基于人工神经网络的肿瘤诊断方法研究

目的：探讨使用BP神经网络进行肿瘤诊断的应用价值。通过收集的60例良性肿瘤特征向量和60例恶性肿瘤特征向量作为建立人工神经网络所需要的BP网络训练样本，然后使用这一网络对某种肿瘤的各项指标数据进行实验研究。结果：30例待测样本纳入本研究，29例样本得到了较理想的输出数据，从而获得了较高的诊断率。结论：多层前向神经网络在判断肿瘤性质方面有较高的应用价值。     

人工神经网络在药学研究中的应用进展

目的 介绍人工神经网络(ANN)在药学研究中的应用进展。方法 以国内外大量代表性论为依据，进行归纳、分析和评价。结果 介绍人工神经网络(ANN)的概念、反向传播神经网络(BP)的原理和特点，详细阐述人工神经网络在药学研究中的应用进展。结论 人工神经网络在药学研究中具有广阔的应用前景。     

基于遗传BP神经网络的肺音分类识别算法研究

目的通过识别正常肺音、哮鸣音、捻发音和爆裂音4类肺音,将肺音和肺部疾病关联起来,预测每类肺音对应的呼吸疾病。方法将电子听诊器采集的正常和异常肺音经滤波和周期分段预处理,再采用韦尔奇功率谱估计和小波变换得到肺音信号统计特征值。比较神经网络和遗传神经网络两类分类器的性能,选择遗传神经网络识别算法进行肺音的识别。结果采用韦尔奇功率谱特征值的遗传BP神经网络平均识别率89.0%,优于BP神经网络的平均识别率(83.0%);用小波系数特征值的遗传BP神经网络平均识别率83.1%,优于BP神经网络的平均识别率(81.0%)。结论韦尔奇功率谱的特征提取方法有效,能较准确区分出肺音的类别。     

基于神经网络对甲状腺功能亢进患者放射性碘治疗给药剂量预测的可行性研究

目的构建反向传播(back propagation, BP)神经网络模型, 预测甲状腺功能亢进(以下简称甲亢)患者131I核素治疗所需给药剂量, 为患者计算个性化治疗剂量方案。方法从上海多家医学院核医学科收集接受放射性碘治疗的甲亢患者完整的病例资料, 包括病史、检查结果、治疗过程等。随后建立预测模型, 先以小样本数据比较BP神经网络, 径向基(radial basis function, RBF)神经网络, 支持向量机(support vector machine, SVM)3种模型的预测结果, 选择最优模型对给药剂量进行预测, 最后测试模型精准度。结果以小样本构建的BP神经网络、RBF神经网络、SVM模型预测的平均误差分别为5.53%, 7.09%, 9.64%, 比较后选择BP神经网络建立预测模型;采用随机抽样法选取30例数据对BP神经网络进行验证计算, 预测结果的平均误差为7.22%, 均方误差为0.053, 最小误差为0.57%, 最大误差为13.78%。结论本研究提出了一种神经网络预测方法, 为需要放射性碘治疗的甲亢患者提供给药剂量参考, 减少患者剂量过量所致放射性损伤的可能...     

超声结合BP神经网络技术诊断女童中枢性性早熟

目的探讨超声结合人工神经网络技术在女童中枢性性早熟诊断中的应用价值。方法选用170例性早熟女童进行常规超声检查子宫、卵巢,以其中130例的子宫体积、卵巢体积以及双侧卵巢最大卵泡内径为输入变量,以中枢性性早熟或非中枢性性早熟为输出变量,建立反向传播(BP)神经网络,并对另40例性早熟病例分类。结果利用BP神经网络结合常规超声检查对中枢性性早熟诊断的敏感性、特异性和准确率分别为95.0%、85.0%、90.0%。结论神经网络结合超声检查对中枢性性早熟的诊断和鉴别诊断具有较大的价值。     

数据挖掘预测鲜红斑痣光动力治疗的给药剂量

正目的:分别采用BP神经网络算法、决策树算法、支持向量机算法对鲜红斑痣光动力治疗的给药剂量进行了预测与对比分析。方法:随机抽取240例鲜红斑痣临床病例,通过数据挖掘的三种算法,即BP神经网络算法、决策树算法、支持向量机算法,在基于Matlab的平台上分别对鲜红斑痣的数据进行了初步的分析,随机选择200例患者,根据年龄、性别、体     

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神经网络模型预测肝肿瘤运动趋势可行性研究

目的 利用BP(back propagation)神经网络模型对1例肝癌碘油介入术后患者的肝肿瘤运动趋势进行预测。 方法 使用X射线容积成像系统对某肝癌患者进行扫描, 采集各时相呼吸运动图像。利用碘油标记方法, 对肝癌病灶进行定位, 并通过图像检测技术, 获取病灶标记点的运动轨迹。对标记点的运动轨迹数据进行分析, 建立BP神经网络模型, 并用其预测下一时间段的运动曲线, 将预测结果与肿瘤标记点实际的运动轨迹进行比较分析。 结果 利用BP神经网络可以有效预测肝肿瘤的运动趋势, 在一定时间段内可保持良好的精准度, 误差在1个像素距离内, 但在呼吸运动峰值处预测精准度尚不理想, 误差接近2个像素距离。 结论 BP神经网络模型是预测肝肿瘤运动的一种新方法, 可能对肝癌的体部立体定向放疗以及实时跟踪放疗精准度的提升有一定帮助, 且具有一定的临床价值。     

超声结合人工神经网络技术预测血清促黄体激素基础值

目的:利用超声结合人工神经网络技术预测血清促黄体激素(luteinizing hormone,LH)基础值。方法:选用71例性早熟女童进行常规超声检查子宫、卵巢,以其中61个病例的子宫体积、卵巢体积以及双侧卵巢最大卵泡内径为输入变量,以LH基础值为输出变量,建立BP神经网络,并用另10个病例作为测试检验,将预测结果与实际值作统计分析。结果:BP网络预测的结果与实际值作线性回归,得到回归直线的斜率为1.0088,回归直线的相关系数为0.977。结论:性早熟女童超声检查结合BP神经网络技术可以预测LH基础值。     

基于神经网络的冠心病无创诊断方法研究

目的提取心电信号（ECG）特征参数,采用人工神经网络研究冠心病无创诊断新方法。方法对ECG进行A/D转换和数字滤波,提取QRS波宽度、R-R间期和ST段电平3个特征参数,作为神经网络的输入量,采用3层结构反向传播人工神经网络对信号样本进行训练,然后应用该网络对未处理的ECG样本进行识别。结果BP网络对12个信号样本经过约1500次训练,网络可从样本中正确识别出冠心病和非冠心病样本,应用该网络对20个未处理ECG样本进行识别,除一个样本之外,其余样本同样可被正确识别。结论研究表明本文基于ECG特征参数和神经网络的无创诊断方法具有很好的应用前景。     

Classification and identification of soot source with principal component analysis and back-propagation neural network

Identification of soot sources is significant in fire investigation and forensic science. In this paper, principal component analysis (PCA) and a back-propagation (BP) neural network model have been used to classify and identify the soot samples from three different kinds of combustible material. Diesel, polystyrene and acrylonitrile butadiene styrene were burnt under the controlled combustion conditions in small-scale burn tests. Based on the matrix data from the GC-MS analysis data, two principal components have been obtained from PCA analysis with the cumulative energy content of 90.21%. Three different kinds of soot sample can be classified with 100% accuracy. A BP neural network model for predicting and identifying the soot source has been further developed. Accurate identification of the unknown samples has been achieved with this trained BP model. This pilot study indicates that PCA and BP neural network methods have potential in the analysis of soot to identify its principle pre-combustion source material.     

超声医学图象分割的混合神经网络方法.

目的解决医学图象多维重建中最困难的问题之一：图像分割问题。方法提出了解一种基于混合神经网络的新方法。混合神经网络包括两个级联的网络,前级为自组织神经网络,用于对图象进行粗分割,并确定一些可靠的学习样本,这些样本象素的特征矢量与其聚类中心的距离小于一定阈值。将这些训练样本用于训练第二级网络——三层感知器网络。用反向传播算法学习后的网络就可以对图象中的所有象素进行分割。最后对分割后的图象进行后处理,以消除孤立点与孤立区域。结果分割后的超声心脏图象具有光滑连续的边界,且心脏的各腔清晰、准确。结论所提方法能够准确有效地分割图象,优于传统的方法,并为无监督图象分割问题提供了一种有监督的解决方案。     

利用神经网络自动识别X线头颅影像标记点

目的:研究并设计能够自动完成对X线颅颌面影像定点分析的实用程序。方法:采用数学形态学技术对图像增强,识别并提取子图像缩小标志点的标定范围,利用神经网络识别并定位标志点。结果:利用本文所述的方法设计的识别程序很好地完成了对测试X线颅颌面影像的自动定点分析。结论:此法能够高效且准确地对X光颅颌面影像进行自动定点分析。     

人工神经网络肝癌CT影像辅助诊断模型的建立

目的建立肝癌CT影像人工神经网络辅助诊断模型。方法对所收集的肝癌(110例)和其它肝占位疾病(123例)的CT影像进行预处理,提取各病例CT的影像学特征并以此作为网络训练样本集和网络评价样本集。建立肝癌CT影像误差逆传播(back propagation,BP)神经网络辅助诊断模型,用训练样本集对网络进行训练后,将评价样本集通过网络仿真,用仿真输出数据计算该神经网络用于肝癌CT影像诊断的灵敏度、特异度和准确度。结果网络的训练过程显示,第12步时训练停止,样本集划分合理,对网络的训练效果良好。根据网络的仿真输出数据,计算出神经网络用于肝癌CT影像诊断的灵敏度和特异度分别为98%和96%,诊断准确度为97%。结论该人工神经网络可以应用于肝癌CT影像的临床诊断。