基于BP神经网络和支持向量机的荨麻疹证候分类探讨

从知网、万方、维普等数据库中收集临床中医治疗荨麻疹有效的案例资料,基于BP神经网络和支持向量机模型探讨构建荨麻疹证候分类模型,并比较分析两种证候分类模型的精确度。结果显示,BP神经网络证候分类模型测试的准确率为83.13%,支持向量机证候分类模型测试准确率为92.3%,支持向量机证候分类模型的精确度高于BP神经网络证候分类模型。提示利用BP神经网络与支持向量机分类器进行荨麻疹证候分类均可取得较好的结果。但因本研究尚处在理论模型探讨阶段,故其准确度仍需更大的样本量及智能优化算法等以进一步提高。     

基于BP神经网络的脑血管疾病院内感染风险预测模型研究

目的 采用BP神经网络构建脑血管疾病院内感染预测模型,对患者发生院内感染的风险作出评判,加强脑血管疾病院内感染防控管理.方法 收集整理桂林市中医医院2014年脑病科892例患者院内感染数据,采用主成分分析法选取具有代表性的指标并予以赋值,依指标集构建基于BP神经网络的脑血管疾病院内感染风险评估模型,通过一定数量样本的训练和测试,以检验模型可靠性和准确性.结果 选取200例患者作为样本对神经网络进行测试,未发生院内感染病例预测准确174例,准确率89.2%;发生院内感染病例预测准确5例,准确率100%.结论 BP神经网络风险评估模型对预防脑血管疾病院内感染有着积极的意义,可较好的提前预测院内感染发生风险,为感染防控提供有效的依据.     

轻度认知功能障碍患者预后情况的评估预测模型

目的 通过数学方法建立轻度认知功能障碍患者24个月预后的判别评估模型.方法 通过对152例轻度认知功能障碍患者的27项临床指标的分析,分别运用贝叶斯判别分析、决策树、BP神经网络、模糊C均值聚类及K均值聚类进行评估预测,选择准确率较高的判别模型.结果 通过差异性检验,根据P＜0.01共筛选出6项指标,建立5种评估预测模型,经过100次随机抽样诊断模拟,得到贝叶斯判别分析在轻度认知功能障碍患者预后评估的平均正确率达74.86％,最高正确率达到84.21％.结论 本研究建立的数学模型能提高轻度认知功能障碍患者24个月预后的评估准确率.     

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。     

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...     

基于卷积神经网络的溃疡性结肠炎证候预测模型研究

目的：基于卷积神经网络建立溃疡性结肠炎证候预测模型,为研究该病种中医临床诊治提供依据。方法：收集北京中医药大学东方医院临床诊断为“溃疡性结肠炎”的9 186例患者的电子病历,利用卷积神经网络和循环神经网络分别构建基于刻下症的证候分类模型,然后利用该模型对测试集进行6种证型诊断分类预测,同时验证其准确性。结果：卷积神经网络的证型预测准确率为88%、召回率为88%,F1值为0.88,循环神经网络的准确率和召回率均为86%,F1值为0.86。结论：卷积神经网络在进行分类预测方面的表现要略优于循环神经网络,而且从时间成本来看具有更好的实用性。该模型不仅为中医临床治疗溃疡性结肠炎辨证规律的研究提供了有益的参考,也是中医治疗溃疡性结肠炎辅助决策系统构建的关键环节。     

数据挖掘技术在肝癌术后预测分析中的应用初探

目的：考察数据挖掘技术对肝癌患者术后预测的效果。方法：采用数据挖掘技术中的神经网络方法在SAS软件上构建神经网络模型。利用该模型分析我校东方肝胆外科医院1990年1月1日入院至1995年12月31日出院的1457例肝癌患者的临床资料，检测其对肝癌患者术后复发的预测准确率。结果：从56个指标中筛选出有统计学意义的11个指标进入模型，经适当训练后在验证集和测试集上预测准确率均在80％以上。结论：数据挖掘技术可应用于肝癌术后预测分析，效果较为理想。在应用数据掺掘技术时应采用较大样本，同时还应根据资料类型选用适当的方法，反复尝试。     

融合影像、神经认知评价和生物标志等多模态数据预测阿尔兹海默症进展阶段及转化

目的：研究如何整合并优化影像、神经认知评价和生物标志测量等多来源多模态数据以提高阿尔兹海默症（Alzheimer disease,AD）发展阶段和转化的分类预测准确率。方法：基于阿尔兹海默症影像计划（Alzheimer’s disease neuroimaging initiative,ADNI）2004—2018年4个阶段的样本数据,包括从核磁共振成像（magnetic resonance imaging,MRI）影像数据提取的脑图像特征数据、神经认知量表（简易精神状态测量量表和ADAS-Cog13量表）数据、生物标志测量数据（Abeta、Tau和p-Tau蛋白及ApoE4基因型）。基于783个样本的基线数据建立二分类和多分类Logistic回归模型用于疾病发展阶段的两两和同时分类预测。基于具有轻度认知障碍（mild cognitive impairment,MCI）状态的352个样本的纵向数据建立二分类Logistic回归模型并用于转化状态的分类预测。将脑图像特征变量、量表数据和生物标志加入到基准模型中,通过交叉验证方法随机划分数据集,并计算准确率、查准率、召回率、F1得分和ROC...     

基于机器学习的重症股骨颈骨折患者死亡风险预测模型构建和验证

目的采用机器学习方法,构建重症股骨颈患者院内死亡预测模型,辅助临床医生尽早进行临床决策。方法使用公开数据库——重症监护医疗信息市场(Medical Information Mart for Intensive Care, MIMIC)Ⅲ中入住ICU的股骨颈骨折患者信息进行回顾性分析。采用SMOTE算法平衡数据集后,按7：3随机划分训练集和验证集。以患者发生院内死亡作为结局,分别构建随机森林、XGBoost和BP神经网络预测模型。模型性能通过受试者工作特征曲线下面积(area under the receiver operating characteristic curve, AUROC)、准确率、精确率、灵敏度和特异度进行评估,并与传统Logistic模型对比验证模型的预测价值。结果共纳入366例股骨颈骨折患者,其中院内死亡48例。按死亡组：生存组=1：1平衡数据集后共获得636例患者数据。3种机器学习模型具有较高的预测准确性,随机森林、XGBoost和BP神经网络的AUC分别为0.98、0,97和0.95,预测性能均高于传统Logistic回归模型。对特征变量重要性进行排序,得到对预测患者院内死亡风险有意义的前10个特征变量为: 维生素D、乳酸脱氢酶、肌酐、SAPSⅡ评分、血清钙、入住ICU时长、白细胞、年龄、BMI和肌酸激酶。结论使用机器学习构建的死亡风险评估模型对预测重症患者的院内死亡有着积极的意义,并为减少院内死亡,改善患者预后提供有效的依据。     

基于深度LSTM神经网络的在线消费评论情感分类研究

目的：探索深度神经网络在情感分类方面的应用。方法：采用长短型记忆神经网络构造在线消费评论情感的分类器,对收集的消费评论进行二分类的情感分析。结果：LSTM模型的准确率为89.29%,优于实验对照SVM模型的86.10%,深度神经网络模型在本文的情感分类中的准确率较高。结论：使用深度神经网络对消费评论的情感进行分类,可减少人工特征的干预,提高在线消费评论情感分类的效率。     

基于PSO-XGBoost机器学习模型的中老年人PCNL术后结石残留预测研究

目的：基于粒子群优化算法（PSO）的XGBoost模型（PSO-XGBoost）预测中老年患者经皮肾镜碎石术（PCNL）后的泌尿系统结石残留情况。方法：选取2014年1月至2018年12月在某三级甲等医院接受PCNL治疗的596例中老年肾结石患者为研究对象。将数据集按7:3的比例随机分为训练集和测试集,建立PSO-XGBoost模型,以准确度、精准度、召回率、F1值和ROC曲线下面积（AUC）等指标评估模型性能。结果：PSO-XGBoost模型预测PCNL术后泌尿系统结石残留的准确度、精准度、召回率、F1值和AUC均优于支持向量机、近邻算法、决策树和BP神经网络模型。结论：PSO-XGBoost模型可更快、更准确地预测中老年患者PCNL术后是否有泌尿系统结石残留,为制定术后个性化治疗、护理方案提供参考。     

虚拟现实技术在阿尔茨海默病患者认知功能评估中的应用进展

随着人口老龄化,阿尔茨海默病（Alzheimer''s disease,AD）等神经退行性疾病的发病率逐年攀升。认知功能损害和神经精神行为异常是AD的典型症状。认知功能损害主要表现为记忆力、逻辑思维能力、语言能力、执行能力和注意力下降;神经精神行为症状主要包括抑郁、欣快、淡漠等。以上症状可严重影响患者日常生活能力和生活质量。目前AD是无法治愈的,因此早发现、早诊断、早治疗对延缓患者病程的进展、提高患者生活质量、减少照料者和社会的负担有重要意义。目前针对AD的认知评估主要通过神经心理量表测试,但该方法有许多弊端。本文重点介绍基于虚拟现实技术（virtual reality,VR）认知评估的最新进展,旨在为家庭或临床环境提供更可靠的诊断。     

糖尿病足患者预后预测相关模型研究

目的：比较BP神经网络模型（backpropagation,BP）、遗传算法优化的BP神经网络模型（BPneuralnetworkmodeltrainedwithgeneticalgorithm,GA-BP）、COX比例风险模型在糖尿病足患者截肢及生存预后的预测效果,选择最优预测模型。方法：收集重庆医科大学附属第一医院2014年1月至2016年1月收治的273例糖尿病足患者住院资料,采用电话随访的形式对患者随访至2016年12月。建立BP神经网络模型、遗传算法优化的BP神经网络模型、COX比例风险模型,以ROC曲线下面积大小,灵敏度、特异度等值判断3种模型在糖尿病足患者截肢及生存预后中的预测效果。结果：结局分别为截肢及死亡时,BP神经网络模型（截肢：χ2=7.692,P=0.005;死亡：χ2=12.071,P=0.000）和遗传算法优化的BP神经网络模型（截肢：χ2=10.083,P=0.001;死亡：χ2=12.071,P=0.000）的预测性能均优于COX比例风险模型,而BP神经网络模型和遗传算法优化的BP神经网络模型的预测结果间差异均无统计学意义（截肢：χ2=0.200,P=1.000;死亡：χ2=0.000,P=1.000）。结论：BP神经网络模型及遗传算法优化的BP神经网络模型均可应用于糖尿病足等慢性疾病的生存预后分析。     

机器学习在调强放疗计划剂量验证中的作用

目的：探讨机器学习对调强放疗计划剂量验证中的作用。方法：选取2019年3月至2020年8月在温州医科大学附属第一医院接受双弧容积调强放射治疗（VMAT）的141例患者，提取调强计划的13个复杂度参数并收集不同条件下的伽玛通过率（GPR），将数据按照7:3随机划分为训练集与测试集。通过Pearson相关性分析和套索回归（LASSO）筛选参数，利用支持向量机的机器学习方法进行建模，对GPR分别进行数值和分类预测。均方根误差（RMSE）和平均绝对误差（MAE）用来评估模型数值预测的准确性，曲线下面积（AUC）用来评估模型分类的准确性。结果：在GPR数值预测中，在3%/3 mm、3%/2 mm、2%/2 mm条件下，测试集中RMSE分别为2.22、3.51、4.59；MAE分别为1.56、2.68、3.67。在GPR分类预测中，在3%/3 mm、3%/2 mm、2%/2 mm条件下测试集的AUC结果分别0.79、0.78、0.77。结论：基于机器学习对调强放疗计划进行剂量验证具有一定的临床应用价值，为质量保证提供了一种新思路。     

遗传算法优化BP神经网络的老年痴呆症智能诊断

为了提高BP神经网络对疾病诊断的效率和预测准确率,提出一种遗传算法优化BP神经网络的老年痴呆症智能诊断模型,并以医院电子病历数据挖掘为例,对老年痴呆症诊断建立预测模型。该方法首先利用遗传算法的搜索寻优技术进行特征约简,然后将约简后的特征作为BP神经网络的输入变量,训练和构建BP神经网络模型。仿真实验在Matlab软件平台上进行,结果表明：与单BP神经网络相比,遗传算法优化BP神经网络能够降低模型训练时间、提高预测精度,是一种切实可行的老年痴呆症辅助诊断方法。     

计算机化神经认知评估工具预测老年患者早期术后认知功能障碍的价值

目的 探讨计算机化神经认知评估工具预测老年患者早期术后认知功能障碍(POCD)的价值。方法 选择2021年7月至2022年7月安徽医科大学第二附属医院骨科行初次单侧髋关节置换的65～85岁患者70例，于术前1 d和术后一周进行神经心理学测试和计算机化测试。神经心理学的测试内容包括简易智力量表(MMSE)、修订韦氏记忆量表和连线测试。计算机化神经认知评估工具主要包括诱饵辨别指数(LDI)和识别记忆分数(REC)。根据Z计分法判定是否发生POCD,进一步将患者分为POCD组(n=16)和非POCD组(n=54),借助受试者工作特征曲线(ROC)分析LDI和REC值预测及筛查早期POCD的效能。结果 POCD组术前术后LDI均明显低于非POCD组(P<0.05),POCD组术后REC明显低于非POCD组(P<0.05)。POCD组术前计算机化神经认知评估工具诊断的准确率为67.2%,截断值为0.1567,敏感度为87.5%,特异度为44.4%,约登指数为0.319;POCD组术后计算机化神经认知评估工具诊断的准确率为69.8%,截断值为0.0917,敏感度为81.3%,特异度为5...     

基于深度学习特征的乳腺肿瘤分类模型评估

目的本文结合深度学习特征（DF）和传统图像特征（HCF）特点,利用多分类器融合的方法建立一个乳腺肿瘤分类模型,并 深入评估和分析不同深度学习网络特征的肿瘤分类性能。方法回顾性分析106例乳腺肿瘤患者的头尾位和内外倾斜位投影 的全数字乳腺成像数据。首先从肿瘤区域提取23维HCF（12维形态及11维纹理特征）,用t检验进行显著性特征选择;然后分别 从3 个卷积神经网络模型提取不同维度DF,在实验中,3 个不同深度学习网络产生了相应DF,分别是AlexNet,VGG16 和 GoogLeNet;最后结合2个投影数据的DF和HCF,采用多分类器的融合模型对特征进行训练和测试,实验重点分析不同DF在 肿瘤分类上的性能。结果结合DF和HCF建立的分类模型比使用单独HCF的分类模型表现出更好的性能;相比于其它网络框 架,DFAlexNet和HCF的结合表现出更高精度的分类结果。结论结合DF和HCF的特征方法建立一个分类模型,对于良恶性乳腺 肿瘤具有优秀的鉴别能力,且泛化能力更强,能作为临床辅助诊断工具。     

基于卷积神经网络的脑卒中中医辨证分型舌象分类研究

目的 通过卷积神经网络学习脑卒中中医辨证分型与中医舌象特征分类的关系,为探索新的脑卒中临床标准化治疗方法提供诊断依据。方法 本研究选取284名脑卒中患者作为研究对象,通过迁移学习微调改进DenseNet201用于特征向量的提取,使用信息增益、卡方检验、对称不确定性与ReliefF滤波算法并组合去重以选择特征向量,最后利用Cubic SVM形成交叉数据集在多种分类器上进行训练和测试,比较模型的准确性。结果 试验结果表明,组合的四类特征提取算法使得准确率高于基础结果的3.26%,Cubic SVM分类器相对于其他分类器以及未改进的DenseNet201取得了最优结果,可以在脑卒中中医舌象辨证分型中提供至少为95.74%的准确率。结论 本研究提出的TCM舌象分类模型的方法结构是有效的,可辅助临床中医师进行诊断治疗,值得临床推广和进一步深入研究。     

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。     

基于集成神经网络的类风湿关节炎中医证候分类研究

目的 针对基于AI技术的类风湿关节炎（RA）中医证候多标签分类中存在标签关联性差、泛化性能低等问题,提出构建一种集成神经网络模型来实现RA中医证候分类,并探究其中的特征重要性和风险因素,为RA的诊断和治疗提供参考。方法 本文提出一种集成神经网络模型实现RA中医证候分类。该模型采用一种基于多层神经网络的基分类器提取临床RA多标签样本的深层特征,增强RA特征区分度,根据协方差理论衡量标签相关性,调节分类器链的输入空间,减少RA错误信息传播和冗余度,采用集成学习方法减小分类器链中不合理标签序列对RA特征分类的影响。结果 该模型在10折交叉验证性能参数中表现出优秀的性能,其中汉明损失、1-错误率、准确率和F1值分别为0.0036、0.0248、97.52%、99.18%。与其他常用多标签分类器相比,该模型的性能更为优秀具有更好的分类性能。此外,本文分析了RA中医证候特征重要性,并挖掘了潜在的风险因素。结论 基于集成神经网络模型的RA中医证候分类器具有较高的分类精度和效率,对于RA的临床诊断和治疗具有重要参考价值。