论文部分内容阅读
目的建立氟性骨损伤人工神经网络模型,预测氟性骨损伤发生的危险性。方法选择氟接触工人的年龄、工龄、车间、饮酒史、降钙素受体(CTR)基因作为输入层,以是否患氟性骨损伤为输出层,采用Levenberg-Marquardt优化算法训练网络并建立人工神经网络模型,验证网络模型的实用性和可靠性。结果模型的拟合度为99.2%,预测的灵敏度、特异度、准确度、阳性预测值和阴性预测值分别为95.8%、77.3%、87.0%、82.1%和94.4%。结论人工神经网络模型在氟性骨损伤发病风险的预测中取得了较好的效果。