一种基于广义回归神经网络的老年龋病发病预测系统
阅读：121发布：2020-05-16
专利汇可以提供一种基于广义回归神经网络的老年龋病发病预测系统专利检索，专利查询，专利分析的服务。并且本 发明 提供了一种基于广义回归神经网络的老年 龋病 发病预测系统，以实现老年人龋病发病的提早预测，该系统包括：变量采集模 块 ：采集能够反映老年人易患龋的危险因素且卡方检验有统计学意义的变量；发病预测模块：利用广义回归神经网络和采集到的变量，对老年龋病是否发病进行预测。本发明提供的系统能够为老年龋病是否发病预测提供有效准确的信息，利用 生物 数学建模构建 预测模型 对于其高危人群的筛查、 疾病 的早期诊断及 治疗 都有着积极作用，充分发挥学科交叉优势，在明确老年人患龋的危险因素的 基础 上，利用广义回归神经网络强大的预测功能，以预测所需的变量为自变量进行预测，高效地进行老年人患龋 风 险的预测并为后期的防治措施提供依据。，下面是一种基于广义回归神经网络的老年龋病发病预测系统专利的具体信息内容。
1.一种基于广义回归神经网络的老年龋病发病预测系统，其特征在于，所述系统包括：
变量采集模块：采集能够反映老年人易患龋的危险因素且卡方检验有统计学意义的变量；
发病预测模块：利用广义回归神经网络和采集到的变量，对老年龋病是否发病进行预测。
2.如权利要求1所述的系统，其特征在于，所述变量采集模块中，采集到的能够反映老年人易患龋的危险因素且卡方检验有统计学意义的变量，包括：
户口类型、剩余真牙数、上颌活动假牙、下颌活动假牙、糖果巧克力、碳酸饮料、是否吸烟、吸烟量、是否喝酒、牙签、牙痛史、吃东西影响、牙齿健康自评、口腔卫生自评以及家庭用水途径。
3.如权利要求1所述的系统，其特征在于，所述发病预测模块中，广义回归神经网络的输入为采集到的能够反映老年人易患龋的危险因素且卡方检验有统计学意义的变量，输出为老年龋病是否发病。
4.如权利要求1所述的系统，其特征在于，所述能够反映老年人易患龋的危险因素且卡方检验有统计学意义的变量是通过如下方式选择的：
采用分层等容量随机抽样的方法，随机抽取设定年龄段的老年人各N例，作为受检者，对每位受检者进行口腔健康检查，并完成口腔问卷调查，对其中的有效问卷进行单因素卡方检验，确定出能够反映老年人易患龋的危险因素且卡方检验有统计学意义的变量。
一种基于广义回归神经网络的老年龋病发病预测系统
技术领域
[0001] 本发明涉及老年龋病发病预测技术领域，尤其涉及一种基于广义回归神经网络的老年龋病发病预测系统。
背景技术
[0002] 龋病俗称虫牙、蛀牙，是一种细菌性疾病，可以发展至牙髓炎和根尖周炎，甚至能引起牙槽骨和颌骨炎症。如不及时治疗，病变继续发展，形成龋洞，终至牙冠完全破坏，导致牙齿丧失。龋病特点是发病率高，分布广，是口腔主要的常见病，也是人类最普遍的疾病之一，世界卫生组织已将其与肿瘤和心血管疾病并列为人类三大重点防治疾病，尤其对于老年人来说，严重龋坏可造成大部分或全部牙齿缺损或缺失，不利于老年人的身心健康，降低老年人的生活质量，也会相应地影响其寿命。我国目前老年龋病等慢性病的管理工作主要定位于社区卫生服务中心等基层医疗机构。而基层机构技术力量薄弱；老年人群又属于经济弱势群体，尚不能全面覆盖医保报销系统进行治疗。因此，老年人的患龋风险预测工作是一项复杂而有意义的工作。有必要对老年人的患龋风险进行提早预测，这对于老年龋高危人群的筛查、疾病的早期诊断及治疗都有着积极的作用。
发明内容
[0003] 本发明的目的在于提供一种基于广义回归神经网络的老年龋病发病预测系统，以实现老年人龋病发病的提早预测。
[0004] 所述基于广义回归神经网络的老年龋病发病预测系统，包括：
[0005] 变量采集模块：采集能够反映老年人易患龋的危险因素且卡方检验有统计学意义的变量；
[0006] 发病预测模块：利用广义回归神经网络和采集到的变量，对老年龋病是否发病进行预测。
[0007] 进一步地，所述变量采集模块中，采集到的能够反映老年人易患龋的危险因素且卡方检验有统计学意义的变量，包括：
[0009] 进一步地，所述发病预测模块中，广义回归神经网络的输入为采集到的能够反映老年人易患龋的危险因素且卡方检验有统计学意义的变量，输出为老年龋病是否发病。
[0010] 进一步地，所述能够反映老年人易患龋的危险因素且卡方检验有统计学意义的变量是通过如下方式选择的：
[0011] 采用分层等容量随机抽样的方法，随机抽取设定年龄段的老年人各N例，作为受检者，对每位受检者进行口腔健康检查，并完成口腔问卷调查，对其中的有效问卷进行单因素卡方检验，确定出能够反映老年人易患龋的危险因素且卡方检验有统计学意义的变量。
[0012] 本发明的有益效果在于：针对能够反映老年人易患龋的危险因素进行卡方检验，将其中具有统计学意义的变量作为预测所需的变量，为老年龋病是否发病预测提供了有效准确的信息，利用生物数学建模构建预测模型对于其高危人群的筛查、疾病的早期诊断及治疗都有着积极作用。本发明充分发挥学科交叉优势，在明确老年人患龋的危险因素的基础上，利用广义回归神经网络强大的预测功能，以预测所需的变量为自变量进行预测，高效地进行了老年人患龋风险的预测并为后期的防治措施提供依据。附图说明
[0013] 图1是本发明具体实施方式提供的基于广义回归神经网络的老年龋病发病预测系统框图；
[0014] 图2是本发明具体实施方式提供的广义回归神经网络模型结构图；
[0015] 图3是本发明具体实施方式确定的最优光滑因子曲线图；
[0016] 图4是本发明具体实施方式两种模型预测结果的ROC曲线。
具体实施方式
[0017] 为使本发明的目的、技术方案和优点更加清楚，下面将对本发明的技术方案进行详细的描述。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其它实施方式，都属于本发明所保护的范围。
[0018] 参见图1，本发明实施例提供一种基于广义回归神经网络的老年龋病发病预测系统，包括：
[0019] 变量采集模块1：采集能够反映老年人易患龋的危险因素且卡方检验有统计学意义的变量；
[0020] 发病预测模块2：利用广义回归神经网络和采集到的变量，对老年龋病是否发病进行预测。
[0021] 本发明针对能够反映老年人易患龋的危险因素进行卡方检验，将其中具有统计学意义的变量作为预测所需的变量，为老年龋病发病预测提供了有效准确的信息，利用生物数学建模构建预测模型对于其高危人群的筛查、疾病的早期诊断及治疗都有着积极作用。本发明充分发挥学科交叉优势，在明确老年人患龋的危险因素的基础上，利用广义回归神经网络强大的预测功能，以预测所需的变量为自变量进行预测，高效地进行了老年人患龋风险的预测并为后期的防治措施提供依据。
[0022] 作为本发明的一种优选实施方式，上述变量采集模块中，采集到的能够反映老年人易患龋的危险因素且卡方检验有统计学意义的变量，包括：
[0023] 户口类型、剩余真牙数、上颌活动假牙、下颌活动假牙、糖果巧克力、碳酸饮料、是否吸烟、吸烟量、是否喝酒、牙签、牙痛史、吃东西影响、牙齿健康自评、口腔卫生自评以及家庭用水途径。
[0024] 具体地，上述变量是通过如下方式选择的：
[0025] 采用分层等容量随机抽样的方法，随机抽取辽宁省某地城市地区和农村地区设定年龄段(例如65-74岁)的老年人各N(＝584)例作为受检者，其中男女比例1：1，对每位受检者进行口腔健康检查，并完成面对面口腔问卷调查，实际完成的总样本量为1168例，符合要求且回收有效问卷，最终有效问卷为1144例，使用统计软件SPSS 22.0对其中的有效问卷进行单因素卡方检验，以是否患龋为因变量，将未患龋取值为0；将患龋取值为1。将经χ2检验有统计学意义的因素作为自变量，纳入Logistic多因素回归分析，计算比值比(OR)。结果显示，在老年人群中，过去一年有牙痛史(OR＝1.550，95％CI:1.164-2.063)、没有上颌全部活动假牙(OR＝4.320，95％CI:2.647-7.051)、没有下颌全部活动假牙(OR＝4.420，95％CI:2.477-7.885)是老年人易患龋的危险因素；而农村户口(OR＝0.676，95％CI:0.503-
0.908)、不吸烟(OR＝0.681，95％CI:0.502-0.923)、不喝酒(OR＝0.628，95％CI:0.446-
0.885)、自我口腔卫生评价良好(OR＝0.606，95％CI:0.423-0.868)是老年人患龋的保护因素，因此，确定出能够反映老年人易患龋的危险因素且卡方检验有统计学意义的变量，见表
1：
0.908)、不吸烟(OR＝0.681，95％CI:0.502-0.923)、不喝酒(OR＝0.628，95％CI:0.446-
0.885)、自我口腔卫生评价良好(OR＝0.606，95％CI:0.423-0.868)是老年人患龋的保护因素，因此，确定出能够反映老年人易患龋的危险因素且卡方检验有统计学意义的变量，见表
1：
[0026] 表1单因素卡方检验结果
[0027]
[0028] 作为本发明的一种优选实施方式，上述发病预测模块中，广义回归神经网络的输入为采集到的能够反映老年人易患龋的危险因素且卡方检验有统计学意义的变量，输出为老年龋病是否发病。
[0029] 广义回归神经网络(general regression neural network,GRNN)是径向基网络的一种变化形式，其网络结构具有一个径向基网络层和一个特殊的线性网络层，由输入层、隐含层和输出层组成，利用能够反映老年人易患龋的危险因素且卡方检验有统计学意义的变量作为广义回归神经网络的输入，把老年龋病是否发病作为神经网络的输出，构建广义回归神经网络模型，结构见图2，其中：
[0032] (3)、第3层为特定的线性输出层，先将隐含层的输出与本层的权值矩阵LW2,1作归一化点积运算后再作为权输入再送入传递函数；本层传递函数为线性函数。因此，网络的输出可用如下表达式表示：
[0033] y＝a2＝purelin(LW2,1×a1/sum(a1))
[0034] 在GRNN的训练中，径向基神经元的数目、线性神经元的数目与输入训练样本中输入向量个数相同，网络训练的目的就在于生成合适的权值矩阵LW1,1和LW2,1，以及阈值向量b1。
[0035] GRNN的训练分为2步：
[0036] 第1步、确定训练输入层与隐含层间的权值LW1,1，生成的阈值b由网络设计参数即扩展常数spread决定，b＝0.8326/spread；
[0037] 第2步、根据提供的目标向量集来训练生成隐含层与输出层间的权值矩阵LW1,1。
[0038] 为验证本发明的发病预测模块2利用广义回归神经网络和采集到的变量对老年龋病发病进行预测的结果准确程度，现将本发明的预测与利用现有技术中的非条件Logistic回归模型进行预测进行比较：
[0039] 将上述能够反映老年人易患龋的危险因素且卡方检验有统计学意义的变量作为输入，纳入非条件Logistic回归模型，建立出多因素患龋预测模型，结局变量(老年龋病是否发病)作为输出。从有效问卷即1144例样本中随机抽取80％(共915例)作为训练集，用于建立非条件多因素Logistic回归模型和广义回归神经网络，剩余20％(共229例)作为测试集用于两个模型预测。对训练集(有效问卷)中的915例样本进行非条件多因素Logistic回归，将15个能够反映老年人易患龋的危险因素且卡方检验有统计学意义的变量作为自变量，以受检者是否患有龋齿作为因变量，建立非条件多因素Logistic回归模型，采样前向法逐步回归，最终，有7个变量进入模型，见表2：
[0040] 表2非条件多因素Logistic回归结果
[0041]
[0042] 采用Matlab 2012软件编程建立GRNN广义回归神经网络预测模型。将训练集(共915例)中随机选取20％(183例)作为检验集用来寻找GRNN广义回归神经网络的最优光滑因子。光滑因子的确定是按照Sprecht提出的光滑因子确定方法进行的。从0.1开始每次增加一个单位量(0.1)，分别得到检验集的预测值，将检验集预测值与样本实测值之间均方误差最小时的光滑因子作为最优值。确定的最优光滑因子见图3，最优光滑因子为0.7。
[0043] 用上述非条件多因素Logistic回归模型预测测试集(有效问卷)中的229例样本是否患龋齿，模型的拟合和预测结果见表3：
[0044] 表3非条件多因素Logistic回归模型预测结果
[0045]
[0046] 用上述广义回归神经网络模型预测测试集(有效问卷)中的229例样本是否患龋齿，模型的拟合和预测结果见表4：
[0047] 表4广义回归神经网络模型预测结果
[0048]
[0049] 使用SPSS 22.0绘制模型预测结果的ROC曲线。模型概率的判别标准设定为0.5，当p≥0.5时预测结果为患龋齿，p<0.5时为不患龋齿。统计学显著性水平设置为0.05。
[0050] 非条件多因素Logistic回归模型和广义回归神经网络的预测结果ROC曲线，见图4。两种模型ROC曲线下面积见表5。非条件多因素Logistic回归模型的ROC曲线下面积为
0.590，95％可信区间为(0.508，0.672)，P值为0.028；GRNN广义回归神经网络模型的ROC曲线下面积为0.626，95％可信区间为(0.544，0.708)，P值为0.002。
0.590，95％可信区间为(0.508，0.672)，P值为0.028；GRNN广义回归神经网络模型的ROC曲线下面积为0.626，95％可信区间为(0.544，0.708)，P值为0.002。
[0051] 表5两种模型ROC曲线下面积
[0052]
[0053] 表6两种模型的拟合和预测结果的比较
[0054]
[0055] 两种模型的拟合和预测结果的比较见表6。由上述对比可以看出，广义回归神经网络的分类一致率、灵敏度和特异度均高于非条件多因素Logistic回归模型。
[0056] 以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 一种自动化仓储货架 | 2020-05-11 | 766 |
| 一种基于深部位移变形监测的边坡下滑推力计算方法 | 2020-05-13 | 469 |
| 照明之智慧调控系统与方法 | 2020-05-14 | 370 |
| 危险废物熔炼装置、系统及物料处理方法 | 2020-05-12 | 399 |
| 一种预测急性肺栓塞患者不良事件的生物标志物及其应用 | 2020-05-13 | 364 |
| 多发性骨髓瘤生物标志物hsa_circ_0007841的应用 | 2020-05-12 | 633 |
| 一种适用于岩体条件地下洞室群变形分级预警指标的确定方法 | 2020-05-13 | 519 |
| 基于系统理论危害分析的列车自动防护系统安全分析方法 | 2020-05-13 | 179 |
| 危险品存放柜 | 2020-05-16 | 669 |
| 一种具有分层结构的高压电柜 | 2020-05-16 | 878 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
分析报告
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
危险分层热门专利
QQ群二维码
意见反馈
意见反馈