基于神经网络的方法预测生物活性介质网络调控矽肺纤维化的研究.docVIP

　　基于神经网络的方法预测生物活性介质网络调控矽肺纤维化的研究 作者：杜海舰 高宏生 伍瑞昌 王运斗 【摘要】 目的： 探讨矽肺纤维化同生物活性介质之间的关系。方法： 利用Delphi语言编制了BP人工神经 网络 模型 计算 机程序，建立并分析了矽肺胶原纤维预测的数学模型。结果： 选定网络隐含层节点为9，初始权值阈值约为(-0.2,0.2)，最大相对误差为4%，最小相对误差为0.2%。 结论： 应用神经网络具有较好的预测效果，可为临床医学研究提供一个很好的研究思路。 【关键词】 BP神经网络； 生物活性介质； 矽肺； 胶原纤维； 预测 矽肺是尘肺中最严重的一种类型，是由于长期吸入超过一定浓度的含有游离二氧化硅的粉尘，肺内发生广泛的结节性纤维化。矽肺纤维化的预测困难，诊断滞后。目前，矽肺的发病机理仍然不完全清楚，尚无有效的早期诊断（筛检）方法，也无早期诊断的特异性指标和特异性的 治疗 药物和方法。一经传统的后前位胸大片确诊，肺部病变已经无法逆转。因此，寻找早期诊断(筛检)特异性的生物介质组合，对预防、治疗乃至最终消除矽肺具有重要意义。矽肺的发病与细胞因子（Cytokine,CK）网络调控有密切联系，高宏生等用系统生物学的方法论证了细胞因子对矽肺纤维化的网络调控关系［1，2］，论证了细胞因子复杂非线性致炎致纤维化的网络调控假说。王世鑫等用判别方程的方法，通过诊断肺纤维化正确率。矽肺纤维化与不同活性介质、基因表达等多种因素密切相关［3］，因此预计是一个多目标决策问题。传统的预测方法是用多元线性回归来进行预测，统计者千方百计的想找出决策目标和各因素之间找出一个线性的公式关系，试图想用一个严格的数学模型公式表达出相应的关系。实际上，具有良好的非线性的神经网络可以预测矽肺纤维化结果。本研究图基于神经网络的方法预测生物活性介质网络调控的矽肺纤维化。 1 神经网络的基本理论 人工神经网络是基于对人脑组织结构、活动机制的初步认识提出的一种新型信息处理体系。通过模仿脑神经系统的组织结构以及某些活动机理，人工神经网络可呈现出人脑的许多特征，并具有人脑的一些基本功能。从本质上讲，人工神经网络是一种大规模并行的非线性动力系统。它具有许多引人注目的特点：大规模的复杂系统，有大量可供调节的参数；高度并行的处理机制，具有高速运算的能力；高度冗余的组织方式等。 在预测领域中应用最广泛的还是BP网络。BP网络的学习算法是一种误差反向传播式网络权值训练方法。实质就象最小二乘法一样，BP算法是在样本空间中耦合这样一个曲面，即使所有的样本点均在这个曲面上，若这样的曲面不存在，就找到离样本点的距离之和最小的曲面作为近似解。 BP网络的学习过程包括：正向传播和反向传播。当正向传播时，输入信息从输入层经隐单元处理，后传向输出层，每一层神经元的状态只影响下一层的神经元的状态。如果在输出层得不到希望的输出，则转入反向传播，将误差信号沿原来的神经连接通路返回。返回过程中，逐一修改各层神经元连接的权值。这种过程不断迭代，最后使得信号误差达到允许的误差范围之内。如图1所示为3层神经网络结构图。 输入层 隐含层 输出层 图1 神经网络结构 设3层BP神经网络，输入向量为X=(x1,x2,…xn)T ；隐层输出向量为Y=(y1,y2,…ym)T ，输出层向量为O=(o1,o2,…ol)T ，期望输出向量为d=(d1,d2,…dl)T 。 对于输出层，有ok =f(),k=m j=0 f(x)=1 1+e-x ,BP学习算法权值调整计算公式为： Δor necrosis factor ，TNF）、转化生长因子（transforming groonocyte chemoattractant protEin-1，MCP-1）等，而Th2主要介导体液免疫反应，可促进成纤维细胞的增生,导致胶原蛋白合成增加,并抑制胶原蛋白的降解,最终导致细胞外的基质蛋白沉积和纤维生成。Th1 型和Th2 型免疫应答之间存在着交互的负反馈作用,维持着正常的免疫平衡。其负反馈调节通常就是靠产生的细胞因子起作用的,即一型CK可以下调另一型CK的功能。Th1/Th2型CK失衡可导致机体对损伤的异常反应。总之，矽肺病人存在CK网络的平衡紊乱，其错综复杂的调控机制可能参与矽肺的发生和发展［6~9］，如图2所示。 图2 细胞因子网络调控图 2.2 矽肺预测的BP网络模型的设计 本研究运用神经网络的模型方法，对矽肺预测进行设计，得出其预测模型。 2.2.1 输入层、隐含层、输出层的设计 矽肺纤维化输入层的确定：根据meta分析和微分方程网络模型确定生物活性介质为输入层。 对于矽肺预测,应当依据其关键要素来确定输入层各因素，在神经 网络 模型中,输入层可以选定白介素（inte