基于遗传算法优化的BP神经网络大肠癌证型分类

针对医学领域传统BP神经网络应用于诊断辅助构建模型过程存在的疾病输入特征维数繁多而导致网络训练时间长、效率低、诊断模型泛化能力弱等问题,提出了将基于遗传算法降维优化的BP神经网络（GABP）诊断模型用于大肠癌虚实证型的分类研究。利用遗传优化算法从大肠癌的28项体征输入指标中筛选出的10个指标作为GABP诊断模型的输入,并与传统的未经优化的BP诊断模型进行对比,发现优化后的神经网络模型建模所需时间由5.1844秒缩短至0.1976秒,虚证正判率由76.4567%提升至89.1809%,实证正判率由64.8441%提升至70.1170%。仿真结果表明,基于GABP的神经网络泛化能力更好,分类效果更佳,为大肠癌中医证型的临床判别提供了很好的计算机网络模型。     

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。     

基于混合编码的遗传算法在神经网络优化中的应用

提出了一种结合浮点数编码与二进制编码的混合编码遗传算法,该算法在同一条染色体上同时使用浮点数编码与二进制编码,有机结合了两者的优点,并与BP算法结合用于优化神经网络的结构和系数,获得具有更好泛化能力的神经网络.仿真实验结果证实了这种混合编码遗传算法的有效性和优越性能.     

基于BP神经网络和遗传算法优化茺蔚子水苏碱提取工艺的研究

【目的】优化茺蔚子中水苏碱的提取工艺。【方法】采用正交设计,应用误差反向后传（BP）人工神经网络建立茺蔚子水苏碱提取时间、乙醇浓度、料液比与盐酸水苏碱含量之间的关系模型,再结合遗传算法优化提取工艺参数。【结果】提取工艺优化参数为：提取时间62 min、乙醇浓度体积分数69%、料液比11倍,网络模型优化结果稍优于正交试验结果。【结论】 BP神经网络结合遗传算法寻优,能较好地实现茺蔚子水苏碱提取工艺参数的优化,可为解决多维非线性系统的工艺参数优化问题提供崭新而有效的途径。     

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...     

BP神经网络预测妊娠期糖尿病胎儿体重的研究

目的探讨BP神经网络预测妊娠期糖尿病（GDM）胎儿出生体重的价值。方法将306例足月、单胎、无妊娠其它合并症及并发症的GDM孕妇随机分为训练组（200例,男女胎儿分别为106例、94例）和验证组（106例,男女胎儿分别为56例、50例）。训练组分别选取不同参数构建3个神经网络：（1）孕妇参数法：包括孕妇体重指数（BMI）、腹围、宫高、孕期增加体重、空腹血糖（FBS）、餐后2 h血糖（PBS）、糖化血红蛋白（GHbA1c）等7项参数作为输入节点;（2）胎儿参数法：用胎儿的双顶径（BPD）、股骨长度（FL）、头围（HC）、腹围（AC）、腹径（AD）、股骨皮下脂肪厚度（FTSTT）、胎儿腹壁脂肪层厚度（FFL）等7项参数作为输入节点;（3）联合参数法：将孕妇及胎儿的参数作为输入节点。神经网络构建完成后以106例验证组来分别测试3种网络法的误差率和符合率。结果联合参数法准确率最高为86.20%,胎儿参数法为71.30%,孕妇参数法为64.50%。结论BP神经网络预测胎儿体重有很好的应用前景。选取合适的孕妇及胎儿参数建立网络可提高预测的准确性。     

临床医学中的神经网络技术

在临床上有许多疾病情况不能用单一的参数来进行判断 ,而是需要对多个临床病理表现 (症状、体征 )和检测指标进行综合分析后才能得出结论。因此 ,人们将人工神经网络 (ANN )这项新的分析工具引入了临床疾病的诊断与疗效预测。这项技术能够分析错综复杂的非线性数据集 ,由此而受到了临床医师的特别关注。本文主要介绍ANN技术的理论背景 ,同时探讨当代和将来这一技术在临床诊疗中可能的应用前景。1　人工神经网络的发展历史所有的人工神经网络都是一种神经元计算机模拟系统。人的大脑是由神经元网络体系构成的 ,感觉神经元通过感受器接受周…     

基于Word2vec与BP神经网络的病历症状自动分类研究

分别运用Word2vec和BP神经网络算法以及两者混合对300份长病历数据进行症状信息的分类抽取,旨在解决医学病历症状信息自动分类问题,结果表明采用两种方法混合处理能够得到更好的效果。     

BP神经网络在临床诊断中的应用与探讨

本文采用JavaNNS软件,以甲状腺疾病诊断为例,分析并提出在医学领域应用BP网络建立合理神经网络模型的一般原理和步骤,对医学领域正确地利用BP网络提供指导和参考。     

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.     

Combining Neural Network and Genetic Algorithm for Prediction of Lung Sounds

Recognition of lung sounds is an important goal in pulmonary medicine. In this work, we present a study for neural networks–genetic algorithm approach intended to aid in lung sound classification. Lung sound was captured from the chest wall of The subjects with different pulmonary diseases and also from the healthy subjects. Sound intervals with duration of 15–20 s were sampled from subjects. From each interval, full breath cycles were selected. Of each selected breath cycle, a 256-point Fourier Power Spectrum Density (PSD) was calculated. Total of 129 data values calculated by the spectral analysis are selected by genetic algorithm and applied to neural network. Multilayer perceptron (MLP) neural network employing backpropagation training algorithm was used to predict the presence or absence of adventitious sounds (wheeze and crackle). We used genetic algorithms to search for optimal structure and training parameters of neural network for a better predicting of lung sounds. This application resulted in designing of optimum network structure and, hence reducing the processing load and time.     

基于神经网络的非正常工况预报

分析了PTA生产中氧化反应器尾氧浓度的影响因素，提出一种用小波分析对数据进行降噪处理的方法。采用BP神经网络并对其进行了一定程度的改进。通过降噪前后的网络仿真结果对比，表明基于小波降噪的神经网络具有更好的精度和更强的泛化能力。用此网络预测尾氧浓度，实现了对非正常工况的预报。通过实际对比，表明该网络能够较理想地预报出非正常情况。     

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。     

基于卷积神经网络的智能医疗护理研究

为了提高智能医疗护理水平,减少护理工作量,节约医院成本。提出一种基于卷积神经网络的病人体态行为特征提取算法,该算法采用双网络模型设计,包括病人检测网络模型和病人体态行为特征提取模型,应用该算法到病人体态行为检测系统中,从而实现对病人的识别监控,提高智能医疗护理水平。最后,通过开源框架平台,对病人行为检测系统进行测试,实验结果表明,测试数据集合越大,病人体态行为特征提取精度越高,对病人体态行为类别的平均识别率97.6%,从而验证了系统的有效性和正确性。     

基于BP算法的住院天数神经网络建模研究

目的建立基于BP神经网络的住院天数拟合模型,并在已建立的神经网络模型的基础上,进行住院天数的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,并能帮助卫生管理决策者做出正确的决策和分析。方法利用SQL提取HIS数据,在Clementine 11．1中进行建模和预测,预测结果用SPSS 16．0进行假设检验。结果BP神经网络的拟合度和预测准确度分别为96．678％和86．67％,术前住院天数对射频消融术患者的住院天数影响最大。结论BP神经网络相埘其他传统统计方法而言,是比较适合于住院天数数据特征的建模方法。     

疾病关联网络的构建及其对并发症预测方法的研究

目的:通过基于Bert深度学习技术处理的电子病历数据构建疾病关联网络,使用链路预测技术对患者的并发症进行预测.方法:使用Bert-WWM模型进行命名实体识别,提取来自非结构化中文电子病历中的疾病诊断信息,使用关联规则挖掘技术计算疾病关联系数,在此基础上构建疾病关联网络.最后,使用链路预测,预测患者潜在的并发症.结果:通...     

小样本量大肠癌数据对BP神经网络准确度的影响探讨

采用二进制编码对数据进行量化,建立基于BP神经网络的大肠癌证型分类模型并分析其优势,探索8个证型的样本量对BP神经网络准确度的影响,通过删减较少样本的大肠癌证型得出样本量与准确度的量化关系。