核医学画像と人工ニューラルネットによる外科手術における周術期心事故の発生確率予測

使用核医学图像和人工神经网络预测外科手术期间围手术期心脏事故的概率

基本信息

批准号：
18790912
负责人：
白景明
金额：
$ 1.79万
依托单位：
Keio University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Young Scientists (B)
财政年份：
2006
资助国家：
日本
起止时间：
2006 至 2007
项目状态：
已结题

项目摘要

1.データベースの構築平成19年度初めにおいて、臨床データの収集、カルテを用いての臨床背景因子ならに心事故の調査、心筋血流SPECTの所見の評価はほぼ終了し、データベースとして整理、構築した。測因子として使用するものの候補として20項目を検討することになった。目的変量は全心事故とhard eventの2項目である。2.データ解析上記のデータベースを使用し、予備実験としてincremental stepwise法による線形回帰主成分分析により各特徴量を直交化させての線形回帰、back-propagation neural network (BPNを用いて予測を行う方法などを検討した。しかしながら高いfittingは得られなかった。その理由と(てデータが)多価関数になっていることが考えられた(入力が同一でも結果が異なっている状態)。そこで解析モデルとしてsupport vector machineを導入したころ、線形回帰に比較して良好な精度の心故予測器を作成することに成功した(AUCは全心事故において0.884、hard eventにおいて0. 892)。さらに予測因子として核医学検査から得られたデータを含む場合と含まない場合とで精度を検討したころ、核医学検査の付加価値は線形回帰では大きく、support vector machineでは比較的少ないこと判明した。Support vector machine を利用した予後予測は臨床的にも有用であると考えられ、開発たこの予測方法を論文にして現在投稿中である。

1.数据库建设 2007年初，临床资料的收集、利用病历进行临床背景因素和心脏事故的调查以及心肌灌注SPECT结果的评估已基本完成，并组织和构建了数据库。我们决定考虑 20 个项目作为衡量因素的候选项目。客观变量有两项：总事故和困难事件。 2.数据分析使用上述数据库，作为初步实验，通过使用增量逐步方法的线性回归主成分分析来正交化每个特征来执行线性回归，并且使用反向传播神经网络（BPN）来进行预测。，没有获得高拟合。其原因被认为是数据是多值函数（即使输入相同，结果也不同）作为支持向量。当机器被引入时，我们成功地创建了比线性回归更准确的心脏事件预测器（所有心脏事件的 AUC 为 0.884，硬事件的 AUC 为 0.892）。当我们检查有和没有测试数据的准确性时，我们发现：核医学测试的附加值在线性回归中很大，但在支持向量机中相对较小。使用这种方法进行预后预测被认为在临床上有用，目前正在提交一篇关于所开发的预测方法的论文。