首页 > 文献资料
-
人工神经网络在临床医学中的应用
在临床疾病诊断与治疗等过程中,信息检测和分析等诸多方面都存在着复杂的非线性联系,而人工神经网络能有效地处理非线性问题,因此应用人工神经网络解决这些非线性问题具有特殊意义.近年来,人工神经网络在医学领域的研究工作取得了一定进展,并在疾病诊断、疾病预后、医学影像处理、临床决策分析方面得到广泛的应用.其在疾病诊断中多用于对肿瘤等病症的早期判断,在医学影像中多用于影像资料的辨识及病症初步诊断,在疾病预后中多用于生存期的预估与疾病发展的判断,在临床决策分析中常用于个体化诊疗.
-
基于小波变换的脂肪肝B超图像识别
目的探讨超声图像后处理的临床诊断价值.方法采用小波变换方法对脂肪肝和正常肝的B超图像进行多分辨分析,对小波变换系数进行统计分析,提取变换系数的均值和方差参数,根据提取的特征参数采用概率神经网络对图像进行模式识别.结果对40幅正常肝和40幅脂肪肝图像中的感兴趣区域提取特征参数,训练后的网络对脂肪肝和正常肝的正确识别率分别为88%和85%.结论采用小波变换方法提取出来的特征参数可以有效地将两类图像区分开来,医生根据量化特征参数进行诊断,提高了脂肪肝临床诊断的准确率.
-
基于特征选择和概率神经网络胃癌计算机辅助诊断
应用信噪比和概率神经网络的方法,结合实验数据,提出胃癌分类模型.它是利用已知信息对胃癌样本进行分析和判别.其方法是首先对数据进行分类信息指数信噪比分析,根据分类信息指数信噪比大小排序,然后采用特征向量递增的方法,将特征向量输入概率神经网络进行分析,采用留一法对PNN训练和检测,找出训练效果好的特征向量子集.这种模型用MATLAB软件实现,具有可操作性,可推广到其它相应的疾病辅助诊断中去.
关键词： 特征选择 信噪比\序列前向选择 胃癌 概率神经网络 -
基于神经网络的心电信号分类方法研究
针对心电信号的正常波形以及右束支阻滞,左束支阻滞.Paced心搏.心室跳脱心搏等4种心律失常类型,采用BP神经网络和概率神经网络两种方法进行自动分类算法与仿真研究,分类平均结果分别为97.62%和95.88%,可有效的提高了分类效果.
-
概率神经网络国内外临床应用文献计量学评价
目的:分析国内外概率神经网络临床应用文献的特点、研究现状及存在问题.方法:以美国国立医学图书馆PubMed医学文献检索数据库、维普中文科技期刊数据库、中国生物医学文献数据库为数据源,检索有关概率神经网络临床应用的文献,采用定量与定性相结合的方法进行研究.结果:共检索到相关外文文献61篇,国内文献21篇.概率神经网络临床应用研究课题呈逐年增加的趋势,研究热点主要集中于疾病临床诊断、临床检测、临床预后研究等.中医药的临床研究鲜见.尤其在研究神经网络应用和方案设计方面存在不足.结论:概率神经网络的临床应用研究逐渐增加并有一定的研究价值,但研究方案的设计和方法的应用仍需要进一步改进.
-
概率神经网络用于芳酰基类化合物抗癌活性的模式识别
利用基于统计思想和Bayes分类规则的概率神经网络的基本网络模型预测芳酰类化合物的抗癌活性.选择24个样本为训练集,6个样本为预测集,结果表明,概率神经网络具有良好的泛化能力,其识别能力优于Fisher判别法和模糊k-均值聚类法.
-
青海世居土族、藏族和回族人发中微量元素的人工神经网络研究
用原子吸收光谱法对青海土族、藏族和回族青年人体头发中的ca、Fe、zn、Cu、Mg、Mn和cd等7种元素的含量进行了测定,采用概率神经网络方法进行了比较研究.研究表明,在3个民族的人发之间,7种元素含量的综合水平存在着较显著的差别,概率神经网络方法可以用于对这3个民族样品进行判别和预测,其预测结果优于Fisher法或Bayes法.
-
PCA-概率神经网络在中药功效分类研究中的应用
采用火焰原子吸收法测定了中药材中Zn、Cu、Fe、Mg和Mn元素的含量,对所得数据用主成分分析法和概率神经网络模型进行中药功效分类比较研究,结果表明概率神经网络优于主成分分析,二者结合应用预测中药功效分类,简单方便,结果准确,具有一定理论参考价值.
-
用于心力变化趋势评价的基于概率神经网络的心音识别算法
讨论了用于评估心力变化趋势的心音识别算法,包含了对不同运动条件下记录的心音样本的识别.尤其是讨论了对剧烈运动负荷后记录的心音进行的识别.提出的算法包括两个相互联系的方法.第一个是基于概率神经网络的算法,用于识别静息状态和轻微运动状态;第二个是基于心音本身特点的算法,用于对剧烈运动(本研究中约定的全运动量)后心音的识别.后,使用该算法对45个在静息状态和轻微运动(1/4运动量)状态下记录的正常和异常心音的样本,以及28个剧烈运动后记录的心音样本进行了识别.结果表明94%的样本可被正确识别和分类.这个识别算法为后续的心音分析研究提供了可靠基础.
-
基于智能算法的胸腔疾病辅助鉴别
目的：借助于数据库挖掘手段将积累的海量数据进行分析挖掘，为临床胸腔疾病的病例实现自动化分类排查，以提高工作效率。方法：把数据库技术与数据挖掘技术结合起来，针对患者敏感数据进行数据挖掘分析。利用概率神经网络及决策树的优势，实现数种胸腔疾病的快速鉴别。结果：本系统实现了数种胸腔疾病状况的智能筛查，并针对疾病特征进行了决策分类，从而提高了数种疾病的甄别速度和准确率。结论：该系统具有诊断率高，操作便捷的优点，为类似疾病的分类和排查提供了借鉴。
