基于BP神经网络的两阶段疾病预测模型

吉林大学学报(工学版) ›› 2013, Vol. 43 ›› Issue (增刊1): 481-484.

基于BP神经网络的两阶段疾病预测模型

司建波¹, 杨芳², 郭蔚莹³, 姚燕¹

1. 吉林大学公共卫生学院流行病与卫生统计学教研室,长春 130021;
2. 吉林大学第一医院健康管理中心,长春 130021;
3. 吉林大学第一医院内分泌代谢科,长春 130021

收稿日期:2012-08-10 发布日期:2013-06-01
通讯作者: 姚燕(1982-),女,讲师,博士,在站博士后.研究方向:临床流行病学.E-mail:yaoyan@jlu.edu.cn E-mail:yaoyan@jlu.edu.cn
作者简介:司建波(1970-),男,博士,在站博士后.研究方向:基因组流行病学.E-mail:tiger_zgy@163.com
基金资助:
长春市科技局软科学项目(11RY14);吉林省科技厅国际合作项目(3D511Z613428);卫生部临床学科重点项目(201133);中央高校基本科研业务费专项资金资助课题(450060445260).

Two-stage disease prediction model based on BP neural network

SI Jian-bo¹, YANG Fang², GUO Wei-ying³, YAO Yan¹

1. Department of Epidemiology and Biostatistics, School of Public, Jilin University, Changchun 130021, China;
2. Department of Health Management, First Hospital, Jilin University, Changchun 130021, China;
3. Department of Endocrinology, First Hospital, Jilin University, Changchun 130021, China

Received:2012-08-10 Published:2013-06-01

摘要/Abstract

摘要：

为了理论解决BP神经网络在进行多目标预测中出现的识别率和可信度不高的问题,提出了一种基于DS证据理论优化的BP神经网络预测模型用于疾病预测,实验中,对心脏病数据进行处理,结果表明,在预测准确度和算法鲁棒性方面,都具有较好的效果。

关键词: BP神经网络, DS证据理论, 疾病预测, 优化预测模型

Abstract:

BP neural network prediction model was used in diseases prediction optimized by DS evidential reasoning in order to solve the low recognition rate and credibility of BP neural network processing the multi-target prediction. From the experiments on heart disease data set, the proposed model performs well in the accuracy of prediction and its robustness.

Key words: BP neural network, DS evidential reasoning theory, disease prediction, optimal prediction model

中图分类号:

R311

司建波, 杨芳, 郭蔚莹, 姚燕. 基于BP神经网络的两阶段疾病预测模型[J]. 吉林大学学报(工学版), 2013, 43(增刊1): 481-484.

SI Jian-bo, YANG Fang, GUO Wei-ying, YAO Yan. Two-stage disease prediction model based on BP neural network[J]. 吉林大学学报(工学版), 2013, 43(增刊1): 481-484.

参考文献

[1] 谢成,祝恒琛. 疾病预测学[M].上海:上海中医药大学出版社, 2008.

[2] 袁莺楹,董建成. 基于数学模型的疾病预测方法比较研究[J].软件导刊,2009,8(5):108-110. Yuan Ying-ying, Dong Jian-cheng. Comparions between different disease prediction mothods based on mathmatic models[J]. Software Guide,2009,8(5) :108-110.

[3] 张丽萍,王惠南. 灰色模型和BP神经网络模型在血吸虫病预测中的应用[C]//中国系统工程学会第十五届年会.

[4] 陈金宏,吴海云,何耀,等. 基于BP神经网络的老年男性保健人群缺血性心脑血管病预测模型研究[J]. 第三军医大学学报,2011,33(8):797-799. Chen Jin-hong, Wu Hai-yun, He Yao, et al. Construction and evaluation of predictive model for ischemic cardiovascular diseases of senior men based on BP neural network[J].J Third Mil Med Univ,2011,33(8):797-799.

[5] 朱大奇,史慧. 人工神经网络原理及应用[M].北京:科学出版社,2006.

[6] 桂延宁, 焦李成, 张福顺. 基于小波和BP神经网络的无线电探测目标识别技术[J]. 电子学报,2003,31(12):1811-1814. Gui Yan-ning,Jiao Li-cheng,Zhang Fu-shun.A technique of recognition for radio detected target based on wavelet and neural network theory[J].Acta Electronica Sinica,2003,31(12): 1811-1814.

[7] 李厚强,刘政凯,詹曙. 一种彩色纹理图像的分割方法[J]. 计算机学报,2001,24(9):965-971. Li Hou-qang,Liu Zheng-Kai,Zhan Shu.A segmentation method of color texture image[J].Chinese Journal of Computers,2001,24(9):965-971.

[8] Park Y S, Cereghino R,Compin A. Applications of artificial neural networks for patterning and predicting aquatic insect species richness in running waters[J]. Ecological Modelling,2003,160(3):265-280.

[9] He Y, Li X L,Deng X F. Discrimination of varieties of tea using near infrared spectroscopy by principal component analysis and BP model[J]. Journal of Food Engineering,2007,79(4):1238-1242.

[10] Dempster A P.Upper and Lower probabilities induced by a multivalued mapping[J].Annals of Mathematical Statistics,1967,38(2):325-339.

[11] Eduardo F Nakamura, Antonio A F Loureiro,Alejandro C Frery. Information fusion for wireless sensor networks: methods, models, and classifications[J]. ACM Computing Surveys,2007, 39(3):10-12.

[12] 文成林,周哲,徐晓滨. 一种新的广义梯形模糊数相似性度量方法及在故障诊断中的应用[J]. 电子学报,2011,3A:1-6. Wen Chen-lin,Zhou Zhe, Xu Xiao-bin.A new similarity measure between generalized trapezoidal fuzzy numbers and its application to fault diagnosis[J].Acta Electronica Sinica,2011,3A:1-6.

[13] 汪广洪,陈险峰. 基于BP神经网络和DS证据理论的航天器故障诊断方法[J].遥测遥控,2009,30(6):52-55. Wang Guang-hong, Chen Xian-feng.Method of spacecraft fault diagnosis based on BP neural network and DS evidence theory[J].Journal of Telemetry,Tracking and Command,2009,30(6):52-55.

[14] Detrano R, Janosi A, Steinbrunn W, et al. International application of a new probability algorithm for the diagnosis of coronary artery disease[J]. American Journal of Cardiology, 1989,64:304-310.

[15] http://archive.ics.uci.edu/ml/datasets/Heart+Disease

相关文章 15

[1]	刘东亮, 王秋爽. 基于NGSIM数据的车辆瞬时速度获取方法[J]. 吉林大学学报(工学版), 2018, 48(1): 330-335.
[2]	王德军, 吕志超, 王启明, 张贤达, 王子健. 基于汽缸压力辨识的发动机失火故障诊断[J]. 吉林大学学报(工学版), 2017, 47(3): 917-923.
[3]	黄璇, 郭立红, 李姜, 于洋. 改进粒子群优化BP神经网络的目标威胁估计[J]. 吉林大学学报(工学版), 2017, 47(3): 996-1002.
[4]	郭应时, 付锐, 赵凯, 马勇, 袁伟. 驾驶人换道意图实时识别模型评价及测试[J]. 吉林大学学报(工学版), 2016, 46(6): 1836-1844.
[5]	李寿涛，田微，郭鹏程，马用学，张浩，王楠. 基于模糊自适应的BP神经网络动态行驶车辆车长测算[J]. 吉林大学学报(工学版), 2015, 45(6): 1881-1886.
[6]	高明亮，于生宝，郑建波，徐畅，张堃，栾卉. PSBP在高密度电阻率法二维反演中的应用[J]. 吉林大学学报(工学版), 2015, 45(6): 2026-2033.
[7]	闫楚良, 郝云霄, 刘克格. 基于遗传算法优化的BP神经网络的材料疲劳寿命预测[J]. 吉林大学学报(工学版), 2014, 44(6): 1710-1715.
[8]	陈莉, 孙永海, 付天宇, 丁健峰. 羊肚菌胞外多糖快速估测方法[J]. 吉林大学学报(工学版), 2014, 44(2): 567-572.
[9]	侯阿临, 廖庆, 靳志娟, 陈娟, 耿莹. 计算全息图的人工神经网络压缩算法[J]. 吉林大学学报(工学版), 2013, 43(增刊1): 21-24.
[10]	王改革, 郭立红, 段红, 刘逻, 王鹤淇. 基于萤火虫算法优化BP神经网络的目标威胁估计[J]. 吉林大学学报(工学版), 2013, 43(04): 1064-1069.
[11]	王国磊, 陈恳, 陈雁, 朱丽, 王力强, 颜华. 变参数下的空气喷枪涂层厚度分布建模[J]. 吉林大学学报(工学版), 2012, 42(01): 188-192.
[12]	张祥合, 王丹, 任露泉, 赵宏伟. 基于多维空间仿生信息学的目标识别新算法[J]. 吉林大学学报(工学版), 2011, 41(增刊2): 269-274.
[13]	杨冬风, 马秀莲. 基于分形纹理分析的蛋壳裂纹识别[J]. 吉林大学学报(工学版), 2011, 41(增刊1): 348-352.
[14]	李世武¹,田晶晶¹,沙学锋²,孙文财¹,王琳虹¹. 基于模糊综合评价和BP神经网络的车辆危险状态辨识[J]. 吉林大学学报(工学版), 2011, 41(6): 1609-1613.
[15]	龚勃文^1,2,林赐云^1,2,李静³,杨兆升^1,2. 基于核自组织映射-前馈神经网络的交通流短时预测[J]. 吉林大学学报(工学版), 2011, 41(4): 938-943.

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed