3种预测模型在北京市西城区痢疾发病数预测中的应用与比较

目的探讨ARIMA季节乘积模型、温特斯法模型及多层感知器神经网络模型在痢疾预测中的应用。方法采集中国疾病预防控制信息系统中2005年1月-2012年12月报告的现住址为西城区的痢疾发病数。选择2012年9月前月发病数据进行建模拟合,应用拟合模型对2012年10月-12月的发病情况进行预测验证。结果应用训练样本构建的ARIMA(1,0,0)(0,1,1)12模型、温特斯法模型及多层感知器模型对原始数据拟合的平均绝对百分误差(MAPE)分别为21.06%、18.70%及25.51%,对2012年10-12月预测的MAPE分别为15.43%、26.67%、47.17%,模型预测能力有强到弱依次为ARIMA(1,0,0)(0,1,1)12温特斯法模型MLP神经网络模型。结论由于传染病的影响因素较复杂,应用历史数据构建模型进行预测是可行的。但应注意结合数据变动趋势选择合适的模型。本研究中,ARIMA乘积模型和温斯特法模型均适合痢疾的预测,可以为早期预警提供依据。     

起搏心电图的简明分析与判读

构建起搏心电图的简要分析步骤,明确需要分析的基本项目,并根据心肌组织生理性不应期与起搏器感知器不应期大致对应的心电图位置,快速判断起搏器的感知与起搏功能.     

基于感知器的临床疾病诊断模型

目的:建立临床诊断的数学模型。方法:构建感知器神经网络,以癌症诊断为例,对50例非癌症患者和100例癌症患者的腺苷三磷酸酶(ATP酶)和琥珀酸脱氢酶(SDH酶)活性2项指标分组进行训练和仿真诊断。结果:2个检测样本的诊断正确率分别为96%和97.33%。结论:可以用感知器神经网络建立临床的疾病诊断系统。     

应用人工神经网络模型优选心脏穿透伤急诊分类方法

目的 对心脏穿透伤(PCT)急救时可用的两种分类法(分型法、分期法)进行比较,优选出较为适用的急诊分类法.方法 应用人工神经网络(ANN)模型,模拟急诊室医师诊断PCT的临床思维过程,将急诊室医师所用的诊断依据作为网络模型输入变量,包括患者胸部受伤部位、到达急诊室时收缩压、心率、意识等临床特征;将分型法和分期法作为输出变量,通过多层感知器神经网络(MLP)模型分析PCT患者临床特征与其分型(分期)之间的映射关系,从而优选出准确率较高的分类法.结果 通过MLP建立的PCT分类模型以14→3→7三层网络结构为最优.训练样本中,临床分型法总准确率(84.8%)与临床分期法总准确率(93.7%)比较,差异无统计学意义(P>0.05);测试样本中,临床分型法总准确率(73.9%)与临床分期法总准确率(100.0%)比较,差异有统计学意义(P<0.05);保留样本中,临床分型法总准确率(67.7%)与临床分期法总准确率(93.5%)比较,差异有统计学意义(P<0.05).结论 心脏穿透伤急救时按临床分期法指导分类、救治,判断更为简便,准确率更高,值得临床推广应用.     

基于表面肌电信号的肘关节运动角度的提取

随着人口老龄化问题的越来越严重,医疗护理机器人的开发,今后将会有大量的需求,基于表面肌电信号的医疗护理机器人的开发将是其中的一个热点.本文提出了基于Bayesian正则化的多层感知器人工神经网络方法来提取人体肘关节运动角度,解决了普通神经网络对于表面肌电信号这一复杂亚高斯随机信号泛化能力不强的缺点,有助于将表面肌电信号的研究推向医疗护理机器人研发的实际应用阶段.     

基于贝叶斯网络的脑胶质瘤恶性高低度的自动诊断

贝叶斯网络（Bayesian Network）可以把统计学和图论有效地结合起来，近年来成为数据挖掘中的研究热点，其优点可以综合先验信息和样本信息，适于处理不完整数据集。本文采用280例病例作为训练数据，利用Bayesian network进行大脑胶质瘤高低度的自动诊断，利用严格的Bayes规则进行推理，在推理过程中采用了D分离来简化过程，其诊断正确率达到80％以上，达到了领域专家的要求，而且在可理解性方面要比多层感知器和决策树要好。     

综合多参数预测急性脑梗死预后的研究

目的 综合多参数预测急性脑梗死近期预后.方法 以2005年10月至2008年12月我院神经内科急性脑梗死住院患者共217例为研究对象,先对2005年10月至2007年3月期间收治的112例脑梗死患者用单因素Logistic回归筛选出20个影响脑梗死预后因素,然后对脑梗死患者数据进行多层感知器(MLP)神经网络训练并建立模型,再将后期105例脑梗死数据用于网络评价.结果 网络预测为良好与实际预后一致的有39例,敏感度为95.1%,网络预测为一般与实际预后一致的有27例,敏感度为87.1%,网络预测为差与实际预后一致的有32例,敏感度为96.9%,网络预测与实际结果具有较好的一致性(Kappa=0.899,P＜0.01).结论 应用神经网络综合多参数预测急性脑梗死预后有较高精度,值得进一步探讨.

Abstract：

Objective To predict the prognosis after acute cerebral infarction using a combination of indicators. Methods Two hundred and seventeen patients with acute cerebral infarction admitted from October 2005 to December 2008 were studied. Logistic regression analysis of the data from 112 of the patients admitted from October 2005 to March 2007 was used to select 20 indicators for study. The indicators were combined into prognostic indexes using a multi-layer perception (MLP) neural network (NN) model. Data on the subsequent 105 patients were usedto appraise the model. Results The agreement of the prediction results of the NN model with the real recovery observations was rated as "excellent" in 39 cases, "OK" in 27 and "bad" in 32. The sensitivities were 95.1%,87.1% and 96.9% respectively. On average, the differences between the predicted results with the NN model andthe real recovery were not significant. Conclusion The NN model delivered good precision in predicting the outcome of acute cerebral infarction and it is worthy of further investigation.     

基于脑电运动速度想象的单次识别研究

基于运动想象脑电节律活动的脑-机接口是脑-机接口系统研究中的重要范式之一。本研究给出一种基于运动速度想象的新的研究范式,探索在该研究范式下对运动速度想象具有反应性的脑电节律活动,并进行单次识别。采集了4个健康志愿者想象左手食指快速运动(4 Hz)和慢速运动(1 Hz)时的脑电信号,速度由节拍器定节奏和训练。通过能量谱分析,在C3、Cz和C4通道发现了对运动速度想象具有反应性的频带:9 Hz至13 Hz。提取通道C3、Cz和C4上9 Hz至13 Hz频带能量构建特征空间,分别利用Fisher判别分析和多层感知器神经网络进行运动速度想象的单次识别,对于左手食指快速运动和慢速运动想象,Fisher判别分析和多层感知器神经网络取得的平均误分类率分别是27.7±1.2%,28.4±4.6%,正确识别率均在70%以上。结果表明,尽管运动速度想象的单次识别是一个困难的挑战,但通过精心设计研究范式,适当训练被试,能够诱发出对速度起反应的特征频带,基于脑电单次识别运动速度想象是可行的,该研究可望能够为脑-机接口提供额外的新的速度控制参数。