基于BP神经网络的MRI检查总用时预测方法研究

目的:提出一种基于BP神经网络的MRI检查总用时预测方法。方法:对某三甲医院MRI设备临床使用数据展开深度挖掘,将63种检查部位与26种检查方法组合为若干检查序列,并将检查序列向量作为BP神经网络的输入、患者MRI检查总用时作为输出,构建BP神经网络模型。以平均绝对误差(mean absolute error,MAE)作为评价指标,对比BP神经网络模型与岭回归模型、Lasso回归模型预测MRI检查总用时的性能。结果:BP神经网络模型的预测值与实测值更为接近,MAE为53.14 s,均优于岭回归模型、Lasso回归模型。结论:提出的方法能准确地预测患者的MRI检查总用时,能够更好地帮助医院工作人员安排患者检查。