基于BP神经网络的肾炎诊断模型及主次元素分析

诊断就诊人员是否患肾炎时,医生通常要化验人体内某些元素的含量,然后借助数学模型进行辅助诊断。提出一种新的判别模型——BP神经网络判别模型,根据Kolmogorov定理,采用三层网络作为状态分类器,可高效完成肾炎的辅助诊断。在样本实验中,其准确率达到100%,明显高于传统诊断模型Fisher判别法和Logistic判别法。为了确定影响患病的主次要元素,以减少化验指标,采用"逐步分析法"建立线性回归模型,得出主要元素为Cu、Ca、Mg、Na,次要元素为Zn、Fe、K。剔除次要元素后,3种方法的准确率分别为93.3%、90%、100%。