Captek基底对烤瓷修复体颜色影响的实验研究

目的:研究Captek基底对烤瓷修复体颜色的影响.方法:采用CIE1976L*a*b*比色系统比较了Captek、贵金属合金、镍铬合金3种基底合金对烤瓷修复体颜色的影响,采用两种瓷粉(Ivoclar瓷粉,Ceramco瓷粉)制作的无基底的全层瓷片做对照组.结果:使用Ivoclar瓷粉3个实验组与对照组色差值分别为:(0.78±0.26),(0.69±0.25),(1.30± 0.31);使用Ceramco瓷粉3个实验组与对照组色差值分别为:(1.43±0.78),(1.29±0.78),(4.18±1.37).ΔECaptek/Ni-Cr,ΔENi-Cr/Pentron Bio86均大于1.5NBS.结论:Captek基底对烤瓷修复体颜色无影响,可以较理想地复现选定的颜色.     

基于BP神经网络的老年男性保健人群缺血性心脑血管病预测模型研究

目的建立基于BP神经网络的老年男性保健人群缺血性心脑血管病(ischemic cardiovascular disease,ICVD)的发病预测模型。方法以某保健医院所有老年男性保健对象2003年5月的体检资料为基线数据,剔除基线前已患有ICVD者。收集历年住院资料、问卷调查资料、电话回访资料,观察截止到2010年10月的ICVD发病及死亡情况。按照4∶1的比例将基线人群划分为训练组和测试组,利用MATLAB 7.0软件的神经网络工具箱构建训练组的BP神经网络模型,用测试组加以验证,并与传统的COX比例风险回归模型进行比较。结果 BP人工神经网络模型的判别能力、群体水平的预测能力方面优于COX比例风险回归模型。结论利用BP神经网络进行疾病预测,能获得更好的预测效果,并且对资料的类型、分布不作任何要求,是一种较好的疾病预测方法。     

减少烤瓷牙与真实牙色差的临床体会

目的通过对烤瓷牙修复中临床比色的改进和在制作中运用不透明瓷粉与明度瓷粉,避免烤瓷牙在口腔中与真实牙的色差,以达到患者满意的修复效果。方法选择上颌右1缺损病例28例,临床运用NCC比色,制作中运用松风瓷粉,制作完成后在患者口腔中试戴,观察与邻牙的色差。结果28例临床运用NCC比色,制作中运用不透明瓷粉与明度瓷粉制作的烤瓷修复体,25例与真实牙色差较小,患者满意。2例色差小,比真实牙稍白,患者基本满意。1例色差较大,比真实牙稍偏黄绿色,患者不满意。结论初步研究表明良好比色以及效果瓷粉的正确运用可以获得良好的烤瓷修复效果,使修复体与邻牙的色差对比不明显。     

基于神经网络优化模型的中药复方安慰剂配色模拟研究

目的 构建粒子群反向传播(Particle swarm optimization-back propagation, PSO-BP)神经网络对中药复方颗粒剂安慰剂制备着色剂的用量进行预测,为中药复方颗粒剂安慰剂颜色的模拟提供一种新思路。方法 运用BP神经网络建立样品颜色参数L、a~*、b~*与色素质量分数的模型,利用粒子群算法的全局搜索能力优化BP神经网络权重和偏置,防止模型出现局部最小值,再采用线性降低权系数法和引入变异算子提高粒子群算法的全局寻优能力;以颜色综合评价指标(ΔE)为客观评价标准,验证试验结果。结果 训练结果表明,改进的PSO-BP神经网络拟合精度最高达到98.31%;预测结果表明,改进的PSO-BP神经网络的预测误差最小,平均绝对百分比误差(MAPE)、均方根误差(RMSE)和平均色差(ΔE)分别为0.411 5、2.164 6、2.56;制备3种颗粒的验证样品进行验证,验证样品与模型药物的ΔE分别为1.73、2.63、4.11,肉眼直观评价其中两组与模型药物色差较小。结论 基于改进粒子群优化算法的BP神经网络可模拟中药复方颗粒剂安慰剂制备着色剂用量预测,可作为安慰剂...     

基于BP神经网络的骨折愈合强度仿真初探

目的 探索用BP神经网络建立应力刺激与愈合骨强度之间的关系模型,为临床上准确预测骨折愈合程度提供理论基础。方法 将兔双侧胫骨干横形截骨后,分别以应力松弛接骨板和传统坚硬接骨板固定,观察术后2～48周应力遮挡率和愈合骨弯曲强度变化。构造BP神经网络模型,用应力松弛接骨板组的实验数据进行训练,然后用训练好的网络对两组实验进行仿真,根据骨折部位的应力预测愈合骨强度。结果 当输入已学习过的样本时,该模型能够准确地预测出愈合骨强度随应力的变化曲线,但对未学习过的样本,模型的预测误差较大。结论 BP神经网络可用来定量地研究各种因素对骨折愈合的影响,预测骨愈合程度,但仍需要进一步完善以提高其预测的准确性。     

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。     

纯钛基底和多次烧结对遮色瓷颜色的影响

目的研究纯钛基底和多次烧结对3种遮色瓷颜色的影响。方法制作A1、A3、B1色Ti-22,Duceratin Kiss和自制GG遮色瓷的钛瓷试件及遮色瓷烧结体。采用色差计测量色度值L*a*b*并计算钛瓷试件与遮色瓷烧结体的色差,以及钛瓷试件多次烧结后与第一次的色差。利用SPSS17.0软件包对色差进行统计分析。结果Duceratin Kiss熔附纯钛基底后色差值均大于临床可接受阈值,且显著大于其余2种遮色瓷(P <0.05)。Duceratin Kiss钛瓷试件多次烧结后色差Eab*最小;Ti-22钛瓷试件的色差较大;GG钛瓷试件色差位于上述两者之间。结论纯钛基底对遮色瓷颜色的影响与瓷粉种类和色号有关。多次烧结后Ti-22遮色瓷色差变化大于临床可接受阈值。     

高阶前馈神经网络在区域环境质量评价中的应用研究

目的 探索高阶前馈神经网络模型特性，将其应用于区域环境质量评价。方法 通过在多层前馈神经网络中增加高阶连接权建立高阶前馈神经网络模型，用此模型研究区域环境质量评价，并与传统BP网络的应用结果进行对比。结果 高阶前馈神经网络模型应用于区域环境质量评价时，其性能指标优于传统BP网络。结论 高阶前馈神经网络模型的优良特性为区域环境质量评价提供了新的有效途径。     

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...