李金
- 作品数：2 被引量：19H指数：2
- 供职机构：山西医科大学公共卫生学院更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：医药卫生自动化与计算机技术更多>>
- 潜在类别分析在出生缺陷高危人群识别中的应用被引量：11
- 2016年
- 目的 应用潜在类别分析（latent class analysis,LCA）对具有不同出生缺陷相关因素分布特征的人群进行分类,识别出出生缺陷高危人群,为采取有重点、有针对性的干预措施提供依据。方法 选取近亲结婚、亲属缺陷儿、自然流产史、既往缺陷儿、孕期发热、孕期感冒、居住地存在污染源、孕期用药、育龄9个出生缺陷相关因素作为显变量,进行潜在类别分析,识别出潜在类别,进而对人群进行分类。结果 当潜在类别数目为4时模型拟合最佳,依据各因素在4个潜在类别中的条件概率的分布特征,将类别1~类别4分别命名为：一般人群组、家族缺陷史组、孕期感冒发热组、单纯用药组。对个体进行聚类后,4类人群的出生缺陷率比较,χ~2值为3099.254,P〈0.001。不同潜在类别人群缺陷率有差别。家族缺陷史组（73.7%）,感冒发热组（3.8%）,单纯用药组（2.5%）,一般人群组（1.0%）缺陷率依次降低,其中家族缺陷史组缺陷率最高,提示家族缺陷史组人群为出生缺陷高危人群,应该有重点有针对地进行干预。结论 潜在类别分析可以应用于出生缺陷高危人群识别中。依据各因素在潜在类别中的条件概率的分布特征进行人群的分型,通过比较不同类别人群的缺陷率的差异,识别出生缺陷高危人群,揭示出生缺陷预防的重点人群和内容,为制定出生缺陷预防措施提供依据。
- 李金刘小琴曹红艳张岩波
- GA-BP与BP神经网络在医学研究中的应用与比较被引量：8
- 2018年
- 目的将BP神经网络和GA-BP神经网络模型引入到肝硬化病例资料中,对肝硬化分期诊断的分类进行预测分析,比较两种分类方法的预测性能。方法根据肝硬化患者病例资料,进行BP神经网络和GA-BP神经网络模型的建模和预测。结果 BP神经网络的ACC为67.50%,GA-BP神经网络的ACC为92.50%,GA-BP神经网络的TPR、TNR、PV+、PV-、AUC四个指标均高于BP神经网络,且建模时间大大缩短。结论 GA-BP神经网络可以提高分类预测效果,具有对肝硬化分期分类预测的可行性。
- 张怡君左颖婷刘近春姜丽君李金张岩波郭东星
- 关键词：BP神经网络GA-BP神经网络
