人工神经网络在中医脉象识别分类研究中的应用概况

本文就近10余年应用人工神经网络开展中医脉象识别分类的研究进行了综述,其中包括应用人工神经网络进行脉象识别分类,基于人工神经网络的中医脉象分类模型建立和基于不同神经网络算法识别中医脉象的比较研究。文章提出进一步研究应结合中医脉象的特点选取有效的特征值值及设计不同的分类器,应以实现临床常见脉象类别的准确识别为最终目标,根据分类识别的结果开展脉象形成机制研究,并将研究结果推广应用到临床。     

中医脉象分类的频谱特征研究

对中医脉象及其分类研究历来重视脉的位、数、形、势。本文采用付里叶频谱分析的方法，通过大样本的实测分析，获得了个体之间可以比较的搏动分量来探讨脉之虚实有力无力；采用冲量以浮沉脉为代表探讨脉位；采用相平面轨迹斜率以滑涩脉为代表探讨脉势；引入传输自振荡共振频率以弦脉为代表探讨脉形。     

双路中医脉象检测方法的研究

本文分析了现有单探头脉象仪检测人体中医脉象信息的局限性,提出了双路脉象检测的新方法。该方法既保存了现有单探头检测法的功能,还能检测探头下血管、皮肤软组织的有关力学参数。通过初步的临床试验,对双路脉象检测法建立的指标参数进行了详细的描述。并提出了利用双路脉象检测法测取的参数,对现行脉象判断方法进行修改或补充设想。     

心音传感器在中医脉象信号采集中的应用研究

目的:探讨中医脉象信号的采集方法,促进中医脉诊客观化。方法:分析当前现有中医脉象采集方式的优缺点,提出把声音传感技术应用于中医脉象信号的采集。使用心音传感器在寸口部位采集脉象信号后再用Matlab软件进行数据处理。结果:实验表明利用心音传感器,可以采集到多元化的脉象信息。结论:利用声音传感技术采集中医脉象信号是可行的,并且有一定的优势。     

人工神经网络在中医证候研究中的应用

人工神经网络是一种新型的数据挖掘技术,它是将整体论与还原分析方法有机结合的研究复杂系统的有效方法,能够有效处理复杂系统中杂乱无章的海量数据,并能够在海量数据中寻找模式,寻找规律,归纳隐含在信息单元之间的关联规则。中医证候体系是一个非线性的、多维多阶的、可以无限组合的复杂巨系统。采用人工神经网络技术挖掘大样本所蕴含的海量信息,从而建立中医证候诊断模型,可能是解开当前证候研究的僵局、取得实质突破的有效方法。     

人工神经网络在中医诊断中的应用现状与趋势

人工神经网络是20世纪80年代中后期以来迅速发展起来的学科。它属于信息科学、医学、生物、数学等诸多学科的边缘交叉学科,     

中医脉象模拟系统的研究

中医脉诊是中医诊断学的重要组成部分。我们对中医脉象的再现模拟进行了深入的研究。其目的意义主要为以下几个方面：     

人工神经网络在中医证候研究中的应用现状与趋势

证候研究的主要目的就是通过对证候特征的分析,揭示证候分类和四诊信息之间的规律,从而找出辨证的规律。如何解决中医证候的客观性问题,是目前中医发展面临的最大困境。随着学科间的互相交叉融合,数据挖掘技术被引入中医证候研究,人工神经网络就是其中的一种。文章总结了人工神经网络在中医证候诊断中的应用情况,分析了其研究现状、存在的问题及今后发展的趋势。     

隐结构模型在中医证候分类识别中的应用概况

隐结构模型是由香港科技大学张连文教授提出的一种为中医辨证建立客观定量标准的研究方法。介绍隐结构模型的基本理论及方法,较全面地概述了隐结构模型在中医证候分类识别中的应用,并认为隐结构模型因其在推理过程、模型内容、分析结果 3个方面具有客观性,故其能为中医证候分类及证候标准的建立提供重要的客观依据。     

人工神经网络在中医药现代化研究中的应用

文章综述了人工神经网络在中医药现代化研究中的应用,包括其在中医证候研究、中药功效研究及复方研究、中医舌诊研究和中医脉象研究四个方面的应用。     

运用人工神经网络法评价中药威灵仙的质量

提出用人工神经网络方法评价中药威灵仙的质量,对一组标样的研究结果表明,识别成功率达100%。同时,该方法具有较强的容错能力和较快的识别速度。     

基于BP神经网络的中医辨证模型构建方法探讨

目的:以气虚证辨证模型为例,探讨中医辨证模型构建方法。方法:将684例名老中医医案录入电子病历中,利用其统计功能,创建验案症状表;将验案症状表导入Matlab软件中;利用BP神经网络程序,随机将669例医案作为训练数据,剩余15份病例作为测试数据。结果:测试数据与模型数据之间的绝对误差中,有3例大于0.6,其余12例小于0.3;灵敏度为83.3%,特异性为77.8%,预测一致性为80%。结论:本文以气虚证为例,结合BP神经网络技术,创建了一种中医辨证模型,准确率较高,并为挖掘名老中医辨证经验提供了一条新的途径,值得推广。     

运用人工神经网络法评价中药威灵仙的质量

提出用人工神经网络方法评价中药威灵仙的质量,对一组标样的研究结果表明,识别成功率达100%。同时,该方法具有较强的容错能力和较快的识别速度。     

基于MFB-P算法的中医证型的神经网络模型初探

如何从中医学大量现象学描述中寻找其内在规律,是证的规范化研究之热点和难点。以往多采用统计学方法,但效果不够理想。神经网络作为一种智能信息处理系统,能够充分逼近任意复杂的非线性关系,获得样本数据的规则,较好避免数据处理中可能掺杂的主观因素,客观如实地反映研究对象。本文即采用一种基于MFBP算法的神经网络,以临床调查资料为研究对象,对具体一病的证型进行了规则提取研究,并从其解决实际问题的能力对网络的性能作出评价。研究结果表明,神经网络有较好获取数据规则的能力,如何在原始数据的基础上有效的表示知识、控制输入信息是决定网络性能优劣的关键因素。此方法用于证的规范化研究具有方法上的可行性,值得进一步深入研究。     

基于人工神经网络的环孢素A个体化给药设计

 目的 运用人工神经网络技术构建预测模型,实现环孢素A（CsA）的个体化给药设计。方法 收集肾移植患者临床数据,分析CsA血药浓度及给药剂量的影响因素,确定建模因子。采用遗传-反向传播算法(GA-BP)建立两层链式预测模型,构建CsA个体化给药的程序并少量样本试用。结果 初步完成个体化给药的程序编写,10个病例（总共30次）的预测表明,绝大多数次（23/30）的预测给药剂量与实际给药剂量的误差小于15%,超过半数次（17/30）的误差小于10%。结论 可以尝试用人工神经网络进行CsA个体化给药的研究。
     

模糊神经网络控制的医疗诊断系统研究

医疗诊断系统是一个复杂系统 ,用一般的模糊控制方法进行设计效果并不令人满意。提出基于神经网络的模糊控制算法综合了两者的优点 ,仿真与初步试验表明 ,它对参数的改变有较强的鲁棒性 ,为医疗诊断过程提供了一种新途径     

基于电子鼻和人工神经网络的沉香与沉香曲鉴别

目的:利用沉香和沉香曲气味的不同实现对两者的鉴别。方法:通过单因素考察和正交试验建立适合的电子鼻检测方法,对沉香和沉香曲的气味进行检测。将样品分为训练组和验证组,利用训练组的电子鼻检测原始数据和归一化数据训练建立径向基函数(RBF)神经网络、广义回归神经网络(GRNN)和概率神经网络(PNN),以验证组正确率为指标对人工神经网络进行参数优化。结果:经参数优化后的3种不同人工神经网络对验证组沉香和沉香曲的识别正确率均可达100%。GRNN在不同数据预处理方式和不同参数条件下对验证组的正确率均达100%。结论:电子鼻和人工神经网络技术可利用沉香和沉香曲气味的不同对两者进行有效区分。