基于随机森林和误差反向传播神经网络的糖尿病性周围神经病变患病风险研究

目的建立准确判别糖尿病性周围神经病变(DPN)的分类模型,为疾病的诊断提供有价值的计算机辅助方法。方法收集重庆医科大学附属第二医院2016年1-12月确诊的2199例DPN患者及在该院健康体检的2610例体检对象的52项临床信息资料,使用R软件分别构建随机森林(RF)模型和误差反向传播(BP)神经网络模型,并比较两种诊断模型的评价指标,选择最优分类模型。结果采用随机森林和BP神经网络模型对4809例观察对象进行个体患病风险分类研究,两种模型测试样本的正确率分别为99.93%、99.58%,约登指数分别为99.85%、99.14%,ROC曲线下面积分别为0.9994、0.9959。结论两种模型的分类效果均很好,但随机森林模型在判别DPN患病风险研究中具有更高的实用性。