神经网络模型和多元线性回归预测CT肺栓塞指数的比较

目的 比较神经网络模型(NNM)与多元线性回归(MLR)预测CT肺栓塞指数的能力。方法 回顾性搜集2015年3月至2016年7月西安交通大学第一附属医院急性肺栓塞患者147例(男79例,女68例),采用随机表法按3∶1分为训练样本和测试样本。所有患者均进行CT肺动脉成像(CTPA),计算机辅助得到每例患者的栓子总体积(V)、栓子附壁总长度(L)、栓子断面栓塞程度总和(D)及栓子总数(N),人工判读得到Qanadli指数作为CT肺栓塞指数(Q)。借助SPSS14.2Modeler,以Qanadli指数为因变量,Ⅴ、L、D和N为自变量,分别利用MLR和NNM计算Qanadli指数预测值()。使用SPSS22.0Spearman相关分析比较两种模型的Qanadli实际值与预计值的相关性,使用平均绝对误差(MAE)、平均相对误差(MRE)和均方根误差(RMSE)比较两种模型的精确程度。结果 MLR方程：=10.98+1.37×V+0.06×L,模型拟合度为0.764。NNM：隐层1层,隐藏神经元2个,模型准确性0.868。训练样本中,NNM计算得到与Q的相关系数(r=0.932,P<0.01)高于MLR(r=0.879,P<0.01)；验证样本中,NNM得到与Q的相关系数(r=0.875,P<0.01)也高于MLR(r=0.868,P<0.01)。训练样本中,NNM得到的MAE(5.144)、MRE(0.274)和RMSE(6.957)均低于MLR得到的MAE(6.784)、MRE(0.282)和RMSE(8.700),差异具有统计学意义(t=3.402,P=0.002)；测试样本中,NNM得到的MAE(6.643)、MRE(0.312)和RMSE(9.195)低于MLR得到的MAE(8.505)、MRE(0.334)和RMSE(10.361),差异具有统计学意义(t=3.383,P=0.001)。结论 NNM较MLR能更好地预测急性肺栓塞的CT肺栓塞指数。