基于人工神经网络骨关节炎诊断模型的建立与分析

基于人工神经网络骨关节炎诊断模型的建立与分析
范以东;秦刚;苏国威;肖世富;刘俊良;李威材;吴广涛
【期刊名称】《中国组织工程研究》
【年(卷),期】2024(28)16
【摘要】背景:生物信息学领域的快速发展为骨关节炎的诊断提供了新的方法。

人工神经网络具有强大的数据计算能力和分类能力,研究表明其在诊断疾病方面表现出了较好的性能。

目的:旨在使用人工神经网络建立一种新的骨关节炎诊断预测模型,并通过外部数据集验证其在骨关节炎中的诊断价值。

方法:通过GEO数据库搜索下载符合要求的骨关节炎相关数据集,将其分为Train组与Test组。

对Train组的基因表达矩阵进行差异分析,筛选差异表达基因。

对差异基因进行GO、KEGG富集分析;通过Lasso回归模型、支持向量机模型、随机森林树模型从差异基因中进一步鉴定骨关节炎关键基因。

随后使用R软件“neuralnet”包构建基于人工神经网络的骨关节炎诊断模型,5折交叉验证评估模型表现;使用Test组中2个独立的数据集来验证其诊断效果。

结果与结论:通过差异分析共得到90个与骨关节炎相关的差异基因,其中33个下调,57个上调。

GO富集分析显示其生物过程主要参与白细胞介导的免疫、骨髓白细胞迁移、趋化因子产生等过程;KEGG富集显示差异基因主要富集在类风湿关节炎、白细胞介素17信号通路、破骨细胞分化等通路。

通过3种机器学习方法筛选并取交集后共得到5个诊断骨关节炎的关键基因,分别为HMGB2、GADD45A、SLC19A2、TPPP3、FOLR2。

Train组中5个关键基因建立的人工神经网络模型显示其准确率为96.36%,曲线下面积(AUC)为0.997,对神经网络模型的5折交叉验证表明其平均AUC>0.9,具有一定的稳健性;Test组中2个
独立的数据集结果显示其AUC分别为0.814和0.788。

提示:建立的人工神经网络骨关节炎诊断模型具有一定的诊断价值。

【总页数】5页(P2550-2554)
【作者】范以东;秦刚;苏国威;肖世富;刘俊良;李威材;吴广涛
【作者单位】广西中医药大学;广西中医药大学第一附属医院骨病创伤骨科
【正文语种】中文
【中图分类】R496;R318;R446
【相关文献】
1.基于非参数交叉证实判别分析法建立社区脑膜炎诊断模型
2.基于非参数交叉证实判别分析法建立社区流行性脑脊髓膜炎初筛诊断模型的研究
3.基于判别分析的产后早期压力性尿失禁超声诊断模型的建立
4.基于判别分析的甲状腺乳头状癌多模态超声诊断模型的建立与分析
5.基于随机森林与人工神经网络慢性鼻窦炎伴鼻息肉诊断模型的构建与分析
因版权原因，仅展示原文概要，查看原文内容请购买。