首页 > 文献资料
-
专家系统在医学上的研究现状及进展
专家系统在医学上的研究已有超过50年的历史,在一些领域已取得较大进展.本文从知识获取、表示、推理三方面论述了其研究现状及进展.
-
探讨模糊神经网络在麻醉监测中的应用
手术过程中,对患者麻醉深度的监测极其重要,常因不当麻醉而给患者带来心理上的后遗症.因此可靠而无创伤的麻醉深度监测方法是令人期望的.本文探讨了建立模糊神经网络模型以期实现麻醉深度的监测.文中从EEG信号中提取Kc复杂度、近似熵、小波熵三个非线性动力学特征参数,对模糊神经网络进行训练,成功监测病人是否处于麻醉状态,精确度达到97.08%/98.65%(麻醉状态/正常状态).实验证明,模糊神经网络具有良好的准确性和稳定性,是麻醉深度监测有效而又有潜力的一个工具,具有临床应用价值.
-
基于AHP-模糊神经网络法建立中药上市后风险评价指标体系的研究方法
目前已经开展大量中成药上市后研究,对安全性、有效性、经济性都有探索,但缺乏全面解读.建立中药上市后风险评价指标体系和风险评估模型,是解决用药安全问题、保障人民健康的关键所在.中成药临床风险因素与化学药存在相同之处,可以借鉴国外经验,但也具有中成药自身多因素、多变量、多层面的复杂特点.针对用药安全风险评估的不确定性和复杂性,采用层次分析法(AHP)对指标权重进行赋权,基于AHP-模糊神经网络法建立中成药上市后风险评价指标体系和风险评估模型,并在应用中不断完善是符合中医特色的可行之路和有益探索.
-
基于模糊小波神经网络的磁共振图像分割方法
针对磁共振图像分割的特点,将小波分析优异的局部特性、模糊逻辑的定性知识表达能力和神经网络的自学习能力结合起来,提出了一种基于模糊小波神经网络的磁共振图像分割方法.该方法采用小波函数作为模糊隶属函数,利用神经网络实现模糊推理,并采用反向误差传播算法对网络进行训练.实验结果表明,这种基于模糊小波神经网络的磁共振图像分割方法与普通神经网络分割方法相比,具有更高的分割精度和更快的训练收敛速度.
-
脑电中癫痫波的自动检测与分类--一种分层次、多方法整合的途径
脑电中癫痫波的自动检测与分类是临床上很有意义的工作.本文采用一种‘分层次、多方法整合'途径,把自适应预测、小波变换、人工神经网络、模糊识别、专家系统等信号处理技术有机地结合在处理的不同层次(如初筛、分解、特征提取、识别与分类等)上,建立起一种新的分析框架.临床数据的初步测试结果比较满意.
-
模糊神经网络在颅脑磁共振图像分割中的应用研究
由于颅脑磁共振图像分割的效果受制于解剖结构和成像过程引起的边缘模糊和噪声,本研究结合神经网络和模糊逻辑技术,提出一种基于模糊神经网络的颅脑磁共振图像的半自动分割算法.分割实验的结果表明,在同等条件下,模糊神经网络分割算法的收敛速度比BP神经网络分割算法快三倍以上;与大似然法、模糊c均值聚类和BP神经网络分割算法相比,FNN分割算法的抗噪声和抗模糊能力更强.
-
基于信号处理技术的癌症检测和分类方法研究
本文在介绍激光诱导血清自体荧光-共振喇曼光谱用于癌症诊断的物理学依据的基础上,详细讨论了利用小波理论对激光诱导血清自体荧光-共振喇曼光谱进行分析,提取用于癌症检测与分类特征,然后利用神经网络对各个特征进行学习,得到它们对癌症的隶属函数,再利用模糊神经网络对癌症进行检测和分类的方法.该方法实现了癌症检测和分类的自动化,使癌症检测和分类的正确率得到很大提高.
-
外周血白细胞自动识别分类系统的研制
白细胞分类记数是临床检验的一项重要内容.基于形态学的白细胞识别分类的自动化问题一直是众多学者致力于解决的难题.在细胞图像分割、白细胞特征提取、白细胞特征选择后,用Sugeno型模糊神经网络分类器实现了外周血白细胞的自动形态学分类,并与BP神经网络分类器进行了对比,证明了此方法的可行性.
-
在使用CT检查诊断肺癌的过程中应用模糊神经网络的效果解析
目的:探讨在使用CT检查诊断肺癌的过程中应用模糊神经网络的临床效果.方法:对2008年6月~2014年6月期间在我进行检查的112例疑似肺癌患者的临床资料进行回顾性研究.我院先对这112例患者进行CT检查,然后使用模糊神经网络对他们进行CT检查的资料实施模糊处理,后对这112例患者进行病理检查,并将他们进行病理检查的结果作为终的诊断结果.检查结束后,对比这112例患者进行CT检查的结果和接受模糊神经网络处理后的CT检查结果.结果:与病理检查的结果相比,这112例患者进行CT检查的灵敏度为0.8096,特异度为0.8695,准确率为84.08%.他们接受模糊神经网络处理后的CT检查结果其灵敏度为0.9048,特异度为0.9130,准确率为90.91%.这112例患者接受模糊神经网络处理后的CT检查结果其灵敏度、特异度和准确率均明显高于处理前的CT检查结果,差异具有显著性(P<0.05).结论:在使用CT检查诊断肺癌的过程中应用模糊神经网络可有效地提高CT检查结果的灵敏度、特异度和准确率,使CT检测的结果更接近于病理检测的结果.因此,此检测方法值得在临床上推广使用.
-
基于模糊神经网络的麻醉深度的监测研究
提出模糊神经网络对麻醉信号进行信息融合,实现麻醉深度监测的方法.实验是从31例复合全麻病人的EEG信号中提取出非线性动力学参数--KC复杂度、近似熵,和25例训练样本的训练及6例检验样本的前瞻性检验,结果表明以EEG信号的非线性动力学参数为输入的ANFIS网络输出具有显著的差异性,可以作为一种反映麻醉深度的定量指标.
-
基于自适应模糊神经网络的丹参醇提模型
目的:本文研究了基于模糊神经网络模型的丹参醇提模型.方法:通过一定提取条件下的试验数据建立模型,然后由模型仿真扩展到其他条件下的数据,以随时获得丹参醇提液中丹参ⅡA的含量.丹参饮片用乙醇作为提取溶液进行提取;通过网格法生成初始模糊推理系统,采用混合学习算法训练网络.结果:模型仿真值与实验值的相对误差在允许范围内,90个标定点中只有4个点的相对误差大于10%.结论:理论分析和实验结果表明,该方法能够较好地根据提取条件预测提取液中有效成分的含量.
-
模糊神经网络用于药物反相色谱结构与保留定量关系的研究
目的应用模糊神经网络研究药物反相色谱的定量结构-保留关系(QSRR).方法在全面考察药物分子结构参数的基础上,使用模糊神经网络对162个药物进行QSRR的研究.结果应用模糊神经网络成功地实现了溶剂强度和容量因子的预测,并获得了药物分子结构参数与反相色谱流动相溶剂强度和容量因子之间关系的模糊规则,实验验证的结果也比较理想.结论模糊神经网络可较满意地用于药物反相色谱QSRR的研究.
-
基于模糊神经网络的抑郁症智能诊断研究
本文将模糊技术和神经网络技术有机结合,针对抑郁症构建了智能诊断模型,构造出一种可“自动”处理模糊信息的神经网络,该方法可模拟医师临床诊断时运用直觉和模糊推断的功能自动生成诊断结论.通过实例检验,该模型具有一定有效性.该方法可以实现辅助诊断的功能,同时也可推广为在患者不能及时到达医院时的自诊方法.
-
基于Sugeno型模糊神经网络的外周血白细胞自动分类研究
血白细胞分类计数嗜碱性粒细胞、嗜酸性粒细胞、中性粒细胞、淋巴细胞、及单核细胞是临床诊断的重要依据.作者在细胞图像分割、白细胞特征提取、白细胞特征选择后,提出了用Sugeno型模糊神经网络的方法实现外周血白细胞的自动形态学分类.用构建的网络分别进行白细胞的3分类和5分类试验,结果表明,用模糊神经网络分类器对血白细胞形态学分类可行.
-
模糊神经网络在肺癌CT诊断中的应用
目的：综合运用模糊数学和人工神经网络知识构建一个模糊神经网络（ FNN）模型，用于肺癌计算机辅助诊断。方法：以实际肺癌诊断病例（ n＝117）中的一部分（ n＝73）作为训练集，首先利用隶属度函数对样本的5个临床参数和21项CT特征进行模糊化处理，再输入基于BP算法的神经网络，对网络进行训练。用训练好的网络对余下的样本（n＝44）进行预测，并将预测结果以及基于BP神经网络（BPNN）的预测结果与病理结果进行比较。结果：FNN诊断肺癌的灵敏度、特异度和正确率分别为0．9048、0．9130和90．91％，BPNN分别为0．8095、0．8696和84．09％。结论：FNN模型诊断肺癌的预测结果与病理结果接近，且优于BPNN的预测结果。
-
临床智能诊断的神经-模糊方法
介绍了辅助临床诊断的智能化方法--神经-模糊方法,回顾了国内该方法在临床智能诊断中的应用,并指出了目前该方法存在的缺陷以及为提高辅助诊断能力下一步工作的方向.
-
肺癌CT诊断中应用模糊神经网络辅助诊断的效果探析
目的:探讨肺癌CT诊断中应用模糊神经网络辅助诊断的效果.方法:选取2012年1月-2013年12月远安县人民医院收治的60例肺癌患者,同时选取60例肺良性疾病患者作为研究对象.随机选择其中75例作为训练集,通过隶属度函数对训练集样本特征实施模糊处理,输入BP神经网络,进行网络训练,对剩余45例患者进行预测,观察FNN和3层前向BP神经网络(BPNN)预测结果.结果:模糊神经网络(FNN)诊断肺癌正确率、灵敏度和特异度均高于BPNN.结论:模糊神经网络应用于肺癌诊断的预测结果与病理检查结果相近,是一种有效的肺癌CT诊断计算机辅助诊断方法.
-
心律失常辅助诊断系统的研制
目的:研制心律失常辅助诊断系统,以减少医生的工作量,并提高其对心电信号诊断的准确性.方法:首先利用小波变换理论建立滤波和波形识别算法,提取出有效的特征参数;然后利用粗糙集理论约简特征参数并根据相应的分类决策规则,利用分支逻辑法对波形进行识别分类;后利用模糊神经网络理论得出异常心拍的隶属度.结果:实现了滤波、波形识别、诊断分类等主要模块,形成了一个完整的系统.结论:该系统能识别十九种心律失常并得出异常心拍的隶属度和位置信息,对医生韵诊断有良好的辅助作用.
-
模糊神经网络方法在心脏病分型诊断中的应用
应用γ模型神经网络对实际病例的学习,把病例样本特征提取出来并分布到网络的连接权上,使训练后的网络具有联想推理功能,可以实现对疾病的辅助诊断作用.
-
自适应神经模糊推理系统在医学领域的应用
医疗领域中存在着很多不确定性,给疾病诊断预测等医疗活动带来了极大困难.模糊神经网络(neural-fuzzy system,NFS)很好地结合了人工神经网络和模糊逻辑的优点,成为一种能从数据中获取知识,并能将知识以模糊规则形式表达的新型人工智能模型.因其强大的分类能力和处理模糊信息能力,模糊神经网络模型被越来越多地应用到医学领域.其中自适应神经模糊推理系统(adaptive neural-fuzzy inference system,ANFIS)是模糊神经网络中应用多的一种,本文就ANFIS在医学领域的应用进行综述.
关键词： 模糊神经网络 自适应神经模糊推理系统(ANFIS) 医学 应用
