免费视频| 国产熟女xx| 亚洲成人久久性| 久久国产乱子伦精品免费另类| 日韩 欧美 亚洲 中文字幕| 黄片小视频在线播放| 国产亚洲欧美在线一区二区| 成人午夜高清在线视频| a在线观看视频网站| 男插女下体视频免费在线播放| 久久久国产成人免费| 男人和女人高潮做爰伦理| av片东京热男人的天堂| 亚洲国产精品久久男人天堂| 日日夜夜操网爽| 亚洲自偷自拍图片 自拍| 日本成人三级电影网站| 国产一区二区三区视频了| 人人妻人人澡欧美一区二区| 国产蜜桃级精品一区二区三区| 88av欧美| 黄频高清免费视频| 精品一区二区三区视频在线 | 一个人免费在线观看电影 | 亚洲国产日韩欧美精品在线观看 | 欧美日韩一级在线毛片| 久久午夜亚洲精品久久| 三级毛片av免费| 日本黄色片子视频| 国产在线精品亚洲第一网站| 色综合婷婷激情| 国产精品1区2区在线观看.| 好男人电影高清在线观看| 亚洲美女视频黄频| 国产高清视频在线观看网站| 亚洲七黄色美女视频| 好男人在线观看高清免费视频| 成人亚洲精品av一区二区| 人妻丰满熟妇av一区二区三区| 免费看光身美女| 日韩欧美 国产精品| 国内揄拍国产精品人妻在线| 国产亚洲欧美在线一区二区| 黄色日韩在线| 三级国产精品欧美在线观看 | 亚洲五月婷婷丁香| 中出人妻视频一区二区| 日韩精品中文字幕看吧| 国产91精品成人一区二区三区| 久99久视频精品免费| 欧美极品一区二区三区四区| 亚洲中文字幕一区二区三区有码在线看 | 亚洲人成网站高清观看| 亚洲成av人片在线播放无| 亚洲成人免费电影在线观看| 91av网一区二区| 色综合站精品国产| 99久久无色码亚洲精品果冻| 女警被强在线播放| 美女扒开内裤让男人捅视频| 中文字幕久久专区| av福利片在线观看| 午夜视频精品福利| 精品久久久久久,| 日韩三级视频一区二区三区| 99riav亚洲国产免费| 性欧美人与动物交配| 看片在线看免费视频| 精品国产亚洲在线| 久久亚洲精品不卡| 亚洲九九香蕉| 久99久视频精品免费| 国产成人av激情在线播放| 少妇熟女aⅴ在线视频| 婷婷精品国产亚洲av在线| 宅男免费午夜| 母亲3免费完整高清在线观看| 美女高潮的动态| 可以在线观看毛片的网站| 黑人巨大精品欧美一区二区mp4| 少妇熟女aⅴ在线视频| 亚洲自偷自拍图片 自拍| 久久久久久九九精品二区国产| 少妇丰满av| 最近视频中文字幕2019在线8| www.www免费av| 色av中文字幕| 搡老熟女国产l中国老女人| 亚洲熟女毛片儿| 无遮挡黄片免费观看| 无人区码免费观看不卡| e午夜精品久久久久久久| 国产高清三级在线| 亚洲av五月六月丁香网| 免费av毛片视频| 好男人在线观看高清免费视频| 日韩大尺度精品在线看网址| 国产毛片a区久久久久| 亚洲自拍偷在线| 久久久久久久午夜电影| 俺也久久电影网| 亚洲avbb在线观看| 免费一级毛片在线播放高清视频| 99视频精品全部免费 在线 | 欧美在线一区亚洲| 久久久久国产一级毛片高清牌| 在线观看舔阴道视频| 亚洲专区中文字幕在线| 岛国视频午夜一区免费看| a级毛片在线看网站| 校园春色视频在线观看| 国产午夜精品论理片| 午夜福利在线在线| 麻豆国产97在线/欧美| 十八禁人妻一区二区| 精品日产1卡2卡| 欧美日本视频| 欧美又色又爽又黄视频| 九色成人免费人妻av| 一本久久中文字幕| 久久久精品大字幕| 精品国产超薄肉色丝袜足j| 精品国产美女av久久久久小说| 日本a在线网址| 99久久精品国产亚洲精品| 国产伦精品一区二区三区四那| 亚洲精品在线美女| 他把我摸到了高潮在线观看| 色播亚洲综合网| 一进一出抽搐动态| 久久久久久久久中文| 免费在线观看影片大全网站| 免费av毛片视频| 午夜福利视频1000在线观看| 亚洲男人的天堂狠狠| 婷婷亚洲欧美| 一区福利在线观看| 日韩av在线大香蕉| 真实男女啪啪啪动态图| 一进一出抽搐gif免费好疼| 后天国语完整版免费观看| 免费在线观看亚洲国产| 啦啦啦韩国在线观看视频| 曰老女人黄片| avwww免费| 欧美在线一区亚洲| 日本三级黄在线观看| 黑人巨大精品欧美一区二区mp4| 18禁国产床啪视频网站| 国产成人影院久久av| 久久热在线av| 三级国产精品欧美在线观看 | 女生性感内裤真人,穿戴方法视频| 桃红色精品国产亚洲av| 精品久久久久久久久久久久久| 日本成人三级电影网站| 国产精品免费一区二区三区在线| 久久性视频一级片| 免费在线观看日本一区| 日韩欧美 国产精品| 中文字幕熟女人妻在线| 成年免费大片在线观看| 天天一区二区日本电影三级| av国产免费在线观看| 最近最新中文字幕大全免费视频| 国产成人啪精品午夜网站| 亚洲欧美精品综合一区二区三区| 国产精品av视频在线免费观看| 午夜免费激情av| 欧美最黄视频在线播放免费| 国产乱人视频| 精品国产乱码久久久久久男人| 欧美丝袜亚洲另类 | 亚洲精品色激情综合| 免费看美女性在线毛片视频| 国产v大片淫在线免费观看| 国产高清有码在线观看视频| 中出人妻视频一区二区| 国产精品1区2区在线观看.| 日韩欧美三级三区| 麻豆av在线久日| 黑人欧美特级aaaaaa片| 国产一区二区三区视频了| 久久久国产精品麻豆| 亚洲第一欧美日韩一区二区三区| 免费无遮挡裸体视频| 深夜精品福利| x7x7x7水蜜桃| 亚洲av五月六月丁香网| 床上黄色一级片| 国产97色在线日韩免费| 免费在线观看影片大全网站| 亚洲成av人片免费观看| 日本成人三级电影网站| 黄频高清免费视频| 国产精品自产拍在线观看55亚洲| 在线观看日韩欧美| 亚洲国产欧美网| 一区福利在线观看| 欧美中文日本在线观看视频| 午夜免费成人在线视频| 国模一区二区三区四区视频 | 久久香蕉国产精品| 亚洲 欧美一区二区三区| 亚洲精品美女久久久久99蜜臀| 精品久久久久久久久久久久久| 丰满的人妻完整版| 级片在线观看| 国产精品免费一区二区三区在线| www.精华液| 巨乳人妻的诱惑在线观看| 欧美成人免费av一区二区三区| 午夜影院日韩av| 国产成人欧美在线观看| 久久久久久人人人人人| 最近在线观看免费完整版| 精品一区二区三区视频在线观看免费| 国产精品 国内视频| 国产av一区在线观看免费| 999久久久国产精品视频| 亚洲aⅴ乱码一区二区在线播放| 亚洲av成人精品一区久久| 国产野战对白在线观看| 18禁裸乳无遮挡免费网站照片| 国产精品野战在线观看| 日本 av在线| 女警被强在线播放| av天堂中文字幕网| 噜噜噜噜噜久久久久久91| www.熟女人妻精品国产| 人人妻,人人澡人人爽秒播| 色精品久久人妻99蜜桃| 国产成人精品久久二区二区免费| 男女下面进入的视频免费午夜| 在线看三级毛片| 欧美又色又爽又黄视频| 18禁黄网站禁片午夜丰满| 国产亚洲av高清不卡| 九九热线精品视视频播放| 成人18禁在线播放| 国产乱人视频| 这个男人来自地球电影免费观看| 久久久久久久久中文| 国产蜜桃级精品一区二区三区| 在线看三级毛片| 身体一侧抽搐| 一个人观看的视频www高清免费观看 | 精品免费久久久久久久清纯| 啦啦啦观看免费观看视频高清| 国产一区二区在线观看日韩 | 国产真人三级小视频在线观看| 日本一二三区视频观看| 国产1区2区3区精品| 亚洲美女黄片视频| 美女大奶头视频| 亚洲色图 男人天堂 中文字幕| 日本熟妇午夜| АⅤ资源中文在线天堂| 精品久久蜜臀av无| 日韩免费av在线播放| 国模一区二区三区四区视频 | 男女下面进入的视频免费午夜| 精品欧美国产一区二区三| 搞女人的毛片| 久久香蕉国产精品| 国产综合懂色| 在线视频色国产色| 亚洲人成电影免费在线| 免费av不卡在线播放| 久久久久久国产a免费观看| 色尼玛亚洲综合影院| 在线视频色国产色| 国产成人aa在线观看| 国产精品久久久久久久电影 | 村上凉子中文字幕在线| 美女cb高潮喷水在线观看 | 欧美黄色片欧美黄色片| 精品午夜福利视频在线观看一区| 12—13女人毛片做爰片一| 色精品久久人妻99蜜桃| 国产1区2区3区精品| 亚洲 欧美 日韩 在线 免费| 哪里可以看免费的av片| 欧美国产日韩亚洲一区| 亚洲乱码一区二区免费版| 亚洲五月婷婷丁香| 亚洲在线观看片| 18禁黄网站禁片免费观看直播| 日日干狠狠操夜夜爽| 午夜成年电影在线免费观看| 人人妻,人人澡人人爽秒播| 国产亚洲精品久久久com| 日韩精品中文字幕看吧| 黄色视频,在线免费观看| 啦啦啦韩国在线观看视频| 色综合亚洲欧美另类图片| 99久国产av精品| 国产男靠女视频免费网站| 两性夫妻黄色片| 国产毛片a区久久久久| 久久中文字幕一级| 夜夜躁狠狠躁天天躁| 在线永久观看黄色视频| 性欧美人与动物交配| 亚洲专区中文字幕在线| 国模一区二区三区四区视频 | 亚洲国产欧美人成| 国产激情久久老熟女| 神马国产精品三级电影在线观看| 久久久色成人| 午夜两性在线视频| 色播亚洲综合网| 亚洲专区字幕在线| 亚洲av成人av| 真实男女啪啪啪动态图| 丰满的人妻完整版| www.精华液| 非洲黑人性xxxx精品又粗又长| 中文亚洲av片在线观看爽| 久久精品91无色码中文字幕| 久久精品国产综合久久久| 亚洲熟妇熟女久久| 精品一区二区三区av网在线观看| 国产精品久久久人人做人人爽| 狂野欧美激情性xxxx| 97碰自拍视频| 久99久视频精品免费| 国产一级毛片七仙女欲春2| a级毛片在线看网站| 成年版毛片免费区| 欧美zozozo另类| 成人高潮视频无遮挡免费网站| 欧美日韩乱码在线| 国产亚洲精品av在线| 国产欧美日韩精品亚洲av| 精品久久久久久久久久久久久| 最新中文字幕久久久久 | 高清在线国产一区| 啦啦啦免费观看视频1|