首页 > 文献资料
-
用于室颤节律辨识的多参数融合BP神经网络设计
目的：构建一个用于区分室颤节律和非室颤节律的多参数融合BP神经网络。方法从心电信号中提取出18个特征值，分别标记心电信号的形态分布、高斯性、幅度谱、变异性、复杂度等各方面特征；以这些特征值作为输入向量，构建一个多参数融合BP神经网络进行训练，得到一个用于区分室颤节律与非室颤节律的分类器。结果与结论将构建的BP神经网络分别基于VFDB数据库和CUDB数据库进行实验，辨识准确率分别高达98．61％和95．37％；相较于现有方法，辨识性能显著提高。
-
BP神经网络及其在药学研究中的应用
BP神经网络是目前应用广泛的人工神经网络模型,本文详细阐述了BP神经网络的原理和特点,并论述了其在药学研究中的应用.
-
关键词：
-
关键词：
-
用理论参数预测药物的经皮渗透性
目的 用理论参数预测药物的经皮渗透性。方法 用半经验分子轨道AM1法计算得到药物分子的结构参数，用逐步多元回归分析法或BP神经网络法建立药物的经皮渗透性与这些结构参数的相关性。结果 22个模型药物离体透过人皮肤的渗透系数(kp)和17个模型药物在一定时间内在体透过人皮肤的透过比(R，透过量/未透过量)的计算值和实测值均相符。结论 可用理论参数较好地预测药物的经皮渗透性。
-
BP神经网络在医药企业绩效评价中的应用——以我国中成药上市企业为例
随着经济全球化和医药产业的高速发展,医药企业间的市场竞争日趋激烈,企业为了维护生存空间不断增强竞争力,企业绩效评价的重要性日益凸显.作为一种尝试,本文在研究企业绩效评价相关理论的基础上,从医药企业经济效益的角度出发,选取医药企业绩效评价中的关键指标,以我国中成药上市企业为例,对所选取的医药企业样本数据建立基于BP神经网络的企业绩效评价模型,并加以验证,证明BP神经网络在医药企业绩效评价上的可行性与准确性,以期为医药企业的绩效评价带来新的思路与应用价值.
-
基于BP神经网络的我国生物医药企业创新能力评价研究
创新能力对生物医药企业发展至关重要,本文尝试将BP神经网络引入到生物医药上市公司的创新能力评价中,探究BP神经网络在医药产业创新能力评价中是否可行.采用文献阅读法,结合生物医药企业的实际情况,建立生物医药企业创新能力评价指标体系,利用统计学方法构建相应的BP神经网络,将BP网络输出结果与期望输出进行比较.采用已建立的创新能力评价指标体系并利用BP神经网络对生物医药企业的创新能力评价的输出结果与期望输出基本一致.将BP神经网络应用于生物医药企业创新能力评价是可行的,所建立的创新能力评价指标体系基本能够反映生物医药企业创新能力.
-
基于改进的BP神经网络的糖尿病肾病中医证候非线性建模研究
目的 建立基于人工神经网络的糖尿病肾病(DN)证候诊断模型.方法基于MATLAB 7.0环境,采用改进的共轭梯度(trainscg)学习算法,建立DN证候三层前向BP网络模型,并用3倍交叉法验证该模型的诊断价值.结果 DN证候神经网络模型预测DN证候的平均单证特异性为81.32%,平均单证准确率为96.25%,平均诊断准确率为92.21%.结论 DN证候BP神经网络模型具有很好的诊断、预测能力,人工神经网络技术是中医证候非线性建模的可行性方法.
-
基于BP神经网络的医学数据分析
BP网络是一种基于误差反向传播(Back Propagation)算法的多层前向神经网络.采用动量梯度下降算法(TRAINGDM)训练BP网络,建立输入到输出的函数映射关系,使其对48例两类五种医学免疫学数据进行训练与分类.训练集数据正确检出率为100%,测试集数据正确检出率为87.5%,效果优良.结论 BP网络应用于免疫学数据分类取得很好效果,在临床免疫学人工智能诊断方面将有更为广泛的应用空间.
-
一种基于BP网络的CT图像肝实质分割算法
提出一种基于BP网络分割CT图像序列中肝实质的方法.首先选取训练样本,提取样本图像中肝脏的纹理特征,作为输入向量.以对训练样本手工分割的结果作为导师信号.对BP神经网络进行训练,再用训练好的网络对CT图像序列中的肝实质进行分割.后对分割后的结果进行三维区域生长及孔洞填充处理.实验结果表明:该方法能够有效的对肝脏纹理特征明显的CT图像序列进行分割.可用于CT图像序列的自动分割.
-
基于BP算法的地高辛血药浓度预测神经网络建模研究
目的:建立基于BP神经网络的地高辛血药浓度预测神经网络拟合模型,并在已建立的神经网络模型的基础上,进行地高辛血药浓度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,并能帮助医务人员做出正确的决策和分析.方法:在SPSS Clementine12.0中进行建模和预测,预测结果用SPSS17.0进行ROC分析.结果:BP神经网络的拟合度和预测准确度为85.671％,其中性别、AST、日总剂量、TBIL、单次剂量对患者的治疗结果影响大.结论:根据患者的一般资料和临床常规资料建立的地高辛血药浓度预测神经网络模型是可行有效的.
-
遗传算法优化BP神经网络的老年痴呆症智能诊断
为了提高BP神经网络对疾病诊断的效率和预测准确率,提出一种遗传算法优化BP神经网络的老年痴呆症智能诊断模型,并以医院电子病历数据挖掘为例,对老年痴呆症诊断建立预测模型.该方法首先利用遗传算法的搜索寻优技术进行特征约简,然后将约简后的特征作为BP神经网络的输入变量,训练和构建BP神经网络模型.仿真实验在Matlab软件平台上进行,结果表明:与单BP神经网络相比,遗传算法优化BP神经网络能够降低模型训练时间、提高预测精度,是一种切实可行的老年痴呆症辅助诊断方法.
-
基于RBF神经网络的老年痴呆症智能诊断研究
为验证单RBF神经网络更适用于老年痴呆症的预测诊断，通过仿真实验将单BP神经网络、单RBF神经网络、遗传算法优化BP神经网络及遗传算法优化RBF神经网络分别应用于老年痴呆症的预测诊断，建立这四种网络模型，并对四种网络模型的预测结果进行分析比较。仿真实验在Matlab软件平台上进行。结果表明：在老年痴呆症的预测诊断中，单RBF神经网络比单BP神经网络预测结果更好，建模时间更短。此外，单RBF神经网络与遗传算法优化的BP神经网络预测结果相同，但单RBF神经网络建模较为简单，预测结果更为稳定。而遗传算法对RBF神经网络优化作用不明显。因此，单RBF神经网络更适用于老年痴呆症的预测诊断，实际应用时可以此结论作为理论指导。
-
基于BP神经网络的乙型病毒性肝炎辅助诊断的应用研究
目的：通过对乙型病毒性肝炎的各检验结果来分析患者得乙型病毒性肝炎轻度与重度可能性，对乙型病毒性肝炎提供辅助诊断。方法：利用某医院2013-2015年医院信息系统（HIS）中与病案和检验相关的数据作为原始资料，探讨BP神经网络在乙型病毒性肝炎辅助诊断中的应用，构建乙型病毒性肝炎辅助诊断模型。结果：终得到BP神经网络的计算结果和实际诊断结果达到86%的准确度。结论：利用BP神经网络的乙型病毒性肝炎辅助诊断建模方法具有一定的应用价值。
-
基于虚拟仪器的智能化药物多组分含量测定方法研究
本文主要是对药物多组分含量的测定.利用Labview开发工作界面以及紫外分光光度法,应用BP神经网络算法进行优化设计.通过对甲硝唑和芬布芬的含量测定及数据处理.复证实验表明,属于物理学和数学范畴的小波分析,具有许多的优良特性和广泛的应用性.
-
基于遗传算法优化的BP神经网络大肠癌证型分类
针对医学领域传统BP神经网络应用于诊断辅助构建模型过程存在的疾病输入特征维数繁多而导致网络训练时间长、效率低、诊断模型泛化能力弱等问题,提出了将基于遗传算法降维优化的BP神经网络(GABP)诊断模型用于大肠癌虚实证型的分类研究.利用遗传优化算法从大肠癌的28项体征输入指标中筛选出的10个指标作为GABP诊断模型的输入,并与传统的未经优化的BP诊断模型进行对比,发现优化后的神经网络模型建模所需时间由5.1844秒缩短至0.1976秒,虚证正判率由76.4567％提升至89.1809％,实证正判率由64.8441％提升至70.1170％.仿真结果表明,基于GABP的神经网络泛化能力更好,分类效果更佳,为大肠癌中医证型的临床判别提供了很好的计算机网络模型.
-
人工神经网络方法在气象因素预测高血压发病中的应用
目的 探讨以影响高血压发病率的气象因素建立高血压发病预测模型.方法 选取银川地区1998-2000年日平均相对湿度、48 h变温、日较差和日平均气压的标准化数据(以周为单位共100个样本)作为前馈型神经网络(BP神经网络)输入层的节点输入,以同期高血压发病率的标准化数据作为网络输出,经多层:BP神经网络进行网络学习训练,建立高血压病发病率的人工神经网络预报模型.结果 建立的高血压病神经网络模型结构为4.14-1(即有4个输入、14个隐含节点和1个输出),训练精度为0.005,训练了46步达到目的,终误差为0.004.899 2.神经网络预报模型所得预报量的同一级平均拟合率为62.4%,差一级平均拟合率为99.2%,均高于统计预报方程(47.7%,98.3%);其同一级平均预报率为58.2%,差一级平均预报率为91.3%,均高于统计预报方程(50.5%,84.6%).神经网络预报模型的平均绝对百分比误差、均方误差、绝对误差分别为25.2%,21.0%,16.2%,均低于统计预报方程(47.6%,26.2%,21.1%).若以拟合值绝对误差小于20%为拟合正确,则统计预报方程拟合率为51.3%,而神经网络拟合率为71.2%.对56个未参加建立预报模型的独立样本进行预报和比较,神经网络预报模型预报效果优于统计预报方程.结论 该方法计算简便,误差较小,有更高的历史样本拟合和独立样本预报能力,为高血压发病预测提供了一种新方法.
-
气象与环境因子影响心脑血管疾病急诊数预测模型研究
目的 比较逐步回归模型与人工神经网络模型在建立基于气象、环境因子的心脑血管疾病急诊数预测模型的建模效果.方法 使用北京市2008-2011年12项气象逐日常规观测数据并据此生成5个二次气象因子,以及同期的3种污染物浓度数据,并构造3个年份哑变量,共23个变量形成模型的输入.统计同期北京市某医院4年逐日急诊就诊记录资料,并提取其中属于心脑血管疾病的条目构成模型输出训练数据.将所有数据进行周平均处理并以80％,15％和5％的比例分成学习集、测试集与验证集.分别构建逐步回归模型与人工神经网络模型,并使用独立样本(验证集)比较模型预报效果.结果 逐步回归模型经过筛选终有11个输入变量,而人工神经网络模型结构为23-22-1.在验证集的预报效果指标中,神经网络预报模型的平均绝对误差、误差均值、小误差以及预测结果与原数据的Pearson相关系数分别为0.9149,-0.003 3,0.01,0.873,均比逐步回归模型(分别为1.355 3,0.4924,0.03,0.836)更为理想.结论 与传统的统计学方法相比,人工神经网络建模方法在建立基于气象、环境因子的心脑血管疾病量预报系统方面更有优势.
-
南京市脑血管疾病死亡人数与气象因子的关系研究
目的 探讨脑血管疾病死亡人数与气象因子(包括气象要素及人体舒适度)之间的关系,并建立医学气象预报模型对脑血管疾病死亡人数进行预测.方法 采用Spearman方法对南京市2004-2009年气象因子与同期及滞后1～7 d的脑梗死和脑出血日死亡人数进行相关性分析,并采用BP神经网络方法建立不同季节脑梗死和脑出血疾病死亡人数的预报模型.结果 脑梗死和脑出血月均死亡人数整体上均呈“U”型分布,冬半年(10-3月)死亡人数多,分别为脑梗死4 920例,脑出血4445例;夏半年(4-9月)死亡人数少,分别为脑梗死3 835例,脑出血3 860例.当日气温、舒适度与滞后0～7d的脑血管疾病死亡人数呈负相关(P＜0.05).利用BP神经网络分季节、分病种建立预报模型,实际值和预报值的误差均较小,脑出血和脑梗死的预报准确度分别达到67.40％和72.08％以上.结论 脑血管疾病死亡人数与气象因子关系密切,且存在滞后效应.
-
基于BP神经网络的骨质疏松疾病的诊断分类研究
目的:有效降低骨质疏松诊断误诊率,经过诊断分类,使诊断过程方便、快速、准确.方法:采用BP神经网络理论构建骨质疏松诊断分类模型,对骨质疏松诊断指标体系进行分析,并根据该指标体系设计BP神经网络系统,利用人工神经网络的计算功能对兰州军区总医院骨科大量病例的实际数据进行样本训练和测试,使得模型误差控制在预定范围内.结果:对大量病例训练BP网络后得到的测试结果是在误差预定的范围内,后通过实例验证了该方法的可行性和准确性.结论:用BP神经网络诊断骨质疏松病情是可行的有效方法.
