机器学习方法在哮喘早期预测和诊断中的应用
刘宁
杞县人民医院 呼吸内科,河南 开封 475200
摘要：目的 比较逻辑回归分析、支持向量机和深度神经网络3种机器学习方法在哮喘预测和诊断过程中的准确性.方法 选取2020年1月至2021年6月杞县人民医院收治的370例哮喘患者和201例其他呼吸道疾病患者作为研究对象,选择了22条哮喘诊断相关的条件作为输入数据,使用逻辑回归分析、支持向量机和深度神经网络3种算法分别对患者的输入数据进行分析,分析结果与医生专业的临床诊断结果进行比较,计算3种算法在哮喘诊断时的准确率并进行比较.结果 当输入全部22个因素时,逻辑回归分析方法诊断哮喘准确率为94％,接收者操作特征曲线下面积(AUC)为0.97;支持向量机方法诊断哮喘准确率为82％,AUC为0.83;深度神经网络方法诊断哮喘准确率为98％,AUC为0.99.结论 深度神经网络能够根据患者的临床数据准确预测哮喘,该深度神经网络的方法预测哮喘时比逻辑回归分析和支持向量机方法准确率更高,可以用于医生诊断哮喘时的助理服务,这一研究可以提高医生诊断哮喘时的准确性,值得在临床推广应用.
关键词：哮喘逻辑回归分析支持向量机深度神经网络
分类号：R562.2(呼吸系及胸部疾病)
论文发表日期：2021-12-15
在线出版日期：2026-09-12（本平台首次上网日期，不代表文献的发表时间）
页数：4( 6560-6563 )
英文信息