ty -jour a2 -bangyal，waqas haider au -wei，wei au -yan -yang，xu py -2021 da -2021/02/28 ti-消化性疾病患者中反向流动人工神经网络模型与线性回归之间的诊断准确性的比较：消化系统疾病患者：实证研究SP -6662779 VL -2021 AB- 介绍。消化疾病的无创诊断模型是当前临床研究的至关重要问题。我们的系统评价旨在证明消化疾病患者的BP-ANN算法和线性回归之间的诊断准确性，包括其激活功能和数据结构。 方法。我们根据PRISMA指南报告了系统的审查。我们从七个电子学术数据库中搜索了相关文章，以比较着重于BP-ANN和线性回归的诊断精度。根据纳入标准，独立提取了与比较相关的特征，输入/输出标记，诊断准确性以及结果/结论。 结果。九篇文章符合所有标准，并参与了我们的审查。在那些注册的文章中，出版年度为1991年至2017年。样本量范围为42至3222例消化疾病患者，所有患者在BP-ANN算法和线性回归之间表现出可比的生物标志物。根据我们的研究，8个文献表明，基于AUROC结果预测疾病结果时，BP-ANN模型优于线性回归。一位文献报道，线性回归优于BP-ANN，可以早期诊断结直肠癌。 结论。BP-ANN算法和线性回归都具有很高的拟合诊断模型的能力，而BP-ANN对于消化疾病的无创诊断模型显示出更高的预测准确性。我们比较了拟合诊断模型的BP-ANN和线性回归之间的激活函数和数据结构，数据表明BP-ANN是一种全面的建议算法。SN -1748-670X UR -https：//doi.org/10.1155/2021/66662779 do -10.1155/2021/6662779 JF-医学中的计算和数学方法