应用人工神经网络法预测地高辛血药浓度

目的:探讨应用人工神经网络(ANN)预测地高辛血药浓度的效果和特点。方法:回顾性收集我院2008年3月-2010年3月长期口服地高辛患者的临床资料,其中84例为建模数据集,10例为验证数据集。采用反向传播人工神经网络(BPANN)法预测地高辛血药浓度,并与非线性混合效应模型(NONMEM)法预测结果进行比较,计算影响血药浓度各因素的平均影响值(MIV)并排序。结果:NONMEM和ANN法预测地高辛浓度值与测定值的相关性分别为0.851及0.946,各因素中患者血清肌酐、体重、年龄较其他因素MIV大。结论:ANN法可较好地处理各因素间复杂的关系,为血药浓度预测提供了一条有效思路。     

人工神经网络及其在公共卫生领域的应用

人工神经网络（ANN,简称神经网络）由于其具有高度的自适应性、非线性、善于处理复杂关系的特点,较传统统计方法具有很多优点,本文对其目前在公共卫生领域中的应用进行综述。     

人工神经网络在医学上的应用

近十几年来,人工神经网络(ArtificialNeuralNet-works,ANN)技术蓬勃发展。由于它具有自组织、自学习、自适应等多种优良而典型的特性,因而吸引了众多学科的关注,在信息科学、认知科学、机器人学、电子学、控制论等科学、工程技术领域获得了广泛应用,近年来也开始用于解决医学方面的问题,取得了引人注目的成果。现介绍如下:1　医学图像分析处理近年来,ANN在医学图像分析处理方面得到了广泛应用。例如,ANN用于涂片图像分析,可鉴别良性和恶性病灶〔1,2〕;用于乳房X线照片分析以诊断乳腺癌,灵敏度高达92%〔3〕;肺结核的诊断也因ANN而得到…     

BP神经网络模型的原理及在心理学领域的应用

人工神经网络（artificial neural networks，ANN）是一门涉及生物、电子、计算机、数学和物理等的交叉学科，它是机器模拟人脑智能活动的杰出代表。根据学习方法（算法）的不同，可以构成不同的网络。目前，已发展了几十种神经网络，例如连接型网络模型、玻尔茨曼机模型、多层感知机模型和自组织网络模型等。其中，应用最为广泛的是多层感知机神经网络，多层感知机神经网络的研究始于20世纪50年代，但一直进展不大。直到1985年，Rumelhart等人提出了误差反向传递学习算法（BP算法），才引起了人们的重视，掀起了研究神经网络的热潮。     

自组织神经树在定量药物设计中的应用

本文将自组织神经树应用于定量药物设计,所选研究实例中,识别成功率达100％,结果表明,该方法性能良好,可望成为定量药物设计的有效辅助手段。     

基于数据挖掘技术构建孤立性肺结节诊断模型

目的基于分类与回归决策树（CART）与人工神经网络（ANN）技术建立孤立性肺结节良恶性的诊断模型，探讨数据挖掘技术在孤立性肺结节影像学诊断中的应用。方法收集经病理学证实的58例孤立性肺结节（SPN）患者资料，分别提取12个临床指标和22个影像学指标作为鉴别SPN良恶性的输入指标，将各指标结果输入CART和ANN诊断模型。采用ROCKIT统计学软件绘制三组影像科医生、CART和ANN的受试者操作特征（ROC）曲线。结果CART对SPN良恶性诊断正确率最高，其次为ANN、高年资医生、中等年资医生和低年资医生。以上各组ROC曲线下面积分别为0．931、0．878、0．845、0．778和0．658。CART、ANN与高年资医生相比无显著性差异（P〉0．05）；但三组与中、低年资组医生相比有显著性差异（P〈0．05）；CART对SPN具有决策意义的诊断指标为年龄，其次为结节的毛刺征和咯血症状。结论数据挖掘的CART和ANN两种算法对评估孤立性肺结节的良恶性具有较高的准确性。     

应用人工神经网络预测ESWL单次治疗肾结石的成功率

目的:建立预测ESWL治疗肾结石成功率的人工神经网络,并转化为临床应用。方法:2008年1月～2010年2月接受ESWL治疗的肾结石患者325例,将治疗前的临床资料共10项(性别、尿路刺激症、血尿、肾绞痛、结石位置、结石患侧、年龄、体重指数、病程时间、结石大小)纳入预测参数,建立人工神经网络。绘制预测拟概率的ROC曲线,计算曲线下面积(area under curve,AUC),计算约登指数,结合临床要求,得到适宜的概率分界值。结果:人工神经网络得到预测参数重要性的前5位依次是结石大小、病程时间、血尿、结石位置、体重指数。ANN的AUC为0.856,95%可信区间为0.774～0.917,与AUC为0.5进行显著性检验,P<0.001。确定概率分界值为0.595时,ANN的敏感度和特异度达到较为理想状态,分别为92%和60%。结论:人工神经网络预测ESWL单次治疗肾结石成功率有较好的准确性,选择恰当的概率分界值,可提高人工神经网络的预测效能。     

人工神经网络在药学研究中的应用进展

目的 介绍人工神经网络(ANN)在药学研究中的应用进展。方法 以国内外大量代表性论为依据，进行归纳、分析和评价。结果 介绍人工神经网络(ANN)的概念、反向传播神经网络(BP)的原理和特点，详细阐述人工神经网络在药学研究中的应用进展。结论 人工神经网络在药学研究中具有广阔的应用前景。     

人工神经网络应用于骨架型缓释片处方设计

建立了一个设计二氢吡啶类钙拮抗剂骨架片的人工神经网络，该系统由输入层、隐含层、输出层组成，输入层有４个节点（药物的溶解度、骨架材料的水化速率和用量、表面活性剂的用量），隐含层有３个节点，输出层有３个节点（第２、４、６ｈ药物的释放量）。以卡波姆为骨架材料研究了该系统在设计硝苯地平与尼莫地平骨架片的可行性。结果表明：本网络能较好地模拟给定处方的药物释放情况     

肾综合征出血热发病率的ANN预测模型

目的 :探讨ANN时间序列预测模型在疾病发病率或死亡率预测上的应用前景。方法 :利用动态学习比率BP算法以双曲正切函数为功能函数的非线性时间序列预测方法。结果 :建立HFRS发病率的ANN预测模型 ,其预测精度高。结论 :BP人工神经网络可以用于疾病发病率或死亡率的预测