人工神经网络在临床药学中的应用

介绍人工神经网络的定义及发展简史,并介绍了人工神经网络中应用最广泛的网络模型—BP网络模型的基本原理。总结了人工神经网络在临床药学中的应用,包括应用于药代动力学、药效学、临床药物监测（TDM）等。     

肺结核病与气象因素关系的BP神经网络模型研究

目的 应用BP人工神经网络模型探讨气象因素对肺结核病发病影响,同时建立肺结核病与气象因素关系的BP神经网络模型.方法 利用Matlab 6.5的Statistics Neural Network软件对气象因素与肺结核病关系的BP人工神经网络模型进行构建、训练与模拟.结果 经过数据训练得出理想网络模型,肺结核病发病回代误差均方、平均误差率和R2分别为0.00713、0.82和0.9081,说明所得人工神经网络模型效果理想.通过对自变量对输出量贡献量分析表明,平均蒸发量对肺结核发病影响最大,平均气压亦有一定影响.结论 肺结核与气象因素关系的BP人工神经网络模型效果良好,有助于进一步研究的价值.     

人工神经网络辅助设计褪黑素缓释片处方

应用人工神经网络模型辅助设计褪黑素缓释片处方,将HPMC粘度、HPMC、MCC 和乳糖的量作为输入变量,累积释放百分率作为输出变量,选择反向传播网络,隐含层为1层,隐含层神经元个数为6,建立人工神经网络模型,预测和评价褪黑素缓释片体外释放度,研究缓释片的释放机理.结果显示,该人工神经网络模型能很好地预测褪黑素缓释片的释放量,成功优化褪黑素缓释片处方,其释放机理为溶蚀与扩散的结合,辅料的种类和量会对药物的释放机理产生不同影响.     

人工神经网络模型在肾移植患者西罗莫司个体化给药中的应用

目的:建立人工神经网络用于估算西罗莫司血药浓度的方法。方法:收集56例肾移植患者口服西罗莫司的182份全血浓度数据,采用遗传算法配合动量法优化网络参数,建立人工神经网络,并对测试数据进行处理,验证测试结果。结果:人工神经网络平均预测误差(MPE)与平均绝对误差(MAE)分别为(0.31±1.14)、(0.89±0.77)ng·mL-1,32例/次(88.9%)血药浓度数据绝对预测误差≤2.0ng·mL-1。人工神经网络模型准确性及精密度优于多元线性回归及非线性混合效应模型。结论:人工神经网络模型可用于预测西罗莫司血药浓度,指导个体化给药。     

应用人工神经网络—遗传算法优化多西紫杉醇微球制备工艺参数

目的优化多西紫杉醇壳聚糖微球的制备工艺参数。方法应用人工神经网络对微球制备工艺参数与考察指标之间的关系进行模型拟合,并结合遗传算法优化微球的制备工艺参数。结果模型参数优化结果为:壳聚糖浓度3.730 8%、乳化剂用量0.500 4 g、油水体积比1.843 3、药载比25.027 7、交联剂用量2.246 5 mL、搅拌乳化时间63.419 1 min、搅拌速率611.922 8 r.min1。考察指标预测结果是:微球的载药量43.653 8%、粒径8.168 5μm、跨距0.594 0。验证实验数据与网络模型优化结果基本吻合。结论应用人工神经网络建模结合遗传法寻优,可以实现多西紫杉醇壳聚糖微球制备工艺参数的优化。     

人工神经网络在半夏泻心汤配伍建模中的应用

目的 :应用BP人工神经网络 ,建立半夏泻心汤不同配伍与胃蛋白酶间的非线性映射模型。方法 :应用均匀设计表给出半夏泻心汤中药物及生姜共 8味药物不同配伍组合 ,共形成 2 4组 ,采用安宋氏法测定不同组别对正常大鼠胃蛋白酶活性的影响 ,应用MATLAB 6 .5进行编程 ,选用BP人工神经网络拟合实验数据 ,其中 2 1组作为学习样本 ,建立模型 ,另外 3组作为未学习样本 ,验证模型的预测能力。结果 :通过对 2 1组实验数据的学习 ,建立了拓扑结构为 8 10 1的BP网络模型 ,所建模型可以很好的拟合学习过的样本 ,并且可以很好地预测未学习过的样本 ,预测值和实际值之间的相关性系数r=0 .94 33。结论 :BP神经网络可以很好的拟合复方配伍中复杂的非线性关系 ,可以应用于复方配伍研究的建模。     

药物生物利用度遗传神经网络预测研究

目的对药物生物利用度进行遗传神经网络预测。方法将人工神经网络与遗传算法应用于药物生物利用度预测研究，提出了采用遗传算法对人工神经网络进行优化的网络模型建立方法，利用遗传算法对神经网络模型中的权重进行优化,同时运用遗传算法强大的搜寻功能,得到特定条件下模型的最优解。并以药物分子体积(V)、分子折射率(R)、脂水分配系数(lgP_C)、水合能(H)、分子极化度(P)、前线轨道能量E_HOMO和E_HOMO为网络输入参数，以药物的平均生物利用度为网络输出参数，建立了药物生物利用度遗传神经网络预测模型。结果经遗传算法优化的GA-BP神经网络模型对生物利用度的预测精度为95.9%。结论该模型可以用于药物生物利用度预测研究。     

基于神经网络的方法预测生物活性介质网络调控矽肺纤维化的研究

目的:探讨矽肺纤维化同生物活性介质之间的关系。方法:利用Delphi语言编制了BP人工神经网络模型计算机程序,建立并分析了矽肺胶原纤维预测的数学模型。结果:选定网络隐含层节点为9,初始权值阈值约为(-0.2,0.2),最大相对误差为4%,最小相对误差为0.2%。结论:应用神经网络具有较好的预测效果,可为临床医学研究提供一个很好的研究思路。     

介绍自组织人工神经网络方法与应用

介绍自组织人工神经网络方法与应用蔡煜东，许伟杰人工神经网络──Ｔ．Ｋｏｈｏｎｅｎ自组织模型人工神经网络（ＡＮＮ）是八十年代中期迅速兴起的一门非线性科学，它力图模拟人脑的一些基本特性，如自适应性、自组织性、容错性等，已在模式识别、数据处理及自动化控制等...     

人工神经网络和C&R决策树在慢性阻塞性肺疾病急性加重期患者诊断中的应用

目的:探讨人工神经网络技术和决策树在诊断慢性阻塞性肺疾病急性加重期(AECOPD)患者痰湿蕴肺和外寒内饮中的应用价值。方法:基于Clementine12.0软件的特征选择节点,临床筛选228例AECOPD痰湿蕴肺和外寒内饮患者的证候学调查和实验室检测,建立痰湿蕴肺和外寒内饮的人工神经网络以及决策树模型,将符合纳入标准的样本按3:1的比例分为训练集及测试集,其中训练集用于模型的建立,而测试集则用于模型正确率的验证。结果:采用多元Logistic回归分析的统计方法筛选出了咳嗽,咳痰以及神疲乏力等15项指标对模型构建具有重要的价值,多元Logistic回归分析正确率为77.19%。人工神经网络选用模型训练集诊断的正确率为84.746%,测试集诊断的正确率为91.89%。C&R决策树模型的正确率是93.51%,C&R决策树模型测试集诊断的正确率是87.84%。结论:人工神经网络以及C&R决策树模型能够诊断AECOPD患者痰湿蕴肺和外寒内饮证型,有助于促进证候的客观化神经网络模型的评价。     

BP人工神经网络用于芳香族化合物结构参数和大鼠LD_(50)构效关系研究

对结构参数采用主成分变换 ,再利用 BP人工神经网络 ,采用 L M算法作为迭代方法训练网络 ,预测检验集化合物的LD5 0 。结果显示 ,BP人工神经网络可以用于定量毒性构效关系研究 ,含隐层的 BP人工神经网络拟合能力明显优于传统方法 ,消除过度拟合后的多层 BP网络预测能力也好于传统方法 ,可以用于预测。     

人工神经网络在耐甲氧西林葡萄球菌感染患儿万古霉素个体化给药中的应用

目的建立人工神经网络模型用于估算耐甲氧西林葡萄球菌(MRS)感染患儿万古霉素稳态血药浓度,以指导个体化给药。方法收集100例MRS感染患儿静脉泵注万古霉素后的180例次稳态血药浓度数据和临床资料。将所有血药浓度数据和病例资料随机分成两组,训练组(n=150)采用遗传算法配合动量法训练后建立人工神经网络模型,另外建立多元线性回归模型;测试组(n=30)用建立的人工神经网络预测测试组患儿的血药浓度,通过计算平均预测误差(MPE)、权重残差(WRES)、平均绝对预测误差(MAE)、平均预测误差平方(MSE)和均方根预测误差(RMSE)来验证模型。结果人工神经网络MPE(0.33±1.86)mg·L-1,WRES(14.83±14.55)%,MAE(1.38±1.26)mg·L-1,MSE(3.45±5.32)(mg·L-1)2,RMSE 1.86 mg·L-1;人工神经网络模型有83%的血药浓度数据绝对预测误差<3.0 mg·L-1,而多元线性回归模型仅有53%。人工神经网络预测的准确度及精密度均优于多元线性回归模型。结论本研究建立的人工神经网络预测性能较好,可用于预测MRS感染患儿万古霉素稳态血药浓度以指导个体化给药。     

BP人工神经网络用于芳香族化合物结构参数和大鼠LD50构效关系研究

对结构参数采用语成分变换,再利用BP人工神经网络,采用LM算法人微言轻迭代方法训练网络,预测检验集化合物的LD50。结果显示,BP人工神经网络可以用于定量毒性构效关系研究,含隐层的BP人工神经网络拟合能力明显优于传统方法,消除过度拟合后的多层BP网络预测能力也好于传统方法,可以用于预测。     

人工神经网络在药物控释系统研究中的应用

目的介绍人工神经网络在药物控释系统研究中的应用.方法查阅相关文献,总结、归纳国内外人工神经网络在药物控释系统中的应用.结果人工神经网络能优化处方组成和工艺过程,使其在控释片剂、控释微粒以及透皮吸收中得到应用.结论人工神经网络在设计和开发药物控释系统中具有广阔的前景.     

头孢菌素类抗生素的定量构动关系

目的研究头孢菌素类抗生素的定量构动关系(QSPR)。方法应用半经验量子化学方法和误差反向传播人工神经网络方法。结果利用量子化学AM1算法计算了26种头孢菌素的18个结构参数,筛选与头孢菌素类抗生素药动学指标相关性较大的6个结构参数作为人工神经网络的输入参数,以头孢菌素类抗生素的5个药动学指标(t1/2α、t1/2β、AUC、C l和Vap)作为人工神经网络的输出参数,利用误差反向传播的神经网络构建头孢菌素类抗生素的QSPR模型。从26个头孢菌素类抗生素样本中,随机抽取了23个样本作为训练集,剩余的作为检验集来验证QSPR模型的预测效果。结论头孢菌素类抗生素的ELUMO、Diop、EH、LogP、M和HDO是影响其药动学指标的主要因素,所建立的QSPR模型能够有效地描述并预测头孢菌素类抗生素的药动学指标。     

人工神经网络预测HPMC缓释片中易溶性药物的释放

目的应用BP人工神经网络模型预测水溶性药物从HPMC缓释片中的释放。方法以6种不同溶解性的水溶性药物(对乙酰氨基酚、氧氟沙星、盐酸环丙沙星、乳酸左氧氟沙星、多索茶碱、氯苯那敏、维拉帕米)为模型药物,设计62个处方,其中前面55个处方作为训练处方,另外7个处方作为验证处方,压制HPMC缓释片,进行释放度检查。以溶解度、载药量、HPMC的量、HPMC的固有黏度、MCC的量、PVP的浓度和药物溶出仪的转速作为自变量,药物在各个取样时间点的累积释放量作为输出,建立BP人工神经网络模型,并与响应面法进行对照,通过线性回归法和相似因子法比较人工神经网络和响应面法的预测能力,借助三维图说明各个变量对药物释放的影响。结果线性回归和相似因子法表明人工神经网络较响应面法的预测值与实际测定值更吻合,更能充分地说明单因素对药物释放的影响规律。结论人工神经网络可以代替响应面法处理HPMC缓释片处方设计中的不同溶解度的水溶性药物的多因素多响应的非线性问题而且可以推广到别的制剂设计中。     

人工神经网络预测HPMC缓释片中易溶性药物的释放

目的应用BP人工神经网络模型预测水溶性药物从HPMC缓释片中的释放。方法以6种不同溶解性的水溶性药物(对乙酰氨基酚、氧氟沙星、盐酸环丙沙星、乳酸左氧氟沙星、多索茶碱、氯苯那敏、维拉帕米)为模型药物,设计62个处方,其中前面55个处方作为训练处方,另外7个处方作为验证处方,压制HPMC缓释片,进行释放度检查。以溶解度、载药量、HPMC的量、HPMC的固有黏度、MCC的量、PVP的浓度和药物溶出仪的转速作为自变量,药物在各个取样时间点的累积释放量作为输出,建立BP人工神经网络模型,并与响应面法进行对照,通过线性回归法和相似因子法比较人工神经网络和响应面法的预测能力,借助三维图说明各个变量对药物释放的影响。结果线性回归和相似因子法表明人工神经网络较响应面法的预测值与实际测定值更吻合,更能充分地说明单因素对药物释放的影响规律。结论人工神经网络可以代替响应面法处理HPMC缓释片处方设计中的不同溶解度的水溶性药物的多因素多响应的非线性问题而且可以推广到别的制剂设计中。     

人工神经网络预测别嘌醇HP MC缓释片药物释放

目的用人工神经网络模型定量的预测HPMC的量和其固有黏度对药物释放的影响。方法以难溶性药物别嘌醇为模型药物,固定其他因素,HPMC的量和HPMC的固有黏度作为自变量,设计了18个处方并进行释放度检查;其中的13个处方作为训练处方,其他5个处方为验证处方,将上述的变量作为人工神经的输入,以药物在各个取样时间点的释放为输出,采用剔除一点交叉验证法建立人工神经网络模型。通过线性回归和相似因子说明人工神经网络的预测能力。结果训练和验证处方人工神经网络预测值与实际测定相符。结论建立BP人工神经网络,根据HPMC的量和其固有黏度可以定量的预测药物在各个时间点的药物释放。     

人工神经网络在药物控释系统研究中的应用

目的　介绍人工神经网络在药物控释系统研究中的应用。方法　查阅相关文献,总结、归纳国内外人工神经网络在药物控释系统中的应用。结果　人工神经网络能优化处方组成和工艺过程,使其在控释片剂、控释微粒以及透皮吸收中得到应用。结论　人工神经网络在设计和开发药物控释系统中具有广阔的前景     

人工神经网络在药动学中的应用

目的：综述人工神经网络在药动学中的应用。方法：根据近年的文献资料，对人工神经网络在药动学中的应用进行综述。结果：人工神经网络能够从提供给它们的数据中学习建立输入与输出的关系，从而极大地简化了传统药动学数据分析所需的建模工作。结论：人工神经网络是一种极有潜力的药动学建模新方法。