Application of Artificial Neural Network in Disease Prognosis Research_Chinese Journal of Clinical Thoracic and Cardiovascular Surgery

Authors：

CHEN Jie , ZHOU Qin , CHEN Jin , SHI Yingkang , DONG Li.

1. Department of Evidence-based Medicine and Clinical Epidemiology, West China Hospital of Sichuan　University, Chengdu 610041, P. R. China;;
2. Department of Thoracic and Cardiovascular Surgery, West China Hospital of Sichuan University, Chengdu 610041, P. R. China.;

Corresponding author：

Keywords：

人工神经网络; 　预后; 　应用

Video：

Export PDF Favorites Scan Get Citation

Abstract Full text Figures/Tables Video References Cited by

Abstract： Diseases prognosis is often influenced by multiple factors, and some intricate non-linear relationships exist among those factors. Artificial neural network （ANN）, an artificial intelligence model, simulates the work mode of biological neurons and has a b capability to analyze multi-factor non-linear relationships. In recent years, ANN is increasingly applied in clinical medical fields, especially for the prediction of disease prognosis. This article focuses on the basic principles of ANN and its application in disease prognosis research.

Citation： CHEN Jie,ZHOU Qin,CHEN Jin,SHI Yingkang,DONG Li.. Application of Artificial Neural Network in Disease Prognosis Research. Chinese Journal of Clinical Thoracic and Cardiovascular Surgery, 2013, 20(1): 95-99. doi: Copy

1.	蒋宗礼，主编. 人工神经网络导论. 北京：高等教育出版社， 2001. 7-10.
2.	丛爽，面向，主编. MATLAB 工具箱的神经网络理论与应用. 第3版. 合肥：中国科技技术大学出版社， 2009. 1-7.
3.	方积乾，陆盈，主编. 现代医学统计学. 北京：人民卫生出版社， 2002. 708-709.
4.	韩立群，主编. 人工神经网络教程. 北京：北京邮电大学出版社， 2006. 4-5.
5.	Advantages TJ. Disadvantages of using artificial neural networks versus logistic regression for predicting medical outcomes. J Clin Epidemiol， 1996， 49 （11）：1225-1231.
6.	陈进，石应康，董力. 疾病预后因素研究设计在心脏瓣膜置换术后抗凝治疗临床研究中的应用. 中国胸心血管外科临床杂志， 2011， 18 （4）：286-288.
7.	王家良，王波，主编. 临床流行病学：临床科研设计，测量与评价. 第3版. 上海：上海科学技术出版社， 2009. 434-435.
8.	孙振球，徐勇勇，主编. 医学卫生统计. 第3版. 北京：人民卫生出版社， 2010. 318.
9.	Mcculloch WS， Pitts W. A logical calculus of the ideas immanent in nervous activity. Bull Math Biol， 1990， 52 （1â）：99-115.
10.	Minsky M， Papert S， Chief editor. Perceptron （expanded edition）. Cambridge， MA：MIT Press， 1988. 1969.
11.	Rumelhart D， Hintont GE， Williams RJ. Learning representations by back-propagating errors. Nature， 1986， 323 （9）：533-536.
12.	施彦，韩力群，廉小亲，主编. 神经网络设计方法与实例分析. 北京：北京邮电大学出版社， 2009. 307-361.
13.	Peng SY， Peng SK. Predicting adverse outcomes of cardiac surgery　with the application of artificial neural networks. Anaesthesia， 2008， 63 （7）：705-713.
14.	Akl A， Ismail AM， Ghoneim M. Prediction of graft survival of living-donor kidney transplantation：nomograms or artificial neural networks ? Transplantation， 2008， 86 （10）：1401-1406.
15.	Nilsson J， Ohlsson M， Thulin L， et al. Risk factor identification and mortality prediction in cardiac surgery using artificial neural networks.　J Thorac Cardiovasc Surg， 2006， 132 （1）：12-19.
16.	Nashef S， Roques F， Hammill BG， et al. Validation of European system for cardiac operative risk evaluation （EuroSCORE）in North American cardiac surgery. Eur J Cardio-thoracic Surg， 2002， 22 （1）：101-105.
17.	Gogbashian A， Sedrakyan A， Treasure T. Euroscore：a systematic review of international performance. Euro J Cardio-thoracic Surg， 2004， 25 （5）：695-700.
18.	Yoshimura M， Takahashi Y， Uchida K， et al. Prediction of survival　in prostate cancer patients by bone scan index using computer-assisted　diagnosis system. Eur J Nucl Med Mol Imaging， 2011， 38 （Suppl 2）：S414.
19.	Scholl S， Biã¨che I， Pallud C， et al. Relevance of multiple biological parameters in breast cancer prognosis. Breast， 1996， 5 （1）：21-30.
20.	Ei MM， Akl A， Mosbah A， et al. Prediction of survival after radical　cystectomy for invasive bladder carcinoma：risk group stratification， nomograms or artificial neural networks?J Urol， 2009， 182 （2）：466-472.
21.	袁金秋，刘雅莉，杨克虎. 基于人工神经网络的数据挖掘技术在临床中应用进展. 图书与情报， 2010 （3）：95-98.
22.	范炤，吕吉元，陈泽华，等. 基于BP人工神经网络的急性前壁心肌梗塞冠脉内支架术一年预后模型研究. 中国卫生统计， 2010， 27 （1）：71-73， 82.
23.	张鸣. 初步构建基于我国肝移植受体的生存评估模型及其与MELD的比较研究. 成都：四川大学， 2006. 1-87.
24.	蔡煜东，官家文，甘骏人，等. 人工神经网络方法在乳腺癌死亡率研究中的应用. 中国生物医学工程学报， 1994， 13 （4）：364-366.
25.	黄德生，周宝森，刘延龄，等. BP人工神经网络用于肺鳞癌预后预测. 中国卫生统计， 2000， 17 （6）：337-340.
26.	姜成华，王正国，朱佩芳，等. 基于神经网络的创伤预后仿真模型. 中华创伤杂志， 1997， 13 （3）：42-44.
27.	De Laurentiis M， De Placido S， Bianco AR， et al. A prognostic model that makes quantitative estimates of probability of relapse for breast cancer patients. Clin Cancer Res， 1999， 5 （12）：4133-4139.
28.	Piaggi P， Lippi C， Fierabracci P， et al. Artificial neural networks in the outcome prediction of adjustable gastric banding in obese women. PLoS One， 2010， 5 （10）：e13624.
29.	Tu JV， Guerriere MJ. Use of a neural network as a predictive instrument for length of stay in the intensive care unit following cardiac surgery. Comput Biomed Res， 1993， 26 （3）：220-229.
30.	Lin E， Hwang Y， Wang SC， et al. An artificial neural network approach to the drug efficacy of interferon treatments. Pharmacogenomics， 2006， 7 （7）：1017-1024.
31.	Chang HH， Chen PS， Giacomini KM. A neural network model for predicting treatment response of antidepressant in patients with major depressive disorder. Biol Psychiatry， 2012， 71 （8）：286S.
32.	Solomon I， Maharshak N， Chechik G， et al. Applying an artificial neural network to warfarin maintenance dose prediction. Isr Med　Assoc J， 2004， 6 （12）：732-735.
33.	Dipti I， Peter BS， Almassy RJ， et al. Artificial neural networks：Current status in cardiovascular medicine. J Am Coll Cardiol， 1996， 28 （2）：515-521.

1. 　蒋宗礼，主编. 人工神经网络导论. 北京：高等教育出版社， 2001. 7-10.
2. 　丛爽，面向，主编. MATLAB 工具箱的神经网络理论与应用. 第3版. 合肥：中国科技技术大学出版社， 2009. 1-7.
3. 　方积乾，陆盈，主编. 现代医学统计学. 北京：人民卫生出版社， 2002. 708-709.
4. 　韩立群，主编. 人工神经网络教程. 北京：北京邮电大学出版社， 2006. 4-5.
5. 　Advantages TJ. Disadvantages of using artificial neural networks versus logistic regression for predicting medical outcomes. J Clin Epidemiol， 1996， 49 （11）：1225-1231.
6. 　陈进，石应康，董力. 疾病预后因素研究设计在心脏瓣膜置换术后抗凝治疗临床研究中的应用. 中国胸心血管外科临床杂志， 2011， 18 （4）：286-288.
7. 　王家良，王波，主编. 临床流行病学：临床科研设计，测量与评价. 第3版. 上海：上海科学技术出版社， 2009. 434-435.
8. 　孙振球，徐勇勇，主编. 医学卫生统计. 第3版. 北京：人民卫生出版社， 2010. 318.
9. 　Mcculloch WS， Pitts W. A logical calculus of the ideas immanent in nervous activity. Bull Math Biol， 1990， 52 （1â）：99-115.
10. 　Minsky M， Papert S， Chief editor. Perceptron （expanded edition）. Cambridge， MA：MIT Press， 1988. 1969.
11. 　Rumelhart D， Hintont GE， Williams RJ. Learning representations by back-propagating errors. Nature， 1986， 323 （9）：533-536.
12. 　施彦，韩力群，廉小亲，主编. 神经网络设计方法与实例分析. 北京：北京邮电大学出版社， 2009. 307-361.
13. 　Peng SY， Peng SK. Predicting adverse outcomes of cardiac surgery　with the application of artificial neural networks. Anaesthesia， 2008， 63 （7）：705-713.
14. 　Akl A， Ismail AM， Ghoneim M. Prediction of graft survival of living-donor kidney transplantation：nomograms or artificial neural networks ? Transplantation， 2008， 86 （10）：1401-1406.
15. 　Nilsson J， Ohlsson M， Thulin L， et al. Risk factor identification and mortality prediction in cardiac surgery using artificial neural networks.　J Thorac Cardiovasc Surg， 2006， 132 （1）：12-19.
16. 　Nashef S， Roques F， Hammill BG， et al. Validation of European system for cardiac operative risk evaluation （EuroSCORE）in North American cardiac surgery. Eur J Cardio-thoracic Surg， 2002， 22 （1）：101-105.
17. 　Gogbashian A， Sedrakyan A， Treasure T. Euroscore：a systematic review of international performance. Euro J Cardio-thoracic Surg， 2004， 25 （5）：695-700.
18. 　Yoshimura M， Takahashi Y， Uchida K， et al. Prediction of survival　in prostate cancer patients by bone scan index using computer-assisted　diagnosis system. Eur J Nucl Med Mol Imaging， 2011， 38 （Suppl 2）：S414.
19. 　Scholl S， Biã¨che I， Pallud C， et al. Relevance of multiple biological parameters in breast cancer prognosis. Breast， 1996， 5 （1）：21-30.
20. 　Ei MM， Akl A， Mosbah A， et al. Prediction of survival after radical　cystectomy for invasive bladder carcinoma：risk group stratification， nomograms or artificial neural networks?J Urol， 2009， 182 （2）：466-472.
21. 　袁金秋，刘雅莉，杨克虎. 基于人工神经网络的数据挖掘技术在临床中应用进展. 图书与情报， 2010 （3）：95-98.
22. 　范炤，吕吉元，陈泽华，等. 基于BP人工神经网络的急性前壁心肌梗塞冠脉内支架术一年预后模型研究. 中国卫生统计， 2010， 27 （1）：71-73， 82.
23. 　张鸣. 初步构建基于我国肝移植受体的生存评估模型及其与MELD的比较研究. 成都：四川大学， 2006. 1-87.
24. 　蔡煜东，官家文，甘骏人，等. 人工神经网络方法在乳腺癌死亡率研究中的应用. 中国生物医学工程学报， 1994， 13 （4）：364-366.
25. 　黄德生，周宝森，刘延龄，等. BP人工神经网络用于肺鳞癌预后预测. 中国卫生统计， 2000， 17 （6）：337-340.
26. 　姜成华，王正国，朱佩芳，等. 基于神经网络的创伤预后仿真模型. 中华创伤杂志， 1997， 13 （3）：42-44.
27. 　De Laurentiis M， De Placido S， Bianco AR， et al. A prognostic model that makes quantitative estimates of probability of relapse for breast cancer patients. Clin Cancer Res， 1999， 5 （12）：4133-4139.
28. 　Piaggi P， Lippi C， Fierabracci P， et al. Artificial neural networks in the outcome prediction of adjustable gastric banding in obese women. PLoS One， 2010， 5 （10）：e13624.
29. 　Tu JV， Guerriere MJ. Use of a neural network as a predictive instrument for length of stay in the intensive care unit following cardiac surgery. Comput Biomed Res， 1993， 26 （3）：220-229.
30. 　Lin E， Hwang Y， Wang SC， et al. An artificial neural network approach to the drug efficacy of interferon treatments. Pharmacogenomics， 2006， 7 （7）：1017-1024.
31. 　Chang HH， Chen PS， Giacomini KM. A neural network model for predicting treatment response of antidepressant in patients with major depressive disorder. Biol Psychiatry， 2012， 71 （8）：286S.
32. 　Solomon I， Maharshak N， Chechik G， et al. Applying an artificial neural network to warfarin maintenance dose prediction. Isr Med　Assoc J， 2004， 6 （12）：732-735.
33. 　Dipti I， Peter BS， Almassy RJ， et al. Artificial neural networks：Current status in cardiovascular medicine. J Am Coll Cardiol， 1996， 28 （2）：515-521.

Chinese Journal of Clinical Thoracic and Cardiovascular Surgery

Application of Artificial Neural Network in Disease Prognosis Research

Abstract Full text Figures/Tables Video References Cited by

Format

Content