Page 61 - 中国全科医学2022-11
P. 61

·1338· http://www.chinagp.net   E-mail:zgqkyx@chinagp.net.cn


                 100                                             100


                  80
                                                                  80

                 灵敏度（%）  60                                      灵敏度（%）  60


                  40                                              40

                                                                                            BP 神经网络模型
                                           BP 神经网络模型
                  20                       随机森林模型                 20                        随机森林模型
                                           支持向量机模型                                          支持向量机模型

                   0                                               0
                     0     20      40     60     80     100          0     20      40     60     80    100
                                100- 特异度（%）                                     100- 特异度（%）
                                          图 1 3 种模型训练集（A）和测试集（B）ROC 曲线图
           Figure 1 ROC analysis of SVM-，BPNN- and RF-based models in predicting the risk of carotid atherosclerosis in steelworkers in the training set （left）
           and the test set （right）

           增加。而高血压和其他上述疾病与 CAS 的发生密切相                              在本研究中，输入的变量中部分差异无统计学意义，
           关 ［19］ 。利用 CAS 的危险因素来预测 CAS 危险度，对                   这可能影响了模型的预测效果。因此，以后的研究应着
           于 CAS 的预防和早期筛查具有重要意义。                               重探讨影响 CAS 和非 CAS 差异较大的因素，使本研究
               在选择输入变量时，不仅要考虑在非条件多因素                           提出的 SVM 模型能够提供更好的预测效果。另外，还
           Logistic 回归分析中有意义的变量，还要考虑已有研究                       应进一步完善现有算法，并考虑多种算法结合运用，以
           发现的有意义的变量，以方便找出 CAS 的预测因素。                          提高预测钢铁工人 CAS 准确率，为实现钢铁工人 CAS
           对于传统分类算法，在建立预测模型之前，通过统计处                            的早期预防提供依据，进而提升其生活质量。
           理将不平衡数据转化为平衡数据，最大限度地提升了所                                综上所述，噪声作业、高温作业、高胆固醇、CAS
           使用模型的预测能力，避免了模型的分类准确性降低，                            家族史可能对钢铁工 CAS 的发病有一定的预测价值；
           以及分类结果不理想。                                          SVM 模型预测钢铁工人发生 CAS 的效果最佳。
               本研究结果显示，SVM、BPNN 和 RF 3 种模型训                        作者贡献：王娇娇进行研究的设计与实施、数据的
           练集对比测试集的准确率为 83.81 vs 85.70、79.27 vs                收集、撰写论文并对文章整体负责；陈圆煜、郑子薇、
           75.46、86.60 vs 73.37，可以发现 RF 模型的训练能力最               杨永忠、陈哲、李超、王海东进行研究的实施、评估、
           强，但是其测试能力弱于 SVM 模型。出现这种情况原                          资料收集；武建辉、王国立进行质量控制、稿件的初步
           因可能为：模型自身具有一定的随机性，并且受训练次                            修改与校对，对文章整体负责。
           数、学习率大小、参数设置及网络规模等影响                    ［23］ ；RF        本文无利益冲突。
           模型的泛化误差比较大；另外在机器学习中，如果学习                            参考文献
           机在训练样本上的学习能力过强将会产生一些消极影                             ［1］秦璐，赵颖，佟隽瑶，等 .  颈动脉粥样硬化伴 OSAHS 患者的
           响 ［24］ ，比如本研究中 RF 模型的训练能力过强，会产                          颈动脉超声研究［J］.  中国医刊，2018，53（7）：756-760.
           生过拟合问题。近年来，SVM 模型在疾病预测方面的                               DOI：10.3969/j.issn.1008-1070.2018.07.017.
                                                                   QIN L，ZHAO Y，TONG J Y，et al. Study of carotid atherosclerosis
           应用越来越多，在解决小样本、非线性问题上具有较好
                                                                   combined with OSAHS patients by carotid artery ultrasound［J］.
           的推广和泛化能力。例如田占霄等                ［25］ 提出 SVM 模型
                                                                   Journal of China Medical University，2018，53（7）：756-760.
           对精神分裂症识别具有一定的判别作用；杨志燕等                      ［26］
                                                                   DOI：10.3969/j.issn.1008-1070.2018.07.017.
           表明 SVM 模型为预测急性百草枯中毒患者的预后提供                          ［2］陈显荣，张晓 . 超微血管成像与超声造影对颈动脉粥样硬化斑
           了一种新方法。AUC 是分类器好坏的性能指标，本研                               块稳定性的诊断价值［J］. 中国临床神经外科杂志，2019，24（5）：
           究结果显示 SVM 模型在训练集中的 AUC 与 RF 模型没                         289-291. DOI：10.137984，issn.1009-153X.2019.05.010.
           有太大的差异（0.84 vs 0.86），表明 SVM 模型在训练                   ［3］陈伟伟，高润霖，刘力生，等 . 《中国心血管病报告 2017》概要［J］.
           集和测试集中均表现出了较强的预测效果，进一步推断                                中国循环杂志，2018，33（1）：1-8. DOI：10.3969/j.issn.1000-
           出 SVM 模型综合实力最强，是预测钢铁工人 CAS 发生                           3614.2018.01.001.
           风险最好的模型。                                                CHEN W W，GAO R L，LIU L S，et al. Summary of the 2017
   56   57   58   59   60   61   62   63   64   65   66