基于PSO-BP神经网络的儿童骨髓移植生存预测研究

沈翔; 孙悦; 郭金兴; 王振; 陈广新; 韩雪山

doi:10.3969/j.issn.2096-6091.2023.20.003

您当前的位置：

首页 >

文章列表页 >

基于PSO-BP神经网络的儿童骨髓移植生存预测研究

研究论文 | 更新时间：2025-03-26

- 基于PSO-BP神经网络的儿童骨髓移植生存预测研究
- Research on Bone Marrow Transplantation Survival Prediction Based on Particle Swarm Optimized BP Neural Network
- 新一代信息技术 2023年6卷第20期页码：17-21
- 作者机构：
  
  1.牡丹江医学院第一临床医学院，黑龙江牡丹江 157011
  2.牡丹江医学院附属红旗医院，黑龙江牡丹江 157011
  3.牡丹江医学院医学影像学院，黑龙江牡丹江 157011
- 作者简介：
  
  沈翔（2001—），男，研究生在读，研究方向：临床医学。
  孙悦（1992—），女，初级职称，研究方向：人工智能。
  郭金兴（1984—），女，中级职称，研究方向：人工智能。
  王振（2000—），男，研究生在读，研究方向：医学人工智能。
  陈广新（1978—），男，中级职称，研究方向：医学图像处理。
  韩雪山
- 基金信息：
  
  黑龙江省属高校科研基本业务费科研项目(2022-KYYWF-0699)
- DOI：10.3969/j.issn.2096-6091.2023.20.003
  中图分类号： R195
- 纸质出版日期：2023-10-30
- 稿件说明：
移动端阅览
沈翔, 孙悦, 郭金兴, 等. 基于PSO-BP神经网络的儿童骨髓移植生存预测研究[J]. 新一代信息技术, 2023, 6(20): 17-21

SHEN Xiang, SUN Yue, GUO Jin-xing, et al. Research on Bone Marrow Transplantation Survival Prediction Based on Particle Swarm Optimized BP Neural Network[J]. New Generation of Information Technology, 2023, 6(20): 17-21
沈翔, 孙悦, 郭金兴, 等. 基于PSO-BP神经网络的儿童骨髓移植生存预测研究[J]. 新一代信息技术, 2023, 6(20): 17-21 DOI： 10.3969/j.issn.2096-6091.2023.20.003.

SHEN Xiang, SUN Yue, GUO Jin-xing, et al. Research on Bone Marrow Transplantation Survival Prediction Based on Particle Swarm Optimized BP Neural Network[J]. New Generation of Information Technology, 2023, 6(20): 17-21 DOI： 10.3969/j.issn.2096-6091.2023.20.003.

摘要

构建一种儿科患者骨髓移植生存预测模型。利用Kaggle儿童骨髓移植数据集基于PSO-BP（Particle Swarm Optimized Back Propagation）神经网络构建预测模型。研究结果表明，预测模型AUC（Area Under the Curve）值为0.98，算法模型表现优秀，特征重要性分析揭示了生存时间、复发和每公斤受体体重的CD34+细胞剂量等特征是骨髓移植儿童患者的生存预后最重要的影响因素。

Abstract

To construct a survival prediction model for pediatric patients undergoing bone marrow transplantation. A prediction model was built based on the Kaggle dataset for children's bone marrow transplantation using a PSO-BP (Particle Swarm Optimized Back Propagation) neural network. The prediction model has an AUC (Area Under the Curve) value of 0.98

indicating excellent performance of the algorithm model. Feature importance analysis revealed that survival time

recurrence

and CD34+ cell dose per kilogram of recipient weight are the most important factors affecting the survival prognosis of pediatric bone marrow transplantation patients.

关键词

Keywords

references

GALE R P , CHAMPLIN R E . How does bone-marrow transplantation cure leukaemia? [J ] . Lancet , 1984 , 2 ( 8393 ): 28 - 30 .

LUGER S , SACKS N . Bone marrow transplantation for myelodysplastic syndrome: Who? when? and which? [J ] . Bone Marrow Transplantation , 2002 , 30 ( 4 ): 199 - 206 .

COWAN A J , GREEN D J , KWOK M , et al . Diagnosis and management of multiple myeloma: A review [J ] . JAMA , 2022 , 327 ( 5 ): 464 - 477 .

刘兵 , 魏连民 , 刘春宁 , 等 . 多发性骨髓瘤并发淀粉样变患者化疗后骨髓移植与生存质量关系 [J ] . 贵州医科大学学报 , 2019 , 44 ( 4 ): 480 - 483, 488 .

石瑞平 , 韩婷婷 , 郭树霞 . 自体骨髓移植联合MHC单倍体相合淋巴细胞治疗急性髓性白血病的临床疗效 [J ] . 现代肿瘤医学 , 2019 , 27 ( 10 ): 1812 - 1815 .

余钢 , 陈锡坚 , 郭锦伟 , 等 . 通过骨髓移植建立骨髓源性细胞特异性基因修饰小鼠模型 [J ] . 汕头大学医学院学报 , 2023 , 36 ( 4 ): 193 - 196, 204 .

ZHOU J Y , WANG S , YUAN H L , et al . Impact of a novel prognostic model on allogeneic hematopoietic stem cell transplantation outcomes in patients with CMML [J ] . American Journal of Hematology , 2023 , 98 ( 9 ): 1394 - 1406 .

LIND M L , MOONEY S J , CARONE M , et al . Development and validation of a machine learning model to estimate bacterial sepsis among immunocompromised recipients of stem cell transplant [J ] . JAMA Network Open , 2021 , 4 ( 4 ): e214514 .

李若冰 , 唐古生 , 罗艳蓉 , 等 . 基于机器学习算法的自体外周血造血干细胞采集预测模型构建与应用 [J ] . 复旦学报(医学版) , 2023 , 50 ( 3 ): 398 - 404 .

何文君 . 基于基因表达差异构建评价急性髓系白血病预后的机器学习模型 [D ] . 长春 : 吉林大学 , 2021 .

JAIN M , SAIHJPAL V , SINGH N , et al . An overview of variants and advancements of PSO algorithm [J ] . Applied Sciences , 2022 , 12 ( 17 ): 8392 .

DE OCA M A M , STÜTZLE T , BIRATTARI M , et al . Frankenstein's PSO: A composite particle swarm optimization algorithm [J ] . IEEE Transactions on Evolutionary Computation , 2009 , 13 ( 5 ): 1120 - 1132 .

JORDEHI A R . Particle swarm optimisation (PSO) for allocation of FACTS devices in electric transmission systems: A review [J ] . Renewable and Sustainable Energy Reviews , 2015 , 52 : 1260 - 1267 .

ZHU H H , WANG Y , WANG K S , et al . Particle swarm optimization (PSO) for the constrained portfolio optimization problem [J ] . Expert Systems with Applications , 2011 , 38 ( 8 ): 10161 - 10169 .

JAZBEC K , JEŽ M , SMREKAR B , et al . Chimerism and gene therapy—Lessons learned from non‐conditioned murine bone marrow transplantation models [J ] . European Journal of Haematology , 2018 , 100 ( 4 ): 372 - 382 .

NGUYEN K T , HOANG N T M , NGUYEN H P , et al . The density of bone marrow mononuclear cells and CD34+ cells in patients with three neurologic conditions [J ] . BMC Neurology , 2023 , 23 ( 1 ): 37 .

QUDEIMAT A , ZANDAKI D , BI Y , et al . Comparison of Haemonetics cell saver 5+ and manual density separation for optimum depletion of red blood cells and preservation of CD34+ cells in major ABO-incompatible bone marrow grafts [J ] . Cytotherapy , 2023 , 25 ( 11 ): 1145 - 1148 .

SYKES M , HOYLES K A , ROMICK M L , et al . In vitro and in vivo analysis of bone marrow-derived CD3+, CD4-, CD8-, NK 1.1 + cell lines [J ] . Cellular Immunology , 1990 , 129 ( 2 ): 478 - 493 .

PÉREZ-MARTÍNEZ A , FERRERAS C , PASCUAL A , et al . Haploidentical transplantation in high-risk pediatric leukemia: A retrospective comparative analysis on behalf of the Spanish working group for bone marrow transplantation in children (GETMON) and the Spanish Group for hematopoietic transplantation (GETH) [J ] . American Journal of Hematology , 2020 , 95 ( 1 ): 28 - 37 .

LOCATELLI F , GIORGIANI G , PESSION A , et al . Late effects in children after bone marrow transplantation: A review [J ] . Haematologica , 1993 , 78 ( 5 ): 319 - 328 .

刘金平 , 吴娟娟 , 张荣 , 等 . 基于结构重参数化与多尺度深度监督的COVID-19胸部CT图像自动分割 [J ] . 电子学报 , 2023 , 51 ( 5 ): 1163 - 1171 .

谢娟英 , 张凯云 . SOSNet: 一种非对称编码器-解码器结构的非小细胞肺癌CT图像分割模型 [J ] . 电子学报 , 2024 , 52 ( 3 ): 824 - 837 .

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

暂无数据