分阶段多准则立体定向放射治疗计划研究

立体定向放射治疗计划是X-刀放射治疗的重要组成部分。提出了一种分阶段多准则立体定向放射治疗计划理论，将优化过程分三个阶段。第一阶段利用线性规划法缩小解空间；第二阶段采用复形调优法以获得肿瘤区均匀且高的剂量分布；第三阶段采用有约束模拟退火法以获得符合临床实际的治疗效果。与三个优化阶段相对应的三个优化准则分别为：最大化肿瘤区与周围正常组织的积分剂量之差、肿瘤体积内均匀的剂量分布和基于放射生物学效应、符合临床实际的放射治疗统计模型、文中的实验结果也证实了上述理论的正确性。     

放射治疗计划的神经网络优化算法

本文针对常用的治疗计划线性规划法 ,首次提出了一种基于神经网络的优化算法。与传统方法相比 ,神经网络优化算法可以克服传统算法求解时出现的问题 ,具有很强的鲁棒性和非线性动态系统的特征 ,可以减小问题的规模 (待求的自由变量个数 )。文中的实验结果表明这种神经网络模型的正确性     

一个用于肝病诊断的连接主义专家系统

研究运用典型的神经网络模型—“反向传播（Ｂａｃｋｐｒｏｐａｇａｔｉｏｎ，简称ＢＰ）”模型构造了一个肝病诊断的专家系统。为了提高ＢＰ算法的学习效率，本研究对反向传播算法作了改进，效果十分明显。为使临床资料能够作为ＢＰ算法的输入数据，对临床资料作了数量化处理，相应地对ＢＰ网络输出层神经元的激励函数进行了修改。实例测试表明：神经网络方法可以作为专家系统进行疾病诊断     

基于神经网络的临床症状资料压缩和选择

从症状群集中挑选出鉴别诊断有意义的症状变量是一个值得研究的问题。本文提出了一种利用神经网络计算输入症关显著性的方法，该方法通过求解输出结点变量对输入特征的偏导数，得到每个症状的显著性度量，去除那些对鉴别诊断意义不大的症状，从而达到压缩和选择临床症状资料的目的。文中给出从生化指标中选择对临别癌症有意义的输入特征实例证实了这一方法的有效性。     

有约束模拟退火法优化3D立体定向放射治疗计划

采用线性规划法与改进的有约束模型退火法相结合优化Ｘ－刀产体定向放射治疗计划。第一阶段的线性规划法可以缩小解空间，以利于第二阶的有约束模拟退火法采用较小的权值修正粒度。