《表1 有关骨质疏松症危险因素分析的相关研究总结》

  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

《人工智能在骨质疏松症中的应用研究综述》

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

注释:ANN（人工神经网络）、ANNS（集成人工神经网络）、SVM（支持向量机）、GA （遗传算法）

利用人工智能技术可以有效地分析影响骨质疏松症的危险因素，为此，很多学者进行了大量的工作．2005年，Akkus Z等基于多元二元回归，来确定骨质疏松的危险因素，并评估骨质疏松的风险变量．这项研究表明，低水平的膳食钙摄入、体育活动、教育和更年期延长是我们人群低骨密度风险的独立预测因子，适量的膳食钙摄入，结合日常体育锻炼，提高教育水平，降低产次，延长母乳喂养时间，有助于骨骼健康[35].G Huang等基于多元回归，分析危险因素与骨质疏松之间的关系．结果显示，骨质疏松的主要危险因素，男性是年龄，女性是绝经后的持续时间[36].2006年，Chiu JS等基于人工神经网络对骨质疏松症的危险因素做了研究，认为影响骨质疏松症的主要危险因素包括:人口学特征、人体测量和临床资料（性别、年龄、体重、身高、体重指数、绝经后状况、咖啡消费）[37]．陈湘定等基于人工神经网络，对影响骨密度的12个因素进行分析，结果表明，性别影响因素最大，身高、体重、年龄的作用均比基因的作用强，在基因中雌激素受体α基因作用很强，而骨钙素（BGP）基因的作用最弱[38].2009年，C.Ordó?ez等基于支持向量机模型，研究影响骨质疏松症的危险因素，研究显示饮食生活习惯身高、体重、体重指数（BMI）、暴露于阳光下、钙的摄入量、蛋白质的摄入量、怀孕次数、胆固醇水平、碳水化合物的摄入量、脂肪、维生素D、钾、钠等的因素，影响绝经后妇女的骨质疏松症[39].2012年，X M a等基于Logistics回归，分析动物性食物与骨质疏松的关系．单因素回归分析显示与骨质疏松相关的因素有年龄、出生数、肥胖、受过高等教育、高收入、蔬菜和牛肉；多因素Logistic回归分析显示，鸡蛋可增加骨质疏松症的风险，牛肉和蔬菜可降低骨质疏松症的风险[40].2013年，Anastassopoulos等采用人工神经网络和遗传算法的混合算法对骨质疏松症的危险因素进行分析．结果表明更年期、年龄、酒精摄入量是重要的危险因素[41].2015年，Quan Liu等在老年髋骨骨折的危险性预测研究中，基于人工神经网络分析其危险因素，同时证明男性模型比女性模型的危险因素少，具有更好的分类性能[42].2016年，李茂蓉等基于Logistics回归，分析绝经后非糖尿病妇女骨质疏松症影响因素，单因素Logistics回归分析显示，年龄、文化程度、产次、体质指数（BMI）、血清碱性磷酸酶（ALP）是骨质疏松的可能影响因素，多因素Logistics回归显示高龄、高ALP是中老年绝经后妇女骨质疏松发病的可能影响因素[43]．表1是有关骨质疏松症的危险因素分析的相关研究总结．