人工神经网络在医学中应用.pdfVIP

九, r r t 丢学200 8年第23卷第2期 ·9 0 · J i uj i ang Me di cal J our nal 20 08 ，2 3( 2) 人 工 神 经 网 络 在 医 学 中 的 应 用 段 芳徐亮 黄新 ( 解放军庐 山疗养院器械科江西九江332000) 关键词人工神经网络 ；人工智能；医学 中图分类号TP 183 ，1t 4文献标识码C文章编号1006—3838( 2008) 02—0090一( 03) 人工神经网络( Ar t i f i ci al eur al et wor k ， 解决问题的不同，提 出不 同的A 模型，每一种 A ) 是一种模仿人神经结构所发展起来的计算 A 的算法并不相同。常见的网络模型有：BP神 机网络系统 ，由许多相对独立的人工神经元彼此 经网络模型、Hof i e l d神经网络模型、线性神经网 连结成网络 ，模仿生物神经处理信息的方式解决 络模型和Kohonen 自组织模型。这些A 并非适 问题。最早的A 是 由McCuUoch和Pi t t s 于1943 用所有的问题 ，必须针对欲解决问题 的不同选择 年所提出，这个网络被用来从事逻辑运算。1949 适当的A 。 年，Hebb提 出了一套模仿人神经系统学 习方式 的 要使得A 能正确运作 ，则必须透过 “训 法则。1957年，Res enbl at t 发明了第一套被认为有 练 ”的方式，让A 反复的学习，直到对于每个 用的神经计算器，名为马克一号辨认器。但是 ， 输入都能正确对应到所需要的输 出，事实上， 在1980年之前，由于专家系统是 当时最流行的人 A 中最重要的部分就是它 的 “学习法则 ”，即 工智能系统，加上A 的理论不成熟，计算机运 借着训练过程来调整网络 中运算单元间 “连结” 算速度有限，因此A 并没有受到很大的重视 。 的强弱( 权重) 。当训练完成后，所有的知识 即储 直到20世纪80年代之后，Hopf i e l d神经 网络被提 存于这些连结上。完成训练后 的网络 ，即可借着 出，而此时专家系统开始遇到了瓶颈 ，A 理论 隐含其 中的知识去判断尔后输入数据的属性。 才逐渐受到重视 ¨J 。 目前，A 不断有新的架构 A 的工作性能与训练样本有直接的关系 ，若训 及理论被提 出，配合计算机运算速度的加快，使 练样本不正确、太少或是太相似，A 的工作区 得A 的功能更为强大，运用层面也更为广泛， 间与能力将大打折扣 。换句话说，训练样本就是 结合 了生理 、心理 、计算机等科技而成为新的研 A 的老师 ，因此，训练样本越多、越正确 、差 究领域 ，并被应用于医学科学。 异性越大，A 的能力就越强。 l A 简介 A 训练的 目的，就是让A 的输出越接近 人类 的大脑大约 由10 ¨个神经元组成，神经 目标值。亦即，相 同的输入进入到系统与A ， 元之 间依靠树突和轴突互相连结成一个非常复杂 得到的输 出值亦要相同。A 未训练前，其输 出 的神经网络 。当人 的感官受到外界刺激经由神经 是凌乱 的，随着训练次数 的增加 ，A