BP神经网络在大肠癌预后分析中的应用

论文摘要

目的探讨大肠癌患者根治术后生存的影响因素；利用BP神经网络预测大肠癌患者根治术后的生存时间；比较BP神经网络和Logistic回归模型在大肠癌根治术后生存中的性能。方法采取查阅病案的方法收集资料；基因表达产物的检测采用SP免疫组化法；Cox比例风险回归模型筛选大肠癌根治术后生存的影响因素；通过比较大肠癌患者根治术后的实际生存时间和BP神经网络预测生存时间,判断BP神经网络预测生存时间的效果；通过ROC曲线下面积的比较,判断BP神经网络和Logistic回归模型在大肠癌患者根治术后生存中的预测性能。结果Cox多因素分析结果显示：影响大肠癌患者根治术后生存的因素：Dukes’分期（β=1.197,P<0.001,RR=3.309）、P16（β=-0.805,P<0.001,RR=0.447）、MMP-9（β=0.459,P=0.017,RR=1.582）、P53（β=1.799,P<0.001,RR=6.042）、nm23-H1（β=-0.740,P<0.001,RR=0.477）；BP神经网络预测大肠癌患者根治术后的生存时间和实际生存时间差别没有统计学意义（t=0.996,P=0.327,R2=0.663）；BP神经网络在模型拟合和预测方面性能均优于Logistic回归模型,模型拟合方面,两者ROC曲线下面积比较：Z≈1.75,P=0.04006,按（?）=0.05的检验水准,两者判别效果的差别有统计学意义,BP神经网络的模型拟合效果优于Logistic回归模型,预测性能比较：BP神经网络预测的正确判断率92.5%（37／40）,Logistic回归模型的正确判断率82.5%（33／40）。结论Dukes分期、P16、MMP-9、P53、nm23-H,是大肠癌患者根治术后生存的重要影响因素,它们可以为临床医生正确判断患者预后、选择合适的治疗方案提供一定的参考依据。BP神经网络可以预测大肠癌患者根治术后的生存时间,BP神经网络为生存时间的预测提供了一个新思路；在大肠癌根治术后的预后研究中,BP神经网络的性能优于Logistic回归模型,医学现象错综复杂,自变量与因变量间可能存在着复杂的非线性关系以及变量之间可能存在交互作用等,传统的统计学方法对资料有一定的限制,BP神经网络对资料限制少,且具有良好的非线性处理能力等优点,在医学领域可以有进一步的推广和应用。

论文目录

• 摘要
• Abstract
• 前言
• 第一章 大肠癌患者根治术后生存的影响因素
• 1.1 材料与方法
• 1.1.1 资料来源
• 1.1.2 研究方法
• 1.2 结果
• 1.2.1 大肠癌根治术后预后研究中变量名列表及量化赋值
• 1.2.2 大肠癌根治术后预后研究中各自变量的统计描述
• 1.2.3 描述性分析
• 1.2.4 Cox比例风险回归模型
• 1.3 讨论
• 第二章 BP神经网络预测大肠癌根治术后生存期
• 2.1 材料与方法
• 2.1.1 资料来源
• 2.1.2 方法
• 2.2 结果
• 2.3 讨论
• 第三章 BP神经网络与Logistic回归模型性能比较
• 3.1 材料与方法
• 3.1.1 资料来源
• 3.1.2 方法
• 3.2 结果
• 3.2.1 Logistic回归模型结果
• 3.2.2 BP神经网络结果
• 3.2.3 两种方法比较
• 3.3 讨论
• 参考文献
• 综述
• 个人简历
• 致谢