基于BP神经网络的环孢素A用量预测研究

目的依据BP神经网络技术建立环孢素A用景的预测模型.方法收集服用环孢素A的肾移植病人16例.共65组样本.其中51组样本作为训练样本,14组样本作为测试样本,建立两层BP神经网络预测模型.结果 BP神经网络的仿真预测结果正确率为97.1%.结论 BP神经网络模型在环孢素A用量上能够取得良好的预测效果,具有一定的研究性.     

基于神经网络的川崎病并发冠状动脉病变预测模型

建立川崎病并发冠状动脉病变预测模型。从电子病历数据库中收集1 000例(343例患冠状动脉病变)川崎病患儿的人口学资料、实验室检验数据、超声心动图数据,对数据进行预处理后用关联规则筛选川崎病并发冠状动脉病变的危险指标,划分训练集和测试集分别为总样本集的70%和30%,分别建立神经网络模型和Logistic回归模型,并用灵敏度及特异性等指标对模型的预测效果予以评估。结果显示,神经网络模型的灵敏度=0.718,特异性=0.746,准确率=0.737及AUC(ROC曲线下面积)=0.796,优于Logistic回归模型[灵敏度=0.175,特异性=0.893,准确率为0.647及AUC=0.624]。研究结果表明,神经网络模型对川崎病并发冠状动脉病变的预测效果优于Logistic回归模型。     

基于样本熵与人工神经网络的癫痫发作预测初步研究

针对目前癫痫预测多为回顾性离线研究,难以实现自动实时预测并应用于临床这一问题,进行癫痫发作实时预测的初步研究,探讨方法的可行性。提出了结合反向传播（BP）神经网络与样本熵分析进行癫痫发作实时预测的方法。首先基于临床癫痫患者发作前脑电数据计算样本熵,转化为样本熵时间序列;然后利用BP神经网络建立患者发作时间预测模型。BP神经网络模型对发作时间的预测与实际发作时间之间存在线性关系,基于样本熵值的预测结果的相关系数达到0.94以上。结合样本熵与人工神经网络算法,在脑电监测数据基础上对癫痫发作预测具有可行性,为进一步开发癫痫便携预警装置提供了基础,具有重要的潜在临床应用价值。     

基于神经网络的环孢素血药浓度预测

通过研究肾移植病人环孢素A血药浓度的不同影响因子,分别采用广义神经网络、Elman网络、BP神经网络等模型,对环孢素A血药浓度进行预测.结果显示三种网络模型都达到了较好的预测结果,其中BP网络的预测结果最好,平均相对误差为19.94%,Elman网络的平均相对误差为21.39%,广义神经网络的平均相对误差为25.93%.说明将神经网络应用于预测CsA血药浓度是可行的,其结果可以作为临床CsA的个体化给药的参考.     

BP神经网络在肝癌数字减影血管造影诊断中的应用

目的 探讨利用BP神经网络对肝癌数字减影血管造影(DSA)图像进行计算机辅助诊断的应用价值.方法 分析32例肝癌病例DSA影像资料,应用BP神经网络建立计算机临床辅助诊断模型,然后把100个随机抽样测试样本(非病灶样本55个,病灶样本45个)输入模型验证诊断准确率.结果 肝癌计算机辅助诊断模型成功建立,100个随机抽样样本经模型分析,真阳性率为91%,真阴性率95%.结论 BP神经网络可应用于临床辅助肝癌DSA诊断.     

基于B P神经网络的脑肿瘤MRI图像分割

利用BP神经网络技术对MR脑肿瘤图像中的肿瘤区域与正常组织区域进行分割,以辅助医疗诊断与治疗。首先,人工分割出部分影像中的肿瘤组织与正常组织作为已知样本;其次,在BP神经网络模型中输入已知样本中进行训练;最后,用训练好的BP神经网络处理其他脑肿瘤图像。BP神经网络能够有效分割MR脑肿瘤图像,辨别出肿瘤与周围正常组织的差异,但模糊区域也常被误判为肿瘤。因此,本研究提出进一步对模糊区域样本进行针对性训练与特殊的滤波处理,所得结果有较大改进。BP神经网络能有效地进行脑肿瘤MRI图像分割,但在使用时仍需正确选择输入样本的区域和范围并结合特殊的滤波处理。     

基于灰度共生矩阵和人工神经网络的肺癌CT图像的分类研究

目的研究小细胞肺癌（SCLC）和非小细胞肺癌（NSCLC）的分类问题。方法217例肺癌患者．其中男性165例．殳性52例;年龄35～80岁,平均年龄61．5岁。其中SCLC108例,NSCLC109例。提取患者764幅肺癌CT图像的灰度共生矩阵,选取对比度、熵、能量和逆差矩4个特征值,借助临床确诊结果,利用多层前向（BP）、径向基函数（RBF）人工神经网络对特征进行训练测试。结果BP人工神经网络对10％的78例样本进行测试,SCLC42例预测正确．NSCLC33例预测正确．3例预测失败。RBF神经网络对10％的78例测试样本进行测试,SCLC42例预测正确．NSCLC36例预测正确、类似方法对样本总数的70％进行训练,用30％的230例进行测试;BP人工神经网络有209例预测正确。正确率为90．9％：其中SCLC111例预测正确,正确检出率为88．8％;NSCLC98例预测正确,正确检出率为93.3％。RBF人工神经网络有216例预测正确．正确率为93．9％,其中SCLC117例预测正确,正确率为93．6％;NSCLC99例预测正确,止确检出率为94.3％。可见BP、RBF人1二神经网络对SCLC和NSCLC均具有90％以上的正确率,高于人工诊断结果。结论基于灰度共生矩阵的对比度、熵、能量和逆差矩4个特征值能反映SCLC和NSCLC的有效特征参量．通过人工神经网络能达到分类目的,辅助临床治疗。     

川崎病并冠状动脉损伤的QT间期离散度探讨

目的研究QT间期离散度(QTd)变化对川崎病并冠状动脉损伤的临床价值.方法对川崎病26例冠状动脉损伤组(CAD组)与31例无合并冠状动脉损伤组(NCAD组)患儿的QTd进行测量分析.结果 CAD组QTd、QTcd较NCAD组显著增大(p<0.01);QTd≥40ms与QTcd≥50,预测冠状动脉损伤的敏感性分别为90.5%与91.3%;特异性分别为80.6%与85.3%;阳性预测值分别为73.1%与80.1%.结论 QTd是预测川崎病合并冠状动脉损伤的一个无创而简便的指标.     

神经网络在诊断HRCT上孤立肺结节良恶性中的初步应用

目的探讨神经网络对高分瓣率CT上孤立性肺结节(solitary pulmonary nodule,SPN)的诊断性能.方法共收集孤立性肺结节145例,其中原发性肺癌86例,结核球18例,炎性结节29例,良性肿瘤12例,均经手术病理或CT导向经皮肺穿刺活检病理组织学证实以及2年以上临床治疗追踪确诊.观察5项临床指标和10项CT影像学指标,并对定性指标进行量化.从145个样本中随机选择70%左右的样本(103例)作为训练样本,建立BP神经网络诊断模型和Logistic回归模型.比较两种模型对所有样本的诊断正确率和R0C曲线下面积.结果BP神经网络的诊断正确率为98.6%,高于Logistic回归模型的正确率88.3%(P=0.0007);ROC曲线下面积分别为0.997±0.004和0.959±O.016,差异有统计学意义(P=0.009).结论利用神经网络诊断孤立性肺结节有良好的诊断性能,值得进一步探讨.     

川崎病合并冠状动脉损伤患者血液流变特性分析

目的:探讨川崎病合并冠状动脉损伤患者血液流变特性。方法:对我院20例川崎病合并冠状动脉损伤患者(冠状动脉损伤组)、25例川崎病无冠状动脉损伤患者(川崎病对照组)和28例健康体检者(正常对照组)的血液流变学检测指标进行比较分析。结果:冠状动脉损伤组全血粘度、血浆粘度、红细胞刚性指数等均显著高于对照组。HCT显著低于对照组。结论:检测血液流变性可作为川崎病合并冠状动脉损伤早期临床辅助诊断指标之一。