首页 > 文献资料
-
人工神经网络模型在急性应激障碍预警中的应用
目的：探讨人工神经网络模型在对急性应激障碍预警中的应用。方法通过现场流行病学整群抽样调查获取研究对象及有关信息；急性应激障碍确诊根据中国精神疾病分类( CCMD-3)诊断标准，并参照国际疾病分类第10版( ICD-10)相关内容。采用个性指标，认知评价，应对方式，社会支持，情绪指标，植物神经功能评定等指标；数据库建立采用 SPSS17.0软件，建立神经网络模型( ANN)。结果积累从2008年1月~2012年12月军队及地方突发事件应对人员,及医院门急诊采集病例近1000人，确诊急性应急障碍患者97人，患病率为9%。从被研究者中抽取急性应激障碍患者和非急性应激障碍者各97名为建模对象，将其情绪因子、性格指标、认知指标、植物神经指标等7个变量作为网络的输入层，进行 ANN的拟合。所建模型的预测精度为96%；能够正确预测建模对象中95.3%的非急性应激障碍患者，95.1%的急性应激障碍患者；输入变量敏感性系数排在前四位的依次为焦虑素质、认知功能、应对能力和植物神经功能。结论 ANN 在急性应激障碍(预测)中精度较高，具有一定的开发应用前景。
-
八种血清肿瘤标志物人工神经网络模型在大肠癌诊断中的应用研究
大肠癌是我国的一种常见恶性肿瘤,其发病率呈不断上升趋势[1].近年来,已有多种血清标志物用于大肠癌诊断.但由于敏感性和/或特异度较低,单项标志物诊断准确性不高,因此,如何提高多种标志物联合检测的诊断率就显得非常重要.本研究应用人工神经网络(ANN)建立八种血清标志物诊断模型,以提高大肠癌血清学诊断的效率,并验证其在临床应用的价值.
-
三种常用人工神经网络模型在妇产科建模中的应用
当前妇产科研究的重点主要是疾病的诊断和预测。特别在临床工作中，建立高效的诊断和预测模型能为临床医生制定医疗策略提供有效的参考。
-
正交试验-人工神经网络模型优化龙眼多糖的超声提取工艺
龙眼为无患子科植物龙眼Dimocarpus longan Lour.的果实,药用价值很高,自古以来被视为珍贵补品.龙眼甘、平、无毒,主治思虑过度,劳伤心脾,健忘怔忡,虚烦不眠,自汗惊悸,具有开胃健脾,补虚益智的作用,可作为治疗病后虚弱、贫血痿黄、神经衰弱、产后血亏等症的佳品.在清除活性氧自由基、抑制脂质过氧化以及提高免疫方面,龙眼果肉提取液均具有很高的活性[1],并且其对宫颈癌细胞的抑制率可达90%[2].目前龙眼深加工仍以龙眼干为主,产品附加值较低.超声波对植物中各种成份的提取分离的强化作用主要源于其空化作用,其提取的效果与物料及体系的性质、超声波强度、作用时间等多种因素有关,因而选择适宜的提取条件有助于提高提取率和降低提取成本.
-
氟性骨损伤人工神经网络模型的构建及应用
目的 建立氟性骨损伤人工神经网络模型,预测氟性骨损伤发生的危险性.方法 选择氟接触工人的年龄、工龄、车间、饮酒史、降钙素受体(CTR)基因作为输入层,以是否患氟性骨损伤为输出层,采用Levenberg-Marquardt优化算法训练网络并建立人工神经网络模型,验证网络模型的实用性和可靠性.结果 模型的拟合度为99.2%,预测的灵敏度、特异度、准确度、阳性预测值和阴性预测值分别为95.8%、77.3%、87.0%、82.1%和94.4%.结论 人工神经网络模型在氟性骨损伤发病风险的预测中取得了较好的效果.
-
某市手足口病发病数预测三种方法比较
手足口病是由肠道病毒引起的传染病,该病传染性强,可在短时间内造成较大规模流行(1),常在托幼机构聚集发病.手足口病自2008年5月2日被列入法定丙类传染病管理以来,发病呈上升趋势(2),成为影响儿童健康的主要传染病之一.准确、科学的预测手足口病未来的发病趋势,对制定科学的防治规划,争取佳防治效果极其重要.本文用时间序列模型、多元线性回归模型及BP人工神经网络模型,根据某市2008年5月至2009年5月手足口病发病资料对其发病趋势作预测分析,并比较三种方法的预测精确度,以便寻求预测手足口病发病趋势的佳方法.
-
社区老年性痴呆筛选诊断的人工神经网络模型
目的 探讨社区老年性痴呆(AD)筛选诊断的人工神经网络模型.方法 通过现场流行病学整群抽样调查获取研究对象及有关信息；AD确诊根据中国精神疾病分类(CCMD-3)诊断标准,并参照国际疾病分类第10版(ICD-10)相关内容.采用原子吸收法检测研究对象全血中宏、微量元素含量,放射免疫分析法检测相关神经递质含量；数据库建立采用SPSS13.0软件,反向传播算法-人工神经网络模型(BP-ANN)的建立使用Clementine12.0软件.结果 南昌、吉安、宜春三市6个社区实查≥60岁者4 350人,确诊AD患者214人,患病率为4.92％.从被研究者中抽取AD患者和非AD者各60名为建模对象,将其血中铁(Fe)、铜(Cu)、铁(Zn)、五羟色胺(5 -HT)、多巴胺(DA)等17个变量作为网络的输入层,进行BP-ANN的拟合.所建模型的预测精度为75.00％,灵敏度为76.67％,特异度为83.33％；能够正确预测建模对象中88.33％的非AD者,78.79％的中型AD患者和47.37％的重型AD患者；输入变量敏感性系数排在前四位的依次为Al(0.156 3)、Cr(0.120 6) 、5-HT(0.1090)和年龄(0.1010).结论 BP-ANN在社区老年性痴呆筛选(预测)中精度较高,具有一定的开发应用前景.
-
Logistic多元回归和人工神经网络在判断进展期胃癌淋巴结转移中的应用
目的：应用人工神经网络及Logistic多元回归分析方法建立术前判断进展期胃癌淋巴结转移的诊断模型。方法分析行手术切除的700例胃癌患者术前资料，对性别、发生部位、浸润深度、病理类型等10项术前资料进行相关性分析，应用Logistic多元回归和人工神经网络建立术前判断进展期胃癌淋巴结转移的诊断模型。结果胃镜下Borrmann分型、肿瘤发生部位、病理类型及浸润深度4项因素对淋巴结转移情况有统计学意义（ P＜0.01），称为“危险变量”，而病史时间、首发症状、性别、年龄、吸烟史、饮酒史6项因素对淋巴结转移情况无统计学意义（ P＞0.05）。 Logis-tic回归模型判断进展期胃癌淋巴结转移的准确率为69.3％，受试者工作特征（ ROC）曲线下面积为0.771。根据4项“危险变量”建立的人工神经网络模型ANN1判断淋巴结转移情况准确率为70.4％，ROC曲线下面积为0.796。全部术前资料建立的 ANN2判断淋巴结转移情况准确率为75％， ROC曲线下面积为0.831。结论在术前资料判断进展期胃癌淋巴结转移情况的研究中，ANN诊断的准确率高于 Logistic多元回归分析模型，且术前资料越多，准确率越高，有望应用于临床，帮助相关科室提高判断淋巴结转移的准确率。
关键词： 进展期胃癌 淋巴结转移 术前预测 人工神经网络模型 logistic多元回归 -
基于BP神经网络和时间序列的我国卫生人力资源研究
目的 从卫生服务需求角度预测我国大陆地区的卫生人力资源总量的变化趋势,分析卫生人力资源规划过程中的缺陷和不足,为卫生行政部门制定公共卫生人力发展规划、优化人力资源配置提供科学依据.方法 通过收集1994-2010年《中国卫生统计年鉴》资料,获得我国大陆卫生人力资源配置总量、卫生服务需求及其影响因素等相关数据.利用ARIMA模型对我国大陆卫生总费用、年末总人口等资料进行经典时间序列模型拟合及预测,利用BP神经网络模型进行卫生人力资源需求总量的预测.结果 1993-2009年我国卫生人力资源总量呈递增趋势,但相比于其他卫生资源增速缓慢.预测得出2010-2014年末我国卫生人力资源需求总量将分别达到1 076.02万人、837.52万人、1 073.37万人、1 076.02万人和1 075.94万人.结论 我国未来卫生人力资源总量缺口依然巨大,急需进一步补充,建议进一步加大卫生人力资源经费投入,在增加卫生人力资源数量的同时,努力提高卫生人力资源质量.
-
胃肠肿瘤标志物诊断大肠癌之检验医学实践
目的：通过本文的研究进一步从技术层面探索胃肠肿瘤标志物诊断大肠癌的临床实践途径。方法：检索统计2011年6月1日-2012年6月1日笔者所在医院检验科信息管理系统“胃肠肿瘤标志物”的资料共2002份，将所有的患者分为大肠癌组和其他疾病组，另随机抽取同期健康体检人群作为健康对照组进行对比。分组后，依托实验信息系统与医院信息系统的数据信息平台，通过人工神经网络来挖掘数据，而后采用SPSS统计软件进行分析。结果：通过对比发现，胃肠肿瘤标志物检验标本中诊断大肠癌患者有129例，大肠癌组在CA199和CEA等方面检测的标志物浓度均高于其他疾病组和健康对照组。结论：在胃肠肿瘤标志物的诊断工作中，可以采用人工神经网络模型进行有效诊断，值得在临床上进行推广。
-
医疗机构财务失败预测的人工神经网络模型
根据财务失败预测的发展趋势,前瞻性、创新性地建立医疗机构财务失败预测的人工神经网络模型.选取7个财务比率指标建立医疗机构财务失败预测指标体系.该文将医疗机构财务失败预测的人工神经网络模型应用于医疗机构财务失败预测的实际工作之中,取得良好效果.根据实践经验可见此训练好的人工神经网络模型具有较强的推广应用能力.
-
利用人工神经网络模型进行老年人体质评价的研究现状
体质受到多种因素的影响,且各因素之间存在复杂的非线性关系.本文介绍了现有体质综合评价方法的不足和国内外人工神经网络(artificial neural networks,ANN)模型在医学研究中的成功应用,发现ANN模型对数据要求低,且具有强大的非线性处理能力.表明利用ANN模型进行老年人体质综合评价,可克服传统方法的诸多限制和不足,具有良好的前景.
-
基于"优化肿瘤标志群"建立的人工神经网络模型对肺癌辅助诊断的作用
0 引言肺癌是目前世界范围内死亡率高的肿瘤,并以每年新增男性患者960 000例、女性患者390 000例的速度递增,且预后差,5年生存率仅为5%～10%[1].早诊断早治疗是降低其死亡率的关键.目前肿瘤标志(tumor marker,TM)联合人工神经网络(Artificial neural networks,ANN)辅助诊断癌症,已成为研究的热点,并获得阶段性的结果[2-3].本课题组曾用人工神经网络对血清中12项肿瘤标志进行联合检测,以诊断肺癌,终筛选出癌胚抗原(CEA)、胃泌素(Gastrin)、神经元特异性烯醇化酶(NSE)、唾液酸(SA)、Cu/Zn、Ca 6项指标作为"优化肿瘤标志群"[4].本研究拟通过增加基本资料,扩增样本量,重新构建这6项肿瘤标志的ANN模型,以探讨其在肺癌辅助诊断中的作用.
-
医院感染人工神经网络预测模型的构建
目的:构建住院患者医院感染人工神经网络预测模型.方法:以入住ICU超过48 h患者为研究对象,构建医院感染人工神经网络预测模型,对模型进行拟合优度检验、ROC曲线下面积分析.结果:构建的神经网络模型结构为{25-4-1},对感染结局影响大的因素依次为ICU入住时间、抗菌药物使用情况、基础疾病诊断、年龄、使用插管等,模型ROC曲线下面积为0.861.结论:构建的入住ICU患者医院感染人工神经网络模型预测拟合度较好.
-
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[1,2,3].
-
人工神经网络模型在卫生人力测算中的应用
人工神经网络模型适用于复杂的非线性关系计算，应用该模型进行卫生人力测算。经过模型结构搭建、参数调节，构建出卫生人力测算的人工神经网络模型。模型拟合效果较好，可应用模型对卫生人力需求量进行前瞻性预测。
-
基于人工神经网络模型的卫生人力测算指标构建
卫生人力具有复杂性、时变性的特征，基于人工神经网络模型的方法，经过文献评阅分析及专家小组讨论，通过指标筛选，确立了一套合理、有效的测算卫生人力需求量的指标体系。
-
学习和记忆的无意识研究
内隐学习和内隐记忆的研究代表了人类学习和记忆的无意识过程.在过去的40年里,内隐学习和内隐记忆的研究经历了:研究对象从人工材料走向真实生活,理论观点从分离走向协同,研究方法从单一走向多样化,以及人工神经网络模型中学习和记忆过程的模拟等.它不仅对学习和记忆本身的心理机制得到了更多的理解,而且还为整个心理学特别是认知心理学的研究开辟了广阔的前景.具体表现为多重记忆的划分、无意识研究的异军突起、研究方法的突破扩展和交叉学科的融会贯通.
-
内隐学习的人工神经网络模型
近年来,人工神经网络模型常被用来模拟各种心理活动,从而为心理学的一些相关理论提供丰富的证据,内隐学习也不例外.基于权重调整来学习正确反应的人工神经网络模型和内隐学习的两大本质特征间有着极为相应的匹配,因此,人工神经网络模型特别适用于内隐学习研究.到目前为止,针对两种较为普遍的内隐学习任务,已经相应地出现了两种使用较为广泛的神经网络模型--自动联系者和简单循环网络.
