《表5 测试集各预测模型性能的平均值》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《循环神经网络模型在腹膜透析临床预后预测中的初步应用》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

对GRU、RNN和LR模型的性能进行十折交叉验证、调整超参数，并在测试集测试，结果见表5，各模型的ROC曲线见图5。可以看出RNN模型和GRU模型在AUROC、召回率、F1分数三项指标上都明显优于传统的LR模型。虽然LR模型已经达到了一定的预测水平，但其未考虑生存时间变量因素，很难随着患者的不同随访时间变化，做出更加准确的预测。RNN和GRU模型与LR模型相比，不仅能够处理当前状态数据，还能够处理时序数据，通过纳入患者之前的状态来对当前状态进行预测，所以其结果优于LR模型。但RNN模型在处理时序数据时，无法很好地抽取长距离信息依赖，GRU的“更新门”和“重置门”机制很好地解决了这一问题，同时从结果中也可以看出GRU模型的性能有了进一步的提升，说明GRU模型可以更深刻地理解当前数据背后的临床意义，并且能更好地拟合数据。