传染病与预防医学杂志
开放获取

抽象的

数据挖掘技术在结核病（TB）诊断中的应用：多层感知神经网络（MLP）和自适应神经模糊推理系统（ANFIS）效率的比较

阿扎莫萨达特·胡赛尼、哈米德·莫加达西、礼萨·拉比伊、萨拉·莫赫比·穆沙伊

背景：用于疾病诊断的数据挖掘技术有助于预测和控制包括结核病（TB）在内的各种疾病。本研究旨在比较结核病诊断的两种主要模型：MLP（多层感知神经网络）和 AFIS（自适应神经模糊推理系统）的效率，以找出哪种基于数据挖掘的模型在检测结核病方面更有效。

材料和方法：在这项分析研究中，使用的数据库是一家专门医院的肺部和呼吸系统疾病住院患者的数据库。该数据库包含 1159 条记录，其中 599 条记录属于结核病感染患者，560 条记录属于非感染患者。借助对疾病诊断有效的 13 个因素并使用结核病记录集，对 MLP 和 ANFIS 两种模型进行了测试和评估。最后，使用比率测试，根据 AUC 值比较两个模型，看看哪一个更有效。还比较了两个模型的敏感性、特异性、准确性和 RMSE。

结果： MLP的效率为0.9921，ANFIS的效率为0.8572。MLP的敏感性、特异性、准确性和RMSE分别为93.50%、94.80%、94.30%和0.1788。AFIS 的这些值分别等于 79.60%、92.60%、85.63% 和 0.3345。根据这些结果，MLP 和 AFIS 模型的效率水平存在显着差异（p 值˂0.0001）。

结论：与 ANFIS 相比，MLP 显示出更高的 AUC 值。结果还显示 MLP 具有更高的灵敏度、特异性和准确性，但 RMSE 更低。总体而言，MLP 被证明在结核病诊断方面优于 ANFIS。