基于想象左右手运动思维脑电的提取及分类研究

目的 在基于思维作业的脑-机接口中,探讨如何提取脑电信号特征并对其进行准确有效地分类.方法 对5例受试者进行3种不同思维作业试验,并对每例受试者两种不同思维作业脑电进行组合,随后用确定性自回归模型(fixed autoregressive models,FAR)和自适应自回归模型(adaptive autoregressive models,AAR)提取脑电特征,分别利用Burg's算法得到FAR特征系数和最小均方误差算法得到AAR特征系数;最后通过前向BP神经网络对这些特征进行分类.结果 利用FAR模型得到的最佳分类结果为93.52%,利用AAR模型得到的最佳分类结果仅为87.96%.结论 同AAR模型相比,FAR模型可以更好地提取不同思维脑电特征,并在采用合适识别分类算法基础上获得更佳分类效果.     

基于遗传算法和BP神经网络的CTG识别研究

目的:针对正常类、非典型类和异常类3类胎心宫缩监护图(Cardiotocography,CTG),利用BP神经网络建立分类识别模型。方法:根据遗传算法(Genetic algorithm,GA)具有全局寻优的特点,引入遗传算法对神经网络权值和阈值进行优化,形成一种训练神经网络的混合算法(GA-BP算法),以克服BP算法易陷入局部最优解的缺陷,并以UCI数据库中的CTG数据集为例进行测试。结论:仿真结果表明,对于正常类、非典型类和异常类3类样本,BP算法的分类准确率分别为97.32%、71.97%和95.45%,而GA-BP算法的分类准确率分别提高到98.24%、82.67%和95.65%。可见GA-BP分类模型具有较强的学习能力和泛化能力,分类准确度更令人满意,所提出的方法是可行的。     

基于BP神经网络的人脸识别系统

人脸识别由于属于非接触性识别,因而具有深远的发展潜力并且已经取得了长足的进步。多年来,人们对人脸识别技术进行了深入的研究,并且己经提出了不少有效算法,本论文以人脸识别的关键步骤为主要线索,系统地研究并实现人脸识别系统。本系统主要由图像预处理、人脸分割、人脸归一化、特征提取、分类器训练等功能模块组成。     

基于BP神经网络的非接触生命参数信号检测

目的:探讨基于BP神经网络的雷达式非接触生命参数信号检测方法.方法:采用四层BP神经网络的模式识别算法,利用Matlab软件环境编写算法程序,进行仿真实验与实际信号处理.结果:利用该方法进行非接触检测系统信号的识别,能够在强噪声背景下检测出生命参数信号.结论:该方法适用于随机性较强的微弱信号检测,对雷达式非接触生命参数信号检测可以达到较好的效果.     

基于BP神经网络模型的临床瓷粉配色方法

目的:探讨基于BP神经网络预测瓷粉配方的配色网络模型的可行性。方法:按照不同质量配比的混合松风Halo瓷粉制作32个瓷片样本,随机分为两组:训练组和测试组。用Matlab软件构建BP神经网络模型,用训练组瓷片训练并优化网络,形成颜色L*a*b*参数与瓷粉配方质量配比之间的非线性映射关系。用测试组试样检验构建的神经网络的精度。结果:测试组预测出的混合瓷粉质量配比与真实质量配比之间的准确率为80%(配比绝对误差±0.05)。按照测试组的预测和真实瓷粉质量配比制作的瓷片之间的平均色差为1.68(远小于临床可容忍阈值2.7)。结论:基于BP神经网络模型的瓷粉配色方法,直接给出了瓷粉配方,缩减了操作程序,减小色差,为当前口腔临床修复技术提供了一种新的比色途径。     

基于BP神经网络的阿尔茨海默病预测模型研究

目的：基于阿尔茨海默病患者的日常认知自我报告清单,利用BP神经网络模型构建阿尔茨海默病不同病程的预测分类器,并评估预测分类器的性能。方法：纳入ADNI-GO、ADNI-2、ADNI-3等3个计划阶段的参与者日常认知自我报告清单数据。以7：3的比例划分训练集和测试集,以网格搜索方法设置十折交叉验证确定最佳BP神经网络参数,测试集用于评估模型的泛化能力。结果：ADNI-GO和ADNI-2阶段的模型分类准确率达到90%,而ADNI-3阶段的准确率最低,不到80%,且ADNI-3模型的泛化能力低,存在过拟合问题。结论：利用患者当前日常认知自我报告清单可以准确预测分类患者的病程阶段,有利于患者尽快进一步检查或治疗,具有一定的临床价值。     

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尝试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,进行地高辛血尝试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最大。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尝试预测神经网络模型是可行有效的。     

PSO优化BP神经网络模型在医疗设备故障识别中的应用

目的 提出一种粒子群算法优化后的BP神经网络模型,为呼吸机监测数据和呼吸机故障建立潜在映射关系,从而为呼吸机维修和预防性维护提供参考。方法 介绍了BP神经网络模型、粒子群优化算法以及粒子群算法结合BP神经网络结模型的建立过程,使用2017年1月1日至2020年12月31日我院采集的某型号呼吸机运行数据作为研究对象,按照6∶4的比例随机将故障数据集划分为训练集（246条）和测试集（164条）,分别使用训练集和测试集对BP神经网络模型和粒子群算法优化后的BP神经网络模型进行训练和测试,并使用准确率、AUC值、灵敏度、特异性作为模型评判指标。结果 训练后的粒子群优化的BP神经网络模型对测试集故障数据模式识别的准确率、AUC值、灵敏度、特异性分别为0.921、0.811、0.923、0.942;相对于K-NN、NBC、SVM以及BP模型,PSO-BP神经网络模型准确率分别提高了10.4%、11.0%、5.2%和9.7%,提高效果显著（P<0.05）;AUC值、灵敏度和特异性在一定程度上得到了提高。结论 本文提出的粒子群算法优化后的BP神经网络模型对故障预测效果良好,可为呼吸机故障诊断和预...     

基于Levenberg-Marquardt算法的胃脘痛BP神经网络辨证模型研究

目的:本文提出了一种基于Levenberg-Marquardt算法的用于胃脘痛的BP神经网络辨证模型,用于提高胃脘痛智能辨证的准确率。方法:以"中医数字化诊疗平台"的门诊临床电子病历数据作为数据集,采用Matlab作为模型仿真平台,运用Levenberg-Marquardt算法构建了胃脘痛中医智能辨证的双隐含层BP神经网络模型。结果:实验结果显示,网络模型预测"肝胃不和"和"胃阳虚"的证型准确率和诊断准确率非常高,都在95%以上。结论:该智能辨证模型能有效利用BP神经网络的自主学习能力,充分逼近中医辨证的真实面貌,表现出优秀的辨证预测能力。而且,每天在"中医数字化诊疗平台"中都有新的中医临床真实数据上传,若利用这些数据完善该智能辨证模型,有望推动中医智能辨证在中医临床辅助诊断中大规模应用。     

BP神经网络在生存分析中的应用

目的探讨BP神经网络在生存分析中的应用。方法通过贲门癌预后的实例说明神经网络的连续时间模型与离散时间模型的使用。结果所建立的神经网络生存分析模型有较好的预测能力。结论神经网络在生存分析中有很大的灵活性,在模型中可以容纳非线性效应,协变量的效应可以随时间而变化,不要求满足PH假定,有较广泛的应用前景。     

基于误差反向传播算法神经网络模型的网络式以问题为基础学习效果评价方法的研究

目的研究误差反向传播算法（ error back propagation algorithm,BP）神经网络模型在网络式以问题为基础学习（ WPBL）效果评价中的适用性。方法基于调查问卷收集的资料,利用测试样本构建BP神经网络模型,并通过所构建的模型对训练样本进行检测。结果构建模型时测试样本的网络输出分数与综合评分之间的平均误差小于规定误差（E=0.000031592〈0.0001）。对训练样本进行检测显示,网络输出分数与实际综合评分之间的误差极小。结论 BP神经网络模型能够准确、快速地对WPBL效果进行评价。     

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神经网络和决策树的梅毒早期预警指标的模型构建

目的 探讨BP神经网络(back propagation neural network,BPNN)模型和决策树(decision tree,DT)模型在梅毒早期预警指标上的研究,并进行了合理的验证分析.方法 首先收集348例梅毒病例资料,一期38例,二期43例,隐形梅毒267例,其中一期38例中:男24例,女14例;二...     

基于核谱回归与随机森林的脑电情感识别

利用DEAP情感数据库研究脑电的情感识别问题。首先,使用聚类算法确定情感状态的目标类别;然后,比较了两种不同的特征提取方法：一种是小波变换,另一种是非线性动力学,并研究了基线特征对情感分类效果的影响;最后,研究了5种特征降维方法对分类性能的影响,同时比较了4种不同分类器的性能,包括K-最近邻（KNN）、朴素贝叶斯（NB）、支持向量机（SVM）和随机森林（RF）。研究结果表明,核谱回归（KSR）降维方法和随机森林分类器的组合对情感状态的分类效果最好。通过对脑区与情感关系的研究发现,只使用部分脑区的少量电极也可以达到90%的分类准确度,这些电极主要分布在额叶皮层。     

基于BP神经网络的医学类微信公众号学术知识获取效果

目的：通过构建神经网络模型实现对医学类微信公众号学术知识获取效果进行综合、科学性的评价。 方法：首先对麻醉学微信公众号辅助临床、教学与实践的应用现状进行概述;其次,根据既有研究成果提出的“微信知识获取效果评价指标体系”,分别从知识特性、知识获取方、知识提供方、知识获取情景对遴选的15个典型麻醉学微信公众号样本开展评价;最后采集定性和定量数据,使用Matlab软件构建BP神经网络（Back Propagation Neural Network）模型并进行仿真验证。结果：采用BP神经网络的预测输出结果与实际期望结果控制在限定的误差范围内。 结论：基于BP神经网络构建的医学类微信公众号学术知识获取效果评价模型具有可操作性和实践性,能够评价用户通过移动社交平台获取知识的效果,揭示促进和阻碍因素,进一步指导各学术机构推荐并建立高质量的学术公众号,更好地服务学界。     

基于BP神经网络的常见中兽药中5种违禁药物显微图像识别

目的 以人工神经网络和模式识别技术为基础,对动物饲料中常添加的违禁西药进行了自动识别与分类.方法 对违禁药物的显微图像进行预处理、图像分割,并提取纹理特征.根据提取的特征应用BP人工神经网络完成对5种违禁药品（呋喃妥因、呋喃唑酮、呋喃它酮、氯霉素、扑热息痛）的识别分类.结果 该算法不仅能快速识别出上述5种违禁药品,且准确度比较高.结论 该方法对于以上5种违禁药品能得到满意的识别结果.