首页 > 文献资料
-
BP神经网络与遗传算法结合优化培养基配方应用研究
BP神经网络可以用来对培养基的配方进行优化设计,并且能够弥补一些传统方法的不足,但是由于BP神经网络自身固有的缺陷导致网络参数的不确定性,因而优化过程中常易陷于局部优而想象全局优结果的搜索.利用遗传算法全局寻优的特点,将其与BP神经网络结合,可以有效地提高网络的预测精度和推广能力.
-
人工神经网络在循环系统疾病死亡人数预报中的应用
目的 探讨循环系统疾病死亡人数与气象条件及污染物的关系,建立基于误差反传算法(back-propagation,BP)神经网络的循环系统疾病死亡人数预报模型.方法 选取南京市2004 ～2009年循环系统疾病死亡病例和同期的气象资料及污染资料.在对循环系统疾病死亡人数与气象因子和污染物进行相关分析的基础上,利用2004～ 2008年的气象和污染数据建立循环系统疾病死亡人数的BP神经网络预报模型,并用2009年的资料对该模型进行预报效果检验.结果 气象因子和污染物均与循环系统疾病死亡人数密切相关.建立的循环系统疾病死亡人数的神经网络模型结果为17-16-1(即有17个输入、16个隐含节点和1个输出),训练精度为0.005,训练了487步达到目的,终误差为0.004 999 42,预测准确率达78.62％以上.结论 该方法计算简便,误差较小,对循环系统疾病死亡人数有较好的预测效果,为医疗气象预报提供了一种新方法,具有进一步的研究价值.
关键词： 循环系统疾病死亡人数 气象因素 BP神经网络 预测 -
多感官互动训练系统的设计与开发
近年来多感官互动教学和治疗方法,在儿童早期教育,智障康复等方面越来越显示出它的优越性.根据多感官教学原理,结合多年的临床经验运用智能识别技术,研发出了一套多感官互动训练系统.此系统实现了人机互动,为使用者提供了一个轻松、自由的虚拟环境,在此环境中,让使用者体验多种感官刺激,享受学习的过程,无形中使多种感官能力得到训练提高.本系统采用了改进后的BP神经网络识别算法,使系统具有了高实时性、高可靠性、高识别率、适应环境能力强等特点.
-
基于脉搏波传导时间的ICU急性低血压预测方法研究
重症监护室(ICU)患者在急性低血压发生时需要采取及时有效的干预措施,否则会引起昏厥、休克甚至死亡等严重后果.本文研究ICU患者的脉搏波传导时间与急性低血压发作的相关关系,并建立基于人工神经网络的急性低血压发作预测模型.研究结果表明,脉搏波传导时间与急性低血压发作具有较高相关性,可以作为急性低血压预测的特征指标.
-
基于步行器行走的上肢六维力传感器静态标定技术
本文针对步行器助行过程中上肢力提取问题,研制了一套上肢力提取系统.阐明了该系统的工作原理.通过对六维力传感器的线性和非线性标定和校准实验,对实验结果的分析表明了该标定系统设计及非线性标定方法的正确性和实用性.
-
基于GA-BP神经网络的单病种成本预测研究
目的:针对单病种成本管理难度大、管理成本高等问题,通过对单病种成本的快速准确估算,实现病种成本的动态跟踪,为合理确定病种支付标准、有效降低医院运营成本提供重要保障.方法:利用矩阵形式表示单病种成本构成,构建单病种成本结构模型,把GA和BP算法相结合应用到单病种成本预测领域,并以天津市一所三甲医院阑尾炎病种进行分析.结果:建立GA- BP网络的单病种成本预测模型,表明该模型具有计算精度高、适用范围广、运算速度快的特点.结论:为单病种成本预测提供可靠依据,具有广泛的应用前景.
-
基于大数据的医院DRGs信息化管理模式研究
经过多年的研究和探索应用,DRGs信息管理系统试运行已经积累了海量的数据资源,传统的人工分析方法已经无法满足需求,亟需引入BP神经网络、支持向量机、K均值算法等,利用大数据分析技术构建一个良好的管理系统,实现信息的再加工和利用,具有重要的作用和意义.该文重点描述大数据在DRGs试运行中的应用情况,同时分析了K均值、BP神经网络、支持向量机等大数据技术的应用特点和发展趋势,为DRGs试运行的普及使用和效率改进体用支撑.
-
构建COPD再入院患者风险评估神经网络模型
目的 利用BP神经网络的理论和算法,对COPD患者的历史数据进行分析,构建出COPD再入院患者的风险评估模型,通过对COPD再入院患者各相关因素的敏感度分析和疾病风险评估及分析,为BP神经网络建模在临床诊疗中的应用提供一定的参考,并为医疗资源的合理配置提供较为有效的解决方案.方法 编写结构化查询语句,从HIS数据库抽取相关数据,导入Clementine 11.1中,利用BP神经网络算法进行建模,预测结果用SPSS 22.0进行模型的建模效果评估以及模型建模效果的假设检验.结果 经过优化后的BP神经网络的拟合度为71.743％,预测准确度93.55％.在所有相关影响因素中,入院次数和入院状态对C O P D患者的再入院风险度影响大.在预测效果上,BP神经网络要优于传统的多元统计分析方法.
-
ARIMA模型、BP神经网络及其组合模型在卫生政策评估中的实证比较:以公立医院价格改革为例
目的:探索不同反向事实构建方法对医院财务数据预测的效率,以期对政策进行更有效的评估.方法:借助R软件,用南京市公立医院A在2011—2016年的药品收入、医疗服务收入建立测试数据集,分别用ARIMA模型、BP神经网络、ARIMA+BP组合模型进行预测并与实际拟合,并比较改革前后补偿率.结果:三个模型对药品收入的均方根误差分别为692.82、501.44、380.80,医疗服务收入的均方根误差分别为184.04、215.63、168.65,组合模型预测效率更高.用组合模型计算改革后A医院药品收入净损失为12044.03万元,医疗服务收入净增长为18532.60万元,为药品收入损失的153.87%.结论:医院财务数据因其线性与非线性的组合特征,使用组合预测模型的预测效果佳.但在实际应用中,ARIMA模型操作简单,与组合模型预测趋势也较为一致,在实际卫生政策评估中也推荐使用.
-
基于人工神经网络模型的胆石病参保患者住院费用分析
目的 分析天津市胆石病患者住院费用的变化趋势及影响因素,评价神经网络模型对医保费用的预测和分析效果.方法 从天津市2003-2007年住院患者医保数据库中抽取4205名患者,对住院总费用和药费等各项费用的影响因素进行单因素分析,并建立BP神经网络模型对影响因素进行敏感度分析.结果 2003-2007年胆石病患者的住院费用呈现增长趋势(F=11.818,P=0.001);单因素分析显示年龄、住院天数、医院等级、结石部位、是否手术等对住院费用均有影响(P＜0.01); BP神经网络敏感度分析显示,影响因素的敏感度大的为住院天数(0.492),敏感度小的为是否有合并症(0.023).结论 天津市胆石病参保患者的住院费用呈增长趋势,影响住院费用的主要因素为住院天数、是否手术、住院次数、结石部位、年龄、医院等级、是否有合并症和炎症部位.BP神经网络模型可应用到胆石病患者住院费用的识别、评价、预测和控制中.
-
探讨通道对视觉诱发电位单次提取精度的影响
采用"模拟自然阅读"诱发电位作为脑-机接口通信载体,结合小波变换和误差逆传播(Error Back Propagation,即BP)神经网络对视觉诱发脑电信号(VEP)进行分类以产生脑机接口控制信号.将被试者4个通道记录到的脑电信号分别作为特征,信号时程都为300ms,时段分别取100ms～40(Os、200ms～500ms和300ms～600ms.试验结果表明四个单通道都达到较好的分类效果,有利于产生脑机接口控制信号.
关键词： 视觉诱发电位(VEP) 脑机接口 小波变换 BP神经网络 -
基于小波变换和BP神经网络的视觉诱发电位识别
结合小波变换和BP神经网络对视觉诱发脑电信号(VEP)进行分类而产生脑机接口控制信号.利用一维离散小波变换提取强噪声背景下的低频微弱脑电信号,获取特征向量输入BP神经网络进行事件相关电位模式识别.实验表明,小波变换特征向量提取方法能有效地实现信号的去噪、降维和特征提取,BP神经网络能比较准确地从VEP中识别出事件相关电位,进行10次测试的平均识别正确率为99.375%,有利于产生脑机接口控制信号.
关键词： 视觉诱发电位(VEP) 脑机接口 小波变换 BP神经网络 -
基于思维脑电信号的假手的研究
本文主要研究利用思维脑电信号来控制假手动作.采用小波变换对思维脑电信号进行分解,选取合适的子带信号并提取相应能量特征,组成特征向量输入BP神经网络进行分类识别.整个信号处理过程在LabVIEW软件平台上实现,并利用其串口通信模块输出控制指令来控制假手的张开和闭合.
-
BP神经网络在药品销售预测中的应用
目的 对药品销售情况进行科学的分析和预测,为合理制订药品采购计划提供参考.方法 利用BP神经网络的数据分析、统计、对非线性数据进行拟合等功能,对药品未来的销售量和销售趋势进行分析和预测.结果 BP神经网络仿真预测的药品销售量与实际销售量无显著性差异.结论 BP神经网络在预测药品未来销售量上具有实际应用价值,为合理制订药品采购计划,降低药品流通成本提供参考依据.
-
BP神经网络模型用于气象因素对脑出血死亡影响的初步研究
目的 探讨BP神经网络预测模型在分析气象因素与脑出血死亡率关系中的应用.方法 根据BP神经网络的特性,利用MATLAB 7.0软件的神经网络工具箱对2007-2009年哈尔滨市气象数据建立脑出血死亡率的BP神经网络预报模型,并与传统的多元线性回归模型进行比较.结果 利用多元线性回归结果显示脑出血死亡率与高气温、小相对湿度呈负相关,与平均相对湿度、日照时数呈正相关.脑出血死亡率的非线性相关系数(RNL)为0.7854,平均绝对误差百分比( MAPE)为0.21,均方误差(MSE)为0 22,平均绝对识差(MAE)为0.19,预测准确度(P)为81.31％,平均误差率为0.19.BP神经网络模型的拟合结果显示,脑出血死亡率的RNL为0 7967,MAPE 为0.19,MSE为0.21,MAE为0.18,P为82.53％,平均误差率为0.17.结论 应用BP神经网络预测模型对2010年哈尔滨市脑出血死亡率进行预报,通过与多元线性回归模型预报结果进行比较,表明该模型具有更高的预报准确度.
-
基于BP神经网络的肺癌手术患者住院费用影响因素分析
目的 基于BP神经网络模型分析肺癌手术患者住院费用的影响因素,为有效控制住院费用提供依据.方法 对2010年1月-2013年12月的168例肺癌手术患者的住院资料进行收集,采用BP神经网络模型分析患者的不同类别的住院费用的影响因素.结果 在总住院费用构成中,药费、材料费的比重大,分别达到32.77％和23.80％.住院天数是各项费用及总费用中重要的影响程度,且住院天数长的患者,其在各项费用及总费用中的花费越高,差异具有统计学意义(P＜0.05).结论 合理控制药费及材料类费用、有效缩短患者的住院日,可大程度减轻肺癌手术患者的经济负担.
-
基于BP神经网络的不同分娩方式产妇住院费用因素分析
目的 分析不同分娩方式产妇住院费用的影响因素,为减少住院费用,合理分配医疗资源提供参考依据.方法 利用BP神经网络模型对深圳市某三甲医院2012年10月-2016年12月间的24481例住院分娩产妇的住院费用及相关影响因素进行分析.结果 24481例产妇的平均住院费用为2876.7元,近5年产妇住院分娩费用呈增长的趋势,剖宫产的产妇住院费用5118.9元显著高于顺产产妇的住院费用为2451.9元.无论对于顺产还是剖宫产产妇,产科并发症和抢救的发生都是产妇住院费用较高的重要原因.对于顺产产妇,新生儿出生体重也是产妇住院费用的重要影响因素.结论 减少剖宫产率,重点预防常见并发症的发生及妊娠期间监测婴儿体重变化等情况,可以有效控制和减少产妇的住院分娩费用.
-
基于BP算法的住院天数神经网络建模研究
目的 建立基于BP神经网络的住院天数拟合模型,并在已建立的神经网络模型的基础上,进行住院天数的预测和影响因素的敏感度分析,利用本研究的建模结果,为BP神经网络建模的方法学提供一定的参考依据,并能帮助卫生管理决策者做出正确的决策和分析.方法 利用SQL提取HIS数据,在Clementine 11.1中进行建模和预测,预测结果用SPSS 16.0进行假设检验.结果 BP神经网络的拟合度和预测准确度分别为96.678%和86.67%,术前住院天数对射频消融术患者的住院天数影响大.结论 BP神经网络相对其他传统统计方法而言,是比较适合于住院天数数据特征的建模方法.
-
基于BP神经网络的缓释制剂处方质量预测研究
缓释制剂的处方优化属于多因素、多水平的复杂优化问题，人工神经网络很适于处理这类复杂的多变量非线性关系。本文在对缓释制剂特性及影响其处方设计质量的重要因素进行细致分析的基础上，应用BP人工神经网络建立缓释制剂处方质量预测模型。研究结果表明，BP神经网络可以有效地进行缓释制剂处方质量预测，是缓释制剂处方优化的有力工具。
-
基于饮片切面图像纹理特征参数的中药辨识模型研究＊
目的：建立基于切面图像纹理特征参数的辨识模型，探讨中药饮片自动识别的可行性。方法：基于中药饮片切面图像的灰度共生矩阵和灰度梯度共生矩阵，选取18种中药材不同样本图像的26个纹理特征参数，分别建立训练集和测试集。利用小协方差行列式 MCD方法对训练集进行离群值剔除处理。采用朴素贝叶斯及BP神经网络2种建模方法和十折交叉验证，建立18种中药材的判别模型。结果：在提取的26个纹理特征参数的基础上，利用MCD方法剔除训练集的离群值后，用BP神经网络建立的判别模型判正率达到90%，说明效能良好。结论：将建立的辨识模型用于中药饮片的自动识别具有可行性，为中药直观鉴别的定量化、科学化以及客观化提供了一套新的技术手段。
