探讨BP神经网络在生存分析中的应用
发布时间：2009-01-24 来源：安徽省医学协会信息中心
摘要：目的 探讨BP神经网络在生存分析中的应用。 方法 通过贲门癌预后的实例说明神经网络的连续时间模型与离散时间模型的使用。结果 所建立的神经网络生存分析模型有较好的预测能力。 结论 神经网络在生存分析中有很大的灵活性，在模型中可以容纳非线性效应，协变量的效应可以随时间而变化，不要求满足PH假定，有较广泛的应用前景。
关键词： BP神经网络；生存分析；贲门癌
Abstract:Objective To explore the application of BP neural network in the survival analysis.Method Three approaches have been illustrated how to fit survival model for carcinoma of the gastric cardia.Results The neural network models have good predictive ability.Conclusion BP neural network is very flexible without making assumption of proportionality of hazards,it can allow non-linear predictors and the effect of the covariates to vary over time,so it has broad application prospects.
Key words:BP neural network; survival analysis; carcinoma of the gastric cardia
生存分析（survival analysis）起源于19世纪对寿命表的分析，目前已广泛应用到临床研究中，可以处理含有删失值的数据，可以同时考虑事件发生的结局及发生结局的时间。目前处理生存资料的方法有参数模型、非参数模型及半参数模型。参数模型对生存时间的分布要求非常严格，医学资料中很少能满足；生存分析中传统的回归模型，例如：Cox比例风险模型、加速失效时间模型也要求模型满足一定的假设前提，而实际数据往往难以满足这些假设。神经网络近年来受到普遍的关注，在医学领域中的应用主要预测与分类，与传统回归模型不同，它可以克服这些缺点，在模型中可以容纳非线性效应，交互效应、协变量的效应可以随时间变化。目前国内研究神经网络在生存分析中的应用尚较少，本文拟探讨几种不同的神经网络生存模型在贲门癌预后中的应用。
1 方法
BP神经网络是目前应用最多的神经网络，一般由一个输入层（input layer）、一个输出层（output layer）、一个或几个中间层（隐层）组成，每一层可包含一个或多个神经元，其中每一层的每个神经元和前一层相连接，同一层之间没有连接。输入层神经元传递输入信息到第一隐
