基于CDU影像特征的3种模型在先心病诊断中的应用价值研究

作者：吴贻怡; 肖湘; 罗琼

来源：重庆医学, 2022, 51(11): 1912-1916.

• 彩色多普勒超声
• 影像特征
• logisitic回归分析模型
• 反向传播神经网络模型
• 决策树模型
• 先天性心脏病
• 诊断价值

目的 探讨基于彩色多普勒超声(CDU)影像特征的3种模型在先天性心脏病(简称先心病)诊断中的应用价值。方法 选取2017年3月至2020年1月在该院进行先心病筛查的455例孕妇进行产前CDU检测。采用问卷调查、体格检查及实验室检查，建立logisitic回归分析、反向传播(BP)神经网络及决策树模型。比较3种模型检测的灵敏度、特异度及准确度，以及3种模型检测的受试者工作特征(ROC)曲线下面积(AUC),分析3种模型对先心病的诊断价值。结果 455例孕妇中61.32%的孕妇血糖正常，93.63%的孕妇早期未服用致畸药物，63.52%的新生儿出生体重超过2 800 g, 91.21%的新生儿出生时Apagr评分大于8分，95%以上的三尖瓣返流程度、肺动脉瓣返流程度、主动脉瓣返流程度均正常。logisitic回归分析模型、BP神经网络模型、决策树模型检测的灵敏度、特异度、准确度及AUC分别为84.82%、61.57%、81.79%、0.742,93.28%、81.68%、84.25%、0.786,86.46%、56.83%、81.02%、0.728,BP神经网络模型的灵敏度、特异度及准确度均高于logisitic回归分析模型及决策树模型。3种模型的AUC比较，logisitic回归分析模型与BP神经网络模型比较及BP神经网络模型与决策树模型比较差异均有统计学意义(P<0.01),而logisitic回归分析模型与决策树模型比较差异无统计学意义(P>0.05)。结论 相较于logisitic回归分析模型与决策树模型，BP神经网络模型诊断先心病灵敏度、特异度与准确度更高。

• 单位
  桂林市人民医院