论文部分内容阅读
目的 构建低增生性骨髓增生异常综合征(hypo-MDS)与再生障碍性贫血(AA)鉴别诊断的决策树、贝叶斯、卷积神经网络、改进的支持向量机四种模型并选择出最优模型.方法 收集2010-2019年华北理工大学附属医院的AA与hypo-MDS患者的病例资料,使用统计学方法筛选指标,将处理后的样本以4∶1随机分为训练集和测试集,构建决策树、贝叶斯、卷积神经网络、改进的支持向量机四种模型,采用五折交叉验证法多次重复验证,通过灵敏度、AUC等指标评价鉴别诊断效果.结果 hypo-MDS患者红细胞、血红蛋白含量等指标低于AA患者,成熟单核细胞比例等指标高于AA患者,年龄和职业分布也存在差异(P＜0.05);最终选出21个特异性指标.四种模型的分类效果比较:灵敏度分别为82.56％、65.12％、87.21％、79.07％;AUC分别为0.81、0.68、0.82、0.83;准确率分别为75.32％、69.48％、77.27％、74.03％.对卷积神经网络的误判病例分析得出年龄、血成熟淋巴细胞等7个指标均存在差异(P＜0.05).结论 在决策树、贝叶斯、卷积神经网络、改进的支持向量机四种诊断模型中,卷积神经网络具有最佳分类效果.