泸州医学院学报
瀘州醫學院學報
로주의학원학보
JOURNAL OF LUZHOU MEDICAL COLLEGE
2013年
3期
251-254
,共4页
血常规%数据挖掘%人工神经网络模型(ANN)%白血病初筛
血常規%數據挖掘%人工神經網絡模型(ANN)%白血病初篩
혈상규%수거알굴%인공신경망락모형(ANN)%백혈병초사
Blood routine%Data mining%ANN model%Early leukaemia screen
目的：根据血常规检验的结果并结合临床信息进行数据挖掘，预测各型白血病发生率，提高血常规数据对白血病初筛作用的价值。方法：对泸州医学院1328份血常规26项指标进行回顾性分析；结合医院信息系统（HIS）与实验信息系统(LIS )信息，运用SPSS 11.0统计软件构建评估白血病ROC数据集，并建立可行人工神经网络模型（ANN）；验证模型可行性。用验后概率来解释血常规检验结果。结果：血常规中26项检测指标中，对白血病有评估意义的ROC数据集（P＜0.05）是HGB（P=6.95E-23）、PLT（P=1.79E-16）、IG%（P=7.24E-15）、MONO（P=1.47E-12）、EOS（P=1.03E-08）、LYM（P=1.81E-06）、PCT（P=4.68E-05）。其中HGB、PLT 、IG%、MONO等P值最小对临床筛查白血病具有明显的价值，以P＜0.05的指标建立的人工神经网络筛检模型，用验后概率来解释血常规结果。结论：用血常规检验结果对白血病筛检进行数据挖掘，建立评估模型，为初筛白血病提供了重要的检验数据。
目的：根據血常規檢驗的結果併結閤臨床信息進行數據挖掘，預測各型白血病髮生率，提高血常規數據對白血病初篩作用的價值。方法：對瀘州醫學院1328份血常規26項指標進行迴顧性分析；結閤醫院信息繫統（HIS）與實驗信息繫統(LIS )信息，運用SPSS 11.0統計軟件構建評估白血病ROC數據集，併建立可行人工神經網絡模型（ANN）；驗證模型可行性。用驗後概率來解釋血常規檢驗結果。結果：血常規中26項檢測指標中，對白血病有評估意義的ROC數據集（P＜0.05）是HGB（P=6.95E-23）、PLT（P=1.79E-16）、IG%（P=7.24E-15）、MONO（P=1.47E-12）、EOS（P=1.03E-08）、LYM（P=1.81E-06）、PCT（P=4.68E-05）。其中HGB、PLT 、IG%、MONO等P值最小對臨床篩查白血病具有明顯的價值，以P＜0.05的指標建立的人工神經網絡篩檢模型，用驗後概率來解釋血常規結果。結論：用血常規檢驗結果對白血病篩檢進行數據挖掘，建立評估模型，為初篩白血病提供瞭重要的檢驗數據。
목적：근거혈상규검험적결과병결합림상신식진행수거알굴，예측각형백혈병발생솔，제고혈상규수거대백혈병초사작용적개치。방법：대로주의학원1328빈혈상규26항지표진행회고성분석；결합의원신식계통（HIS）여실험신식계통(LIS )신식，운용SPSS 11.0통계연건구건평고백혈병ROC수거집，병건립가행인공신경망락모형（ANN）；험증모형가행성。용험후개솔래해석혈상규검험결과。결과：혈상규중26항검측지표중，대백혈병유평고의의적ROC수거집（P＜0.05）시HGB（P=6.95E-23）、PLT（P=1.79E-16）、IG%（P=7.24E-15）、MONO（P=1.47E-12）、EOS（P=1.03E-08）、LYM（P=1.81E-06）、PCT（P=4.68E-05）。기중HGB、PLT 、IG%、MONO등P치최소대림상사사백혈병구유명현적개치，이P＜0.05적지표건립적인공신경망락사검모형，용험후개솔래해석혈상규결과。결론：용혈상규검험결과대백혈병사검진행수거알굴，건립평고모형，위초사백혈병제공료중요적검험수거。
Objective: To mine the blood routine data combined with clinical information for improving the value of blood routine data to screen early leukaemia and predicting its incidence. Methods: Based on retrospective analysis of 26 indexes of 1328 blood routine data,combined with the information of the experiment information 4 system (LIS) and the hospital information sysem (HIS), SPSS 11.0 was used to construct receive-roperating characteristic curve data set for evaluating leukamia,and build artificial neural network(ANN) model for checking the feasibility. Results:Among 26 indexes of blood routine test,the ROC data set with leukemia-evaluating significance (P<0.05) was NEU(6.95E-23), LYM(1.79E-16), EOS(7.24E-15), IG%(1.47E-1), MONO (1.03E-08), PLT (1.81E-06), PCT (4.68E-05), HGB (0.0015), PDW (0.0063), and RBC(0.0075).Conclusion:Combined with routine analysis of blood and clinical data mining, an evaluation model is established for the initial screening of leukemia.
