深度神经网络在不规则弥漫大B细胞淋巴瘤时间序列数据分类预测中的应用

摘要

目的 探讨深度神经网络在不规则时间序列数据中的分类效果，并对山西某医院2014-2020年362例弥漫大B细胞淋巴瘤(diffuse large B-cell lymphoma, DLBCL)患者进行复发预测。方法 回顾性地收集了确诊且治疗后达到完全缓解的362例DLBCL患者的病例资料，并预测其两年内的复发。先利用LASSO回归进行变量的筛选，再构建基于GRU-ODE-Bayes(gated recurrent unirt-ordinary differential equation-Bayes)的不规则时间序列深度神经网络模型，并与传统模型及其他深度神经网络模型进行比较。结果 在本文的所有模型中，传统模型的分类性能不及深度神经网络模型。其中GRU-ODE-Bayes模型最优，其AUC为0.85,灵敏度为0.84,特异度为0.71,G-means为0.77。结论 关于不规则DLBCL时间序列数据，与本文其他模型相比，GRU-ODE-Bayes模型可以更精准地预测DLBCL患者的复发情况，可为患者个性化治疗和医生决策提供参考。

关键词

弥漫大B细胞淋巴瘤 / 不规则时间序列数据 / 复发预测 / 深度神经网络