基于特征选择的自适应模糊神经网络在肾小球滤过率中的应用

摘要

临床上广泛使用肾小球滤过率（GFR）评价肾功能指标,医生根据GFR预测出慢性肾病（CKD）阶段进而制定相应的治疗方案。菊粉清除率和同位素标记物清除率一直为测定GFR的主要标准。但菊粉价格昂贵、同位素标记方法具有放射性,限制了它们用于GFR的检测。提出一种特征选择的自适应模糊神经网络的进展过程GFR估计方法,分别对6个月、12个月及18个月后的慢性肾病患者进行GFR估计。先对29个特征进行相关性分析,将筛选出来的5个特征进行模糊化、初始化隶属度函数和模糊规则生成,得到模糊神经网络（AFNN）,然后用参数训练AFNN模型,得到最优AFNN,最后用新样本数据进行GFR估计,得到误差结果并进行评估。实验结果表明,运用该方法,GER估计误差均小于其它方法,其中最小标准化误差达到1.079 5×10^-6,泛化能力增强。