BP神经网络及其在疾病预后分类问题中的应用

近年来，人工神经网络的研究越来越受到人们的注目，其中BP神经网络是一种单向传播的多层前馈网络，它采用典型的有教师学习方式来进行预测和分类问题的处理。一个训练好的BP网络，理论上能够逼近任何自变量(网络的输入)和应变量(网络的输出)之间的函数关系。该模型在应用中自变量可以是连续的，也可以是离散的，不需要考虑自变量是否满足正态性及变量间独立等条件，可以识别变量间复杂的非线性关系，尤其是用现有统计方法无法达到目的或效果不好时，采用此模型往往收到很好的效果。 本文将BP神经网络用于胆汁性肝硬化病人预后的判别分类问题中，采用Levenberg-Marquardt优化算法来避免BP算法收敛速度慢的缺点，针对含隐层的BP网在训练过程中常常存在过度拟合(over-fitting)，难以选择最优模型的问题，采用了“早停止”(early-stopping)策略。实例分析中，把BP神经网络和Logistic回归作比较，发现BP神经网络在回代和前瞻性考核中都取得较好的结果，因此BP神经网络方法值得在医学研究、特别是判别分析、生存分析领域进一步应用并推广。