[00832873]BP神经网络及其组合模型在医学预测中的应用

主要技术内容：针对单一模型预测煤工尘肺发病工龄及住院费用精度较低的问题，该研究以误差反向传播（BP）神经网络为基础，分别构建了煤工尘肺发病工龄组合预测模型及住院费用组合预测模型，实现了煤工尘肺发病工龄的精确个体化预测，提高了住院费用的预测精度。主要技术创新： 1.以BP神经网络为基础，建立了煤工尘肺发病工龄的精确个体化组合预测模型，开发了煤工尘肺发病工龄预测系统。 2.使用BP神经网络和主成分分析，建立了住院费用的精确组合预测模型，开发了住院费用预测系统。 推广应用及效益情况：自2013年至今，开滦职业病防治院使用“煤工尘肺发病工龄预测系统V1.0”，预测开滦集团7200余名井下接尘工人的发病工龄，预测的相对误差为4.72%，结合预测结果对高危人群实施干预措施，两年来尘肺病发病率下降了1.5‰。该成果的应用降低了本集团煤工尘肺的发病率，保护了接尘工人的身体健康，降低了集团职业病防治的成本。华北理工大学附属医院及唐山市协和医院使用“住院费用预测系统V1.0”进行患者住院费用预测，对可能存在高住院费用的患者采取相应措施，有效促进了医疗资源的合理利用及医疗成本的控制，减轻了患者的经济负担。 课题组已发表密切相关论文17篇，其中Ei期刊收录7篇，获计算机软件著作权登记2项。上述论文在Ei数据库中他引3次，在CNKI数据库中他引38次。培养硕士研究生6名。 推动科技进步的作用：建立的“煤工尘肺发病工龄预测系统V1.0”实现了煤工尘肺发病工龄的精确个体化预测，利于降低煤工尘肺的发病率，保护接尘工人的身体健康；“住院费用预测系统V1.0”可精确预测患者的住院费用，有利于合理控制住院费用，节约卫生资源；以BP神经网络为基础的组合模型建模方法为医学领域预测研究提供了新的思路。