摘要
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入变量两者间关系的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:当扩展系数值为1.5时,训练集的MSE为6.93×10-6,R值为0.99988;校验集的MSE为8.24×10-3,R值为0.86669;测试集的MSE为8.58×10-3,R值为0.80899;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。
学科与关键词
关键词
径向基神经网络利培酮稳态血药浓度 RBF neural networksRisperidoneSteady-state blood concentration
- 用径向基神经网络预测5种抗精神病药物的稳态血药浓度刘朝晖; 梅全喜; 黄榕波; 温预关; 李明亚中国临床药理学杂志, 2013, (07): 540-542.
- 径向基神经网络预测氯氮平血药浓度刘朝晖; 黄榕波; 陈庆强; 温预关; 李明亚中国药房, 2011, (14): 1273-1275.
- 用径向基神经网络预测氯丙嗪的稳态血药浓度刘朝晖; 黄榕波; 陈庆强; 温预关; 李明亚中国临床药理学杂志, 2012, (07): 536-538.
