用RBF神经网络预测利培酮稳态血药浓度
目的:评价用径向基(RBF)神经网络所建立的预测利培酮稳态血药浓度模型的预测性能. 方法:将数据分为训练集、校验集和测试集来建立获取输出变量与输出变量两者间关系的RBF网络模型,其中以患者的性别、年龄、体重、剂量、血压、多项生理生化指标等37项参数为输入变量,利培酮稳态血药浓度为输出变量.用训练集和校验集的网络计算输出值与目标输出值之间的均方差(MSE)和相关系数(R)来综合评价网络模型的学习效果,用测试集的网络计算输出值与目标输出值之间的MSE和R来评价网络模型的预测性能. 结果:当扩展系数SPREAD值为1.5时,训练集的MSE为6.93×10-6,R值为0.999 88;校验集的MSE为8.24×10-3,R值为0.866 69;测试集的MSE为8.58×10-3,R值为0.808 99,网络模型的预测效果和泛化能力较好. 结论:RBF网络用于预测利培酮稳态血药浓度的研究是可行的.
利培酮 血药浓度 稳态预测 径向基神经网络
刘朝晖 梅全喜 黄榕波 温预关 李明亚
广东药学院药科学院,广州510006;广东省中山市中医院,药剂科,中山528400 广东省中山市中医院,科教科,中山528400 广东药学院基础学院,广州510006 广州市脑科医院国家药品临床研究基地,广州510370 广东药学院药科学院,广州510006
国内会议
广州
中文
139-143
2013-01-12（万方平台首次上网日期，不代表论文的发表时间）