人工智能在胰腺疾病诊断及治疗中的应用及展望

人工智能是计算机科学的一个分支,是一门新的技术科学。以强大的计算和学习能力而广泛应用于临床实践的各个领域。本文回顾了人工智能在胰腺疾病诊断及治疗中的应用,特别是在急性胰腺炎的严重程度及预后评估、胰腺癌的诊断和预后等方面。然而人工智能是以“大数据”为基础的,多中心数据库的建立仍需要我们进一步努力。此外,随着人工胰腺在糖尿病应用中的普及,人机关系在医疗实践中占的比重也会越来越大。人工智能技术将会给临床诊疗活动带来更多的便利。     

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。     

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.     

人工神经网络在中医药领域中的应用进展

人工神经网络在中医药的研究工作中得到了广泛应用。通过分析和介绍人工神经网络在中医药领域多个方面的一些具体应用实例,指出在多因素、多水平、非线性同时优化问题大量存在的中医药研究领域,人工神经网络必将得到更加广泛的应用。     

基于人工神经网络模型的鼻咽癌VMAT计划质量控制方法

目的训练放疗计划个体化三维剂量预测模型,并使用该模型建立计划质量控制方法。方法回顾性分析99例已临床实施的早期鼻咽癌同步加量容积旋转调强放疗(VMAT)计划,提取7个几何特征,包括各危及器官(OARs)到PTV、加量靶区和外轮廓的最小距离,及4个坐标位置关系特征。训练(89例)并验证(10例)基于人工神经网络(ANN)的三维剂量分布预测模型;然后基于该预测模型建立放疗计划质量控制方法。以各危及器官剂量学参数D2%、D25%、D50%、D75%和平均剂量(MD)为质量控制指标,通过标准为人工计划和预测剂量差别≤10%。采用由低年资物理师设计的10例计划,对该质量控制方法进行测试。结果18个头颈部OARs的主要剂量学指标,预测剂量与专家计划结果差异无统计学意义。剂量预测结果与专家计划相比,D2%、D25%、D50%、D75%和平均剂量(MD)的差别均控制在1.2 Gy以内。由低年资物理师设计的10例计划均达到常规临床剂量限值的要求,而利用建立的质量控制方法检出1例计划的脊髓、脊髓危及器官的计划体积(PRV)、脑干和脑干PRV剂量限制有待改善。根据模型预测值重新优化计划后,脊髓和脑干D2%分别降低了8.4和5.8 Gy。结论提出了一种简单易行的放疗计划质量控制方法,能克服统一性剂量限值未考虑患者特异性的缺陷,可提高个体化计划质量和稳定性。     

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