首页 > 文献资料
-
炭疽病的诊断及危险度预测智能模型研究
目的 建立以临床和流行病学指标为基本分析因子的综合诊断及预测炭疽危害程度的智能预测模型,提高对炭疽病发生的认识和判断能力.方法 根据实际疾病案例资料,分析临床症状、实验室检测指标、流行病学特征等因素.选入明显影响炭疽诊断和流行强度的指标,并将其作为神经元单位.利用Matlab 6.1软件中的神经网络工具箱训练、调整和建立智能化分析系统.结果 多因素相关分析显示,疾病潜伏期、胸部X线检验结果、镜检结果、职业特征等11项指标与炭疽病的诊断和流行强度有关;神经网络经500步学习和训练,训练误差从6.669 59下降至5.051 19×10-11,通过建立的智能神经网络模型对炭疽和非炭疽实际案例进行诊断和预测分析,其平均符合率达到100%.结论 人工神经网络在疾病综合特征与炭疽诊断和危害度预测之间建模是可行的,所训练的智能模型预测平均符合率达100%,有很好的实际应用价值.
-
应用反向传播神经网络分析子宫肌瘤危险因素
目的 评价反向传播(back propagation,BP)神经网络模型在子宫肌瘤危险因素分析中的应用价值.方法 采用分层随机抽样的方法对沈阳地区.1260名妇女的子宫肌瘤患病状况进行问卷调查,对113例子宫肌瘤病例采用1:2配比病例对照研究,利用MATLAB 6.5软件的神经网络工具箱构建BP神经网络模型,训练与模拟网络,分析子宫肌瘤各种可能危险因素的平均影响值(meanimportant value,MIV),并与多因素条件logistic回归模型的分析结果相比较,用对数线性模型分析因子间的交互作用.结果 BP神经网络分析结果显示,影响子宫肌瘤发病主要危险因素为月经初潮年龄延迟、母亲或姐妹患子宫肌瘤、宫颈炎、月经紊乱、人工流产史、盆腔炎、口服避孕药、阴道炎,其对应的MIV值分别为-0.0405、0.0361、0.0162、0.0143、0.0135、0.0117、0.0094、0.0087;比较BP神经网络输出的MIV与多因素条件logistic回归分析结果,发现两者主要发病危险因素排列顺序基本一致,但存在一些差异,经对数线性模型分析发现人工流产史可能是子宫肌瘤发病的一个重要的协同变量.结论 与传统数学模型相比,BP神经网络能较好地处理数据协变量间的交互作用,是一种很好的危险因素分析方法.
-
基于MFB-P算法的中医证型的神经网络模型初探
如何从中医学大量现象学描述中寻找其内在规律,是证的规范化研究之热点和难点.以往多采用统计学方法,但效果不够理想.神经网络作为一种智能信息处理系统,能够充分逼近任意复杂的非线性关系,获得样本数据的规则,较好避免数据处理中可能掺杂的主观因素,客观如实地反映研究对象.本文即采用一种基于MFBP算法的神经网络,以临床调查资料为研究对象,对具体一病的证型进行了规则提取研究,并从其解决实际问题的能力对网络的性能作出评价.研究结果表明,神经网络有较好获取数据规则的能力,如何在原始数据的基础上有效的表示知识、控制输入信息是决定网络性能优劣
-
基于ART2神经网络的基因表达数据分析
随着分子生物技术研究的进展,大量新基因的发现导致传统对基因表达数据分析的技术与手段已经不能满足现实的需要,如何选择有效的工具对基因表达数据进行正确有效地分析,并使分析的结果符合数据所反映的生物特性与规律,是基因表达数据分析领域所面临的一个重要问题.
-
模糊神经网络预测电针镇痛过程中生化指标变化的应用研究
目的 针对电针镇痛过程中生化指标检验的时滞性、费用高等不足,本文提出基于模糊神经网络预测电针镇痛过程中生化指标变化的方法.方法 模糊神经网络的性能通过调整隶属函数的类型和隶属函数的个数进行优化.模糊神经网络的训练数据来源于电针镇痛患者的ECG、EEG等生理电信号以及检测的生化指标.我们从中选取45个样本为训练样本,剩余的15个样本作为测试样本.结果 从模型训练结果的变化来看,训练数据预测的结果比较接近实际检测的结果.结论 模糊神经网络预测的结果与实际检测的结果非常吻合,这为电针镇痛过程中生化指标变化预测提供了一种新的方法和思路.
-
图像处理和人工神经网络在肺癌细胞病理诊断中的应用
目的探求基于计算机图像处理和人工神经网络的"肺癌早期细胞病理电脑诊断系统"(lung cancer diagnosing system, LCDS)在肺癌临床细胞病理诊断中的应用价值.方法运用LCDS对512例经皮肺穿刺标本的细胞学涂片进行检测评判和综合分析,并对其中手术治疗的362例进行LCDS细胞病理诊断与术后组织病理诊断对比分析研究.结果 LCDS能运用图像处理和专家系统完成对肺部病灶癌细胞和非癌细胞的识别诊断,进而运用人工神经网络能完成肺鳞癌、腺癌、小细胞癌等主要病理类型的细胞病理诊断,与临床组织病理或细胞病理诊断结果对比,总符合率为91.80%.其中362例接受外科手术者以术后组织病理诊断结果为标准,LCDS检测诊断的敏感性为94.79%(291/307例),特异性为90.91%(50/55例),准确性为94.20%(341/362例).结论 LCDS所采用的诊断模型是实用而有效的,具有诊断准确率高、易于操作培训等优势,有可能为肺癌早期细胞病理诊断提供又一实用有效的手段.
-
组织芯片技术与人工智能神经网络在大肠肿瘤诊断中的应用
目的:构建组织原位检测指标预测诊断大肠肿瘤的人工智能神经网络(ANN)模型,探讨组织芯片技术与ANN结合应用的可行性.方法:应用组织芯片技术检测ST13等8种组织原位检测指标在大肠肿瘤演进过程各阶段的表达,同时采用ANN构建相应的诊断模型.结果:采用Matlab 6.5软件中提供的Kruskal-wallis H秩和检验函数,对这8种指标在正常大肠组织、大肠腺瘤和大肠癌组织中的阳性表达差异进行统计学检验,其中ST13、Bcl-2、Survivin和HSF1 mRNA的表达,差异有统计学意义,P＜0.01;将8种指标随机组合,分别构建相应的ANN诊断模型,评价其各自的诊断效率,发现ST13、Bcl-2、Survivin与HSF1 mRNA组合的ANN-BP模型预测准确率高,其对正常大肠组织、大肠腺瘤和大肠癌训练集的预测准确率分别高达92.895%、94.163%和92.013%,对该ANN-BP网络诊断模型的盲法测试结果也分别高达85.714%、79.412%和72%.结论:组织芯片技术与ANN相结合,可以大大提高组织原位检测指标对大肠肿瘤的预测诊断效率.
-
反向传播神经网络在监测颅内压数学模型中的应用
目的 探讨反向传播神经网络(BPNN)在建立无创颅内压监测数学模型中应用的可能性及在该领域的应用前景.方法 对10例颅脑外伤所致急性颅高压患者连续20 min采集其大脑中动脉平均血流速度(VMCA)、平均动脉压(MAP)、呼气末二氧化碳分压(PETCO2)和心率,同时在硬膜外置探头监测颅内压,共获2911组数据.通过Matlab7.0软件中的神经网络工具箱,建立众参数和颅内压的贝叶斯正规化3层BPNN预测模型,进行训练样本和预测样本的仿真模拟,并计算出各个因素的平均影响值(MIV).结果 BPNN模型结构为4-20-1,训练至191步时网络收敛.预测样本的预测值和真实值的相关系数r=0.99,平均绝对误差为1.17 mm Hg,平均相对误差为7.36%.按照MIV绝对值大小列出4个因素,对于颅内压影响的相对重要性顺位为VMCA、PETCO2、MAP和心率.结论 反向传播神经网络模型与颅高压的非线性特性相契合,对颅内压的预测效果良好,能较好地处理颅高压内部多因素间复杂的非线性关系.
-
基于卷积神经网络的阿尔茨海默病与行为异常型额颞叶痴呆的鉴别诊断模型研究
目的 构建一个基于卷积神经网络的深度学习分类模型,以鉴别阿尔茨海默病(Alzheimer's disease,AD)和行为异常型额颞叶痴呆(behavioral variant of frontotemporal dementia,bvFTD)患者,旨提高鉴别诊断正确率.方法 分别对医生诊断的47例很可能AD患者和39例很可能bvFTD患者进行头颅MRI扫描,对结构MRI数据进行预处理后,根据AAL2模板和Harvard-Oxford模板提取全脑不同脑区的灰质体积特征,采用卷积神经网络进行构建分类模型,并对构建的模型进行与传统机器学习方法的对比试验、主要差异脑区的分类试验和年龄差异探讨试验.结果 卷积神经网络基于AAL2模板和Harvard-Oxford模板数据的高分类正确率分别为82.6％和83.7％,明显优于传统机器学习方法的75.6％和76.7％,2个模板的26个和31个可能主要差异脑区的高分类正确率分别为79.1％和80.2％.结论 AD与bvFTD可以通过基于卷积神经网络的深度学习模型获得较高的分类正确率,提示该模型可用于辅助鉴别诊断.
-
神经网络在人工耳蜗植入儿童声调发声评估中的应用
目的 了解以普通话为母语的语前聋人工耳蜗植入儿童在普通话声调发声上存在的问题并探索影响其声调发声能力的潜在因素,对基于计算机技术进行声调发声的特征提取和自动化判别的可行性进行实验论证,以期对此类儿童的术后声调发声康复提供指导. 方法 278例语前聋单侧人工耳蜗植入儿童和170名年龄相仿的听力正常儿童参加了本项研究.对受试儿童的声调发声样本进行录音,在MATLAB平台上对每个受试儿童的每个发声音节进行基频提取并手动纠偏.构建人工神经网络,加以训练后对受试儿童的基频数据进行判读并分析结果.利用MATLAB统计工具对所得结果进行统计分析. 结果 人工耳蜗植入儿童的声调发声准确率(58.8%)明显低于同龄正常儿童(91.5%),且个体差异较大.二声和三声的发声准确率较一声和四声低,人工耳蜗植入儿童的声调发声出错时易被判读成一声.人工耳蜗植入儿童声调发声准确率与植入年龄呈负相关(r=-0.215, P=0.003),与设备使用时长呈正相关(r=0.203, P=0.005).年龄是影响正常听力儿童声调发声能力的决定因素之一. 结论 对于确诊为重度至极重度聋的儿童,早期植入人工耳蜗并长期坚持使用有利于其声调能力的发展.人工神经网络可作为监测聋儿声调发声能力发展及康复效果的方便且可靠的评估手段.
-
人工智能医学影像分析在眼科学领域应用的现状和展望
人工智能诞生于1956年,随着电子设备计算能力的不断增强,各领域数据的大量累积以及新型高效算法的研发,人工智能取得了跨越式的发展.随着各领域的人工智能应用,社会的智能化已成必然趋势.在各国医学科学家的共同努力下,智能医疗也取得了长足发展.在眼科学领域,尤其在糖尿病视网膜病变、年龄相关性黄斑变性和青光眼方面,人工智能医学影像分析也得到了发展和应用.尽管现阶段人工智能的发展应用仍存在一些亟待解决的问题,但相信人工智能的应用会给医疗行业注入新的活力.
-
基于神经网络预测儿童人工晶状体眼近视漂移的初步研究
目的 训练和评价人工神经网络(ANN)用于预测儿童人工晶状体植入术后各年龄的屈光状态.方法 连续收集2006年6月至10月在首都医科大学北京同仁眼科中心白内障中心复诊的人工晶状体植入术后患儿的临床资料,以符合条件的41例患儿(70只眼)为研究对象,回顾病史与检查、手术治疗经过及术后随访情况,记录人工晶状体植入术前双眼眼轴长度和角膜屈光力、术前预留度数、人工晶状体度数、单/双侧、白内障摘除及人工晶状体植入手术年龄、随访期末年龄及屈光度;将70只眼按照简单随机抽样法分为训练组和检测组,建立一个基于误差反向传播(BP)算法的ANN,训练组55只眼的临床数据训练该网络,调节网络的权重和阈值,检测组15只眼的临床数据输入训练好的网络获得对随访期末屈光度的预测结果,并与McClatchey等提出的对数回归法预测结果进行比较.结果 BP-ANN对检测组的仿真结果与目标输出之间的相关系数有统计学意义(r=0.603,P=0.017),仿真结果与目标输出之间无统计学差异(P=0.270);BP-ANN与对数回归法之间预测误差(+0.69 D和+1.03D)及误差的绝对值(1.34和1.98 D)的差异均无统计学意义,两种方法之间比较预测误差的绝对值,P值接近0.05;两种预测方法均对近视漂移量估计不足,对数回归法偏离程度更大.结论 对儿童人工晶状体眼在各年龄屈光状态的预测BP-ANN优于对数回归法,BP-ANN可以做为预测儿童人工晶状体眼近视漂移的很好工具.
-
牙本质瓷颜色预测系统的临床应用初探
目的 探讨自主研发的牙本质瓷颜色预测系统应用于前牙金合金烤瓷冠配色中的准确性.方法 按标准纳入20颗上中切牙进行烤瓷冠修复,每颗中切牙制作3个金合金烤瓷冠.A组:技师根据修复医师视觉比色结果制作烤瓷冠;B组:技师根据比色仪测量结果制作烤瓷冠;C组:将比色仪测量的天然牙颈、中、切三部分明度(L*值)、红绿色品(a*值)、黄蓝色品(b*值)输入自主研发的牙本质瓷颜色预测系统并预测牙本质瓷粉配方,技师用该配方瓷粉制作烤瓷冠.用比色仪测量3组烤瓷冠颈、中、切三部分L*、a*、b*值,并分别与天然牙比较计算色差(△E),使用单因素方差分析比较3组△E差异.结果 A、B、C组烤瓷冠中部与天然牙的△E分别为3.53±1.80、2.86±1.63、3.77±1.40(P＞0.05);切端△E分别为2.70±1.13、2.80±0.90、3.04± 1.03 (P＞0.05);而C组烤瓷冠颈部与天然牙的△E(3.92±1.34)显著大于B组(2.78±1.14)(P＜0.05),A组(3.80±2.02)与B组、A组与C组△E差异均无统计学意义(P＞0.05).结论 自主研发的牙本质瓷颜色预测系统用于烤瓷冠制作时,可达到与视觉比色法及仪器比色法类似的效果.
-
采用细胞神经网络图像分割技术定量分析牙菌斑
目的 采用细胞神经网络图像分割技术,建立分析牙菌斑的新方法并对其进行评价.方法 从北京市高血压联盟在首钢系统体检的人群中筛选195名个体,菌斑染色后,用Olympus数码照相机拍摄口内前牙区的数码像,同时评价前牙区的Turesky菌斑指数.采用细胞神经网络图像分割技术完成图像分析.结果 不同操作者的剪切引起分析结果的偏差很小.Kappa值为0.935,两名操作者前牙唇面牙菌斑覆盖牙表面积的百分比(P%)的Pearson相关系数为0.988(P＜0.001).用图像法测量菌斑的百分比与传统的菌斑指数间有较高的相关一致性,Pearson相关系数为0.853(P＜0.001).结论 细胞神经网络图像分割技术是评价牙菌斑的一种可行的新方法.
-
基于两种判别模式的肿瘤标志物联合检测对肝癌辅助诊断的价值
目的 探讨基于人工神经网络(ANN)判别模式的肿瘤标志物联合检测对肝癌辅助诊断的价值.方法 2009年3月-2010年3月解放军159中心医院和郑州大学第一附属医院门诊、住院患者及体检者140例,分别纳入肝癌组(n=50)、肝良性病变组(n=40)和正常人组(n=50).采用化学发光免疫检测试剂盒测定血清中甲胎蛋白(AFP)、癌胚抗原(CEA)、糖类抗原125(CA125)的含量,采用可见光分光光度法测定血清唾液酸(SA)水平,采用偶氮砷Ⅲ终点法测定血清中的钙(Ca)含量,以此5种肿瘤标志物作为判别变量,运用Fisher判别分析法及反向误差传播ANN技术,建立肝癌智能化辅助诊断模型.结果 本研究建立的Fisher判别分析模型对3组样本判别的灵敏度为46.1％,特异度为98.9％,准确度为79.3％,总的阳性预测值为95.8％,总的阴性预测值为76.7％；而ANN模型对3组样本判别的灵敏度为96.0％,特异度为98.9％,准确度为94.3％,阳性预测值为98.0％,阴性预测值为97.8％.结论 多个肿瘤标志物联合ANN技术建立的肝癌诊断模型对肝癌的预测效果优于传统的Fisher判别分析方法,更适用于临床数据的判别分析.
-
人工神经网络诊断模型在肝纤维化无创诊断中的应用
目的 建立肝纤维化神经网络诊断模型,探索肝纤维化的早期无损伤诊断新方法并对该模型进行临床应用评价.方法 选取2008年5月-2011年3月收治的、符合纳入标准的683例经肝组织活检或临床证实为肝纤维化、肝硬化患者的样本进行模型建立及验证,其中慢性乙型肝炎(CHB)导致的肝纤维化504例,其他类型肝病导致的肝纤维化179例,按照纤维化病理分期结果,利用分层随机抽样方法抽取其中134例作为训练组样本,其余样本用于模型的验证,以年龄、天冬氨酸转氨酶(AST)、凝血酶原时间(PT)、血小板计数(PLT)、γ-谷氨酰基转移酶(GGT)、直接胆红素(DBil)作为神经网络模型的输入层指标构建神经网络诊断模型,并对构建好的模型进行评价.结果 成功建立了肝纤维化神经网络诊断模型,该模型对各类肝病纤维化诊断的正确率为77.4％,敏感度为76.8％,特异度为77.8％.Kappa一致性检验显示,该模型与肝组织活检的一致性较好(Kappa指数=0.534),其中对CHB导致的肝纤维化诊断的正确率为80.4％,敏感度为79.9％,特异度为80.7％,Kappa指数=0.598,对其他类型肝病导致的肝纤维化诊断的正确率为67.9％,敏感度为64.3％,特异度为69.7％,Kappa指数=0.316.结论 作为一种新的实验室无创诊断方法,本研究建立的神经网络肝纤维化诊断模型对CHB导致的肝纤维化的诊断敏感度及特异度较高,具有良好的临床应用价值,但对其他类型肝病导致的纤维化诊断价值有限.
-
复发缓解型多发性硬化患者静息态脑运动网络功能连接的MRI研究
目的 探讨复发缓解型多发性硬化(RRMS)患者静息态脑运动网络的功能连接.方法 选取25例RRMS患者(RRMS组)和25名健康志愿者(对照组),采用3TMR扫描仪进行fMRI扫描.以双侧初级运动皮层(M1)为种子点,在Matlab7.8平台上采用静息态fMRI数据处理助手(DPARSF)、统计参数图(SPM)8、REST软件包对图像进行种子点功能连接处理,使用单样本t检验获取RRMS组与对照组各自的运动网络图,使用双样本t检验统计RRMS组和对照组脑运动网络的差异脑区.结果 基于种子点功能连接图,RRMS组和对照组静息态运动网络主要分布在双侧中央前后回、双侧辅助运动区(P＜0.001);与对照组比较,RRMS组功能连接减弱的区域主要分布在扣带回、海马旁回及左小脑后叶(体素大小范围为43 ～ 273,t值为-4.9093 ～-3.2837,P值均＜0.01),功能连接增强的区域主要分布在左中央后回、左辅助运动区、右枕中回、右舌回、左颞中回及右中央前回(体素大小范围为41～ 65,t值为2.4646～4.1263,P值均＜0.01).结论 RRMS患者存在与静息态运动网络中心节点M1功能连接的异常改变.
-
轻微肝性脑病全脑功能连接的静息态功能MRI研究
目的 利用静息态fMRI观察轻微肝性脑病(MHE)患者全脑功能连接的改变,并通过ROC曲线分析差异脑区连接在鉴别MHE和无MHE的肝硬化患者中的价值.方法 收集30例MHE患者(MHE组)、32例无MHE的肝硬化患者(无MHE组)和49名健康志愿者(正常对照组)行静息状态下的fMRI扫描,利用全脑功能连接分析方法对受试者的功能MR数据进行分析,使用方差分析观察3组受试者间的总体差异,采用Post-hoc检验观察MHE和无MHE的肝硬化患者间脑功能连接的差异.通过ROC曲线分析2个患者组间差异脑区的功能连接在其鉴别诊断中的价值.结果 3组受试者全脑脑区间的功能连接存在广泛差异,共115对脑区间的连接方差分析差异有统计学意义(P值均＜0.05).与无MHE的肝硬化患者相比,MHE患者以下6对脑区间的功能连接降低,包括:左侧颞上回-右侧额下回眶部、左侧颞横回-左侧中央盖区、左侧颞横回-右侧嗅皮质、左侧海马-右侧杏仁核、左侧壳核-右侧壳核和左侧颞上回颞极区-右侧颞中回颞极区(t值为-4.41 ～-3.82,P值均＜0.01).ROC曲线分析示左侧海马-右侧杏仁核间功能连接鉴别MHE和无MHE的肝硬化患者的曲线下面积为0.78(95％CI 0.66 ～ 0.90),具有高的区分价值,界值为0.56时敏感度为73％,特异度为81％.结论 静息态fMRI全脑功能连接分析方法可用于观察MHE患者脑功能的改变模式,有潜力用于MHE的早期诊断.
-
遗忘型轻度认知障碍患者的静息态功能连接强度特征研究
目的：探讨遗忘型轻度认知障碍（aMCI）患者的静息态全脑功能连接强度（FCS）特征，以寻找新的可用于反映阿尔茨海默病（AD）高风险人群脑功能网络拓扑属性特征的指标。方法2009年9月至2011年4月纳入aMCI患者31例（aMCI组）以及年龄、性别和受教育程度相匹配的健康志愿者42名（对照组）。采集所有被试的静息态fMRI（rs-fMRI）数据，对rs-fMRI数据进行常规预处理并进行全脑的FCS分析，探索aMCI患者全脑功能网络的核心脑区（hub），即FCS值较高脑区的分布特征。采用双样本t检验比较两组被试间年龄、受教育年限、各项神经心理学测评的差异，采用卡方检验比较两组间性别的差异，组间FCS的差异采用一般线性模型分析。后，在aMCI患者组中采用相关分析评估具有组间差异脑区的FCS值与行为学评分的相关性。结果 aMCI组脑功能网络的核心脑区主要分布在大脑的联络皮层区域，如楔前叶、扣带回后部、内侧前额叶、角回、枕上回、梭状回、舌回等，与对照组的分布模式大体一致，但FCS值普遍降低。进一步组间比较显示，aMCI组较对照组在双侧梭状回、舌回、枕上回、左侧枕中回、中央后回等区域的FCS值显著下降（簇大小分别为389、230、187、107个体素，P值均<0.05），在双侧扣带回后部、右侧岛叶FCS值有下降的趋势。相关性分析显示，在未经校正的条件下，左侧中央后回的FCS值与画钟试验（CDT）评分具有相关性（r=0.436，P=0.026）。结论 aMCI主要破坏脑功能网络中的核心脑区，这种功能连接的变化可能反映了早期AD的病理生理变化。
-
原发性失眠患者大脑半球间镜像功能连接的静息态功能MRI研究
目的 采用静息态fMRI(rs-fMRI)的基于体素镜像同伦连接(VMHC)方法研究原发性失眠(PI)患者两大脑半球间功能连通性.方法 选取21例PI患者(PI组)和20名健康志愿者(对照组),采用匹兹堡睡眠质量指数量表(PSQI)进行评分,然后行rs-fMRI扫描,采用REST软件来计算PI组和对照组两侧大脑半球间的VMHC值,两组间VMHC值比较采用两样本t检验,终获得VMHC值有统计差异的统计结果图.VMHC值与PSQI评分间的相关性采用Pearson相关性分析.结果 PI组与对照组分别有3例和1名图像不合格,终分别纳入18例患者和19名志愿者.与对照组比较,PI组额中回、额上回、眶额回、海马、丘脑、岛叶及枕叶部分脑区(楔叶、舌回)VMHC显著减低(体素大小为1 269～7 425mm3,t值为-4.47-2.74,P值均＜0.05,Alphasim校正),其中双侧眶额回之间VMHC(0.324±0.247)与PSQI得分(10.1±1.7)呈显著负相关(r=-0.69,P＜0.01),其余存在显著改变的VMHC区域相关系数值与PSQI得分均无显著相关(P值均＞0.05).结论 PI患者在静息态下存在两大脑半球间的功能连接异常.两半球间的VMHC可能作为病理生理学上评估PI患者神经失连接的一种有效的辅助方法.
