首页 > 文献资料
-
新研究表明:人有"第二大脑"--关注腹脑的智慧
为什么人在生气时,常常会感到胃疼呢?美国纽约哥伦比亚大学神经学家迈克尔·格肖恩认为:"那是由于我们的肚子里有个大脑."据德国《地球》杂志报道,越来越多的科学家认为,肚子是人类的"第二大脑",也被称为"腹部大脑",人类的许多感觉和知觉都是从肚子里传出来的.人肚子里有一个非常复杂的神经网络,它包含大约1000亿个神经细胞,比骨髓里的细胞还多,与大脑的细胞数量相等,并且细胞类型、有机物质及感受器都极其相似.
-
要想重返青春就马上行动吧!--大脑常青处方
亡羊补牢不迟:大脑是可塑的人们年轻时不太注意大脑老化,一过40岁谁都会切切实实地感受到它的影响.不过,亡羊补牢,未为迟也.适当的刺激越多,大脑就越发达,虽说每天都有脑神经细胞在死亡,但是实际上真正支撑大脑功能的始终是神经网络.不管多老,通过刺激和学习,可以不断增加网络,并畅通无阻,做到了这一点,您的大脑会永保快感和年轻.
-
基于支持向量机的医院住院费用影响因素分析
目的：利用支持向量机建模,对医院住院费用的主要影响因素进行分析,探讨有效的医疗费用影响因素分析方法。方法随机抽取浙江省6家医院,利用各医院电子病历系统,选取3种典型内外科疾病,建立支持向量机模型、BP 神经网络模型、多元线性回归模型,分别对住院费用影响因素及其影响程度进行分析。利用支持向量机模型,分别对3个病种进行分析。结果基于径向基核函数的支持向量机模型对住院费用预测准确度高,达到96.07%。当对各病种进行混合分析时,3种模型分析均显示住院费用的主要影响因素为住院天数、疾病种类、手术名称、医院代码；当对各病种进行单独分析时,不同病种的影响因素重要程度有所不同,但主要的影响因素基本一致。结论支持向量机在住院费用影响因素分析中具有可行性,通过其分析结果制定合理的单病种付费制度,可有效控制医疗费用的快速增长。
-
气滞胃痛颗粒治疗胃溃疡的谱效关系研究
目的:研究气滞胃痛颗粒全时段多波长信息融合图谱及其与体外抗溃疡药效的相关性,并探讨其抗溃疡的药效学基础.方法:采用拉丁超立方抽样方法将气滞胃痛颗粒中的单味中药材按一定配伍比例组合,通过Matlab软件获得全时段多波长融合指纹图谱,以峰面积转化成的化学成分含量为指标,同时将*味药材的配伍组合进行抗胃溃疡体外药效实验,运用层次分析法得到权重系数对药效进行综合评价.将药效学信息与各组融合谱的化学信息通过灰色关联分析法进行相关性分析,再通过神经网络进行验证,终得到谱效关系.结果:气滞胃痛颗粒具有明显的抗溃疡作用,运用灰关联度分析法得到了20个色谱峰与抗溃疡活性密切相关,以这20个色谱峰量化峰面积作为输入项,建立了气滞胃痛颗粒抗溃疡药效的神经网络模型.结论:通过系统分析气滞胃痛颗粒中组分与药效的谱效关系,明确了其抗溃疡的活性成分,对气滞胃痛颗粒的深层次研究具有重大的意义.
-
基于神经网络算法的中药制剂处方流动性预测模型研究
目的:通过建立混合过程中物料流动性变化规律的神经网络模型,预测任意以微晶纤维素为稀释剂的中药处方流动性.方法:以五倍子、金钱草浸膏粉为模型药物,将其与4种不同型号的微晶纤维素按不同比例均匀混合,分别测定混合前后各粉体的松密度、振实密度,并计算豪斯纳比率和压缩度以表征流动性,在此基础上运用神经网络算法建立混合过程中流动性变化规律的数学模型,进而预测任意以微晶纤维素为稀释剂的中药处方流动性.结果:通过预测结果与实验结果的比较发现,神经网络预测模型具有较高的拟合度和良好的预测效果.
-
基于中医证候与危险分层关系的高脂血症神经网络预警模型研究
目的:探讨基于高脂血症中医证候与危险分层的神经网络预警模型.方法:在Matlab R2010a环境下,以高脂血症中医证候为输入,高脂血症危险分层为输出,建立反向传播(BP)神经网络预警模型.随机选取286例作为神经网络学习训练样本,剩余的30例作为测试样本.为了提高模型精度,建模前先对输入自变量进行降维处理.结果:降维前后的结果对比显示,经过降维处理后的神经网络预测准确率有所提高,平均误差为10％左右,说明建立的神经网络模型能够较好地预测高脂血症的风险等级.结论:研究结果表明,所建立的模型能够较好地提取中医证候与高脂血症危险分层的内在关系,将神经网络技术用于高脂血症中医证候与危险分层的研究是可行的.
-
神经网络--人工智能与数字人体的结合点
神经系统是"数字人体--人体系统数字学"研究的重点,而神经网络作为人工智能领域的"领头羊",是在对大脑神经系统模拟的基础上发展起来的算法系统.将数字人体与神经网络相结合,是生命科学与人工智能领域融合发展的结果.该文介绍了神经网络的概念特征,数字人体对神经网络发展的启发性作用,和神经网络在数字人体领域的应用潜力.
-
中医脉象客观定量化理论方法研究
人体系统是一个时变非线性的复杂系统,脉象是人体系统的输出信号.中医脉学是我国传统医学中具特色的一项诊断方法,但由于"脉理精微,其体难辨,在心易了,指下难明",长期以来影响着脉学的客观化和科学化的发展,目前国内外对脉象信号定量化研究还处于不断摸索阶段,还没有建立起系统有效的脉象信号分析研究方法.为完成对脉象信号的定量与定性的客观化研究,需要研究出客观化的完整而简单有效的脉象处理方法.根据现代控制理论的观点,能够从系统的输出信号了解系统内部状态,因此以人体复杂系统的脉象输出信号作为研究对象,将现代系统理论和信号处理方法与我国传统的脉象学相结合,基于这种观点研究中医脉象学使之更科学化.通过对脉象信号的分析采用了时域和频域(尺度)相结合的研究方法,引入时频分析和小波理论进行脉象信号预处理和特征提取,应用模糊集理论进行脉象信号的分类识别,并进一步采用模糊神网络技术进行脉象信号的分类识别优化和脉诊专家数据库设计,系统地建立了系统全面的脉象客观化理论研究方法.
-
基于数据挖掘的冠心病方剂组方规律探讨
目的:通过数据挖掘技术,揭示治疗冠心病方剂配伍规律,探索配伍组方理论,指导临床合理用药.方法:以古方为线索,借助于现代计算机技术,建立冠心病方剂数据表,通过高级筛选功能,对高频药对、神经网络及功效配伍进行统计分析.结果:发现已知和未知的增效、减毒的高频二味、三味、四味及五味药对,探究功效配伍的佳组合.结论:以强心药为主药,配伍补脑药、增强自然力药、强筋药、补肾药、健胃顺肠药以及致病异常体液相应成熟药是组方规律,基本方药为蚕茧、檀香、珍珠、麝香、补血草、矢车菊、金箔、银箔、西红花、牛舌草、香青兰.
-
基于神经网络的舌体胖瘦分析
舌诊是中医四诊中的重要内容.传统的舌诊方法主观性强,缺乏客观的评价依据,制约了中医舌诊进一步的应用和发展.本研究首先利用计算机技术将舌体从脸部区域提取出来,然后使用二次函数、单峰高斯函数、双峰高斯函数、舍去奇数次项四次函数和含奇数次项四次函数作为拟合函数,对舌体边缘进行曲线拟合,并比较了不同拟合函数对舌体边缘拟合的准确率.后通过神经网络对舌图像进行胖舌,瘦舌和正常舌的自动归类.
-
基于R语言的养阴通脑颗粒总黄酮提取优化
目的:运用R语言结合BP神经网络和遗传算法优化复方养阴通脑颗粒中总黄酮提取工艺.方法:在单因素试验的基础上采用4因素3水平的正交试验设计方法,提取并测得养阴通脑颗粒中总黄酮的含量.通过R语言,建立BP神经网络模型,再利用遗传算法对网络进行目标寻优,从而得到养阴通脑颗粒总黄酮的佳提取工艺.结果:养阴通脑颗粒中总黄酮的优工艺条件为乙醇浓度55％、提取时间1.5h、提取温度80℃、液料比15∶1,模型预测值为119.04mg,而实验平均值为120.35mg,相对误差为1.09％,因此具有良好的网络预测性.结论:此数学模型可用来对养阴通脑颗粒中总黄酮的提取工艺进行分析和预测,为实现中药有效部位和成分目标寻优提供了新的参考.
-
基于神经网络技术分析的中医证素研究缺血性脑卒中后抑郁的发生
目的:本研究对缺血性脑卒中早期中医证侯要素的演变进行初步研究,以期早期预测卒中后抑郁(PSD)的发生.方法:回顾性调查研究急性缺血性脑卒中患者,研究其中医证候要素的动态演变规律及与PSD发生之间的关系,通过神经网络技术分析,寻找可能促成PSD发生的危险因素.结果:通过神经网络技术分析中医证候要素可知,痰湿、血瘀、气虚等是PSD发生中的关键证素;在脑卒中后第14天这个时间点上述证素较突出的患者可进行重点关注其今后病情演变,必要时予以早期干预,以降低PSD的发生率.结论:该神经网络风险预测模型通过中医证候学的研究,对中医证候要素动态演变的观测使早期预测PSD成为可能,可以应用于临床作为早期筛查PSD高危人群,为开展中医药早期防治PSD提供了一定的理论依据.
-
针刺治疗抑郁症的疗效测量方法探讨
如何进一步提高针灸的治疗效果、扩大应用范围、科学评价和展示针灸疗效,被普遍认为是目前针灸临床研究的当务之急.1995年世界卫生组织(WHO)出版的<针灸临床研究规范>明确指出:"评价针灸临床疗效的研究应当比研究其作用机制更受到重视,因为这种研究直接关系到针灸在卫生保健服务体系中的发扬与投入."
-
中药组效学研究的常用方法与技术研究概述
如何辨识有效成分是中药新药研究中的关键科学问题之一.中药作用的整体性、组成成分的多样性、作用靶点的复杂性以及成分间相互作用的难以预测性,使传统药效物质研究方法的效率普遍不高.基于"定量组效关系"研究思想,多组分药物的化学组成与其生物活性间同样存在定量相关关系,组效学研究可帮助辨识中药的有效成分.本文对目前组效研究中常用的方法和技术进行综述,为中药药效物质基础研究提供借鉴.
-
数据挖掘技术在中医诊疗数据分析中的应用
经过中华民族几千年的传承和发展，中医学形成了特有的理论体系，其疗效受到广泛认可，但因中医理论更关注有关疾病的症、治、效之间的关联关系，而不是现代自然科学所探究的因果关系，导致其科学性屡遭质疑。近年来，基于真实世界的临床研究模式和“大数据”理念日益受到重视，因此，越来越多的研究人员开始将研究重点放在疾病干预措施与结局指标的相关关系上，这一转变以及计算机数据挖掘与分析技术的进步，无疑给中医理论与实践的进一步发展带来重大契机。本文归纳总结了近年来中医诊疗中用到的数据挖掘技术，如聚类分析、决策树、贝叶斯网络、神经网络和多示例学习等，展示了如何运用这些方法从大量中医病症数据中揭示中医诊疗规律，发现隐藏在数据中的知识，以数据为支撑而显示中医学的有效性。
-
一类基于组效关系神经网络模型的中药药效预测方法
目的:研究与药效相关的中药质量分析方法. 方法:分别选取非线性函数逼近能力较强的BP神经网络和径向基函数神经网络,并与偏小二乘法相结合,建立中药组效关系模型,进而用组效关系模型计算预测药效,据此评价中药质量.结果与结论:将其应用于川芎质量评价,无论在训练误差、预测误差以及相关系数等方面,均明显优于PCR和PLSR方法,具有较理想的训练及预测精度和可信度,能够较准确地反映川芎各化学组分与药效检测指标间复杂的非线性映射关系,可发展成为能反映药效的中药质量评价方法.
-
神经网络结合灰色关联度法对气滞胃痛颗粒复方药材抗炎活性谱效关系研究
目的:建立气滞胃痛颗粒抗炎活性的谱效关系分析方法,为中药复方的质量控制和药效评价奠定基础.方法:在建立气滞胃痛颗粒全时段多波长融合指纹图谱分析方法的基础上,采用拉丁超立方法对气滞胃痛颗粒中6味药材随机采样成不同比例组,测定各组对LPS诱导的RAW264.7细胞释放TNF-α,IL-6,NO的抑制率,将药效信息与各组HPLC指纹图谱化学信息用灰色关联度分析得出各色谱峰对抗炎活性的影响程度,再用BP神经网络进行拟合,建立谱效关系.结果:有25个色谱峰与抗炎活性密切相关,采用3层BP神经网络,以这25个色谱峰量化峰面积作为输入项,建立了气滞胃痛颗粒抗炎药效的神经网络模型.结论:该模型预测误差小于7％,能较好的拟合复方中复杂的非线性关系,可以应用于复方中药谱效关系研究.通过谱效研究建立了评价气滞胃痛颗粒抗炎活性的新方法,是中药复方质量控制和寻找药效物质基础的有效途径,具有一定实际意义.
-
肥胖的外周和中枢调节分子Leptin及Orexin研究进展
下丘脑是调节能量稳态、食欲和生殖的重要中枢, 摄食行为是通过位于下丘脑内的神经环路所调控的.在过去的十年内, 对调控摄食和体重的特异调节因子和神经网络的认识已得到了飞速的发展, leptin和orexin是目前确认的调控肥胖发生的外周及中枢调节分子[1].
-
基于数据挖掘技术的消化道恶性肿瘤诊断
目的 探讨数据挖掘技术在血清肿瘤标志物(STM)联合检测诊断消化道恶性肿瘤(DTC)中应用的可能性,并比较Logistic回归模型、神经网络和朴素贝叶斯分类器及临床单一及联合STM诊断DTC的性能.方法 对301例DTC和114例消化道良性疾病患者的血清肿瘤标志物CA19-9、CA242、CA50、CEA检测值,分别建立基于统计Logistic回归、反向传播神经网络和朴素贝叶斯方法的诊断分类器,并进行10折交叉验证.利用诊断敏感度、特异度和接受者操作特征(ROC)曲线下面积对三种数据挖掘分类器、CA19-9以及4种STM并联诊断DTC的性能进行评价.结果 神经网络诊断模型的敏感度和ROC曲线下面积(Az)分别为92.0%和0.903,高于STM并联诊断的敏感度83.4%(P＜0.001)和CA19-9诊断的ROC曲线下面积0.806(P＜0.001),特异度69.3%与STM并联诊断的特异度68.4%相当(P=1.00);Logistic回归模型的敏感度91.4%高于STM并联诊断(P＜0.001),特异度45.6%低于STM并联诊断(P＜0.001),Az=0.819与CA19-9诊断相当(P=0.55);贝叶斯分类器的敏感度72.8%低于STM并联诊断(P＜0.001),特异度75.4% 和Az=0.797与STM并联诊断和CA19-9诊断相当(P=0.13和P=0.61).结论 数据挖掘技术的分类方法中,神经网络的分类方法比单一STM及其并联诊断的准确性高,Logistic回归和贝叶斯方法的诊断水平与普通STM并联诊断水平相当;神经网络分类器的诊断性能优于Logistic回归模型和贝叶斯分类器,可进一步应用于计算机辅助诊断中.
关键词： 数据挖掘 消化道恶性肿瘤 神经网络 Logistic回归 朴素贝叶斯分类器 -
利用振子神经网络实现多分辨率的模式识别
本文提出了一个混沌振子神经网络用于感觉信息编码的模型.其基本原理是:利用神经振子网络的混沌行为对感觉信息进行更有效的处理,这种处理方式可以考虑被识别对象各局部特征的关系.而对多个神经元振子集合行为进行编码,就可以完成对局部特征的捆绑,并得到可供进一步处理和识别的信息.这样可使后一层神经元对识别对象作多分辨率分析.以往的模型都没有考虑信息的捆绑问题,我们提出的模型不仅可以对识别对象进行多分辨率分析,并且分析的结果可以对模式的局部特征进行捆绑.仿真实验初步证实了我们的设想.文中模型由两部分组成,神经元振子层和符合检测层.而实际上的感受器每一层神经元可以身兼两职.
