目的 比较神经网络模型(NNM)与多元线性回归(MLR)预测CT肺栓塞指数的能力.方法 回顾性搜集2015年3月至2016年7月西安交通大学第一附属医院急性肺栓塞患者147例(男79例,女68例),采用随机表法按3∶1分为训练样本和测试样本.所有患者均进行CT肺动脉成像(CTPA),计算机辅助得到每例患者的栓子总体积(V)、栓子附壁总长度(L)、栓子断面栓塞程度总和(D)及栓子总数(N),人工判读得到Qanadli指数作为CT肺栓塞指数(Q).借助SPSS 14.2 Modeler,以Qanadli指数为因变量,V、L、D和N为自变量,分别利用MLR和NNM计算Qanadli指数预测值((Q)).使用SPSS 22.0 Spearman相关分析比较两种模型的Qanadli实际值与预计值的相关性,使用平均绝对误差(MAE)、平均相对误差(MRE)和均方根误差(RMSE)比较两种模型的精确程度.结果 MLR方程:(Q)=10.98+1.37×V+0.06×L,模型拟合度为0.764.NNM:隐层1层,隐藏神经元2个,模型准确性0.868.训练样本中,NNM计算得到(Q)与Q的相关系数(r=0.932,P＜0.01)高于MLR(r=0.879,P＜0.01);验证样本中,NNM得到Q与Q的相关系数(r=0.875,P＜0.01)也高于MLR(r=0.868,P＜0.01).训练样本中,NNM得到的MAE(5.144)、MRE(0.274)和RMSE(6.957)均低于MLR得到的MAE(6.784)、MRE(0.282)和RMSE(8.700),差异具有统计学意义(t=3.402,P

作者：沈聪；于楠；周晟；兰欣；问雷涛；王君；银楠；郭佑民

来源：中华放射学杂志 2019 年 53卷 1期