探究医学领域下的神经神经网络基本理论和实践的表现形式.docVIP

　　探究医学领域下的神经神经网络基本理论和实践的表现形式 --探究医学领域下的神经神经网络基本理论和实践的表现形式 关键词：人工神经网络 生物神经网络 医学领域 人工神经网络(ANN)是近年来迅速发展起来的一门集神经科学、信息科学、计算机科学于一体的交叉、边缘学科,是生物神经网络在结构、代写论文功能及某些基本特性方面的理论抽象、简化和模拟而构成的一种信息处理系统。神经网络具有分布式信息存储方式、并行式信息处理方式、强大的容错性、自组织、自学习、自适应能力和非线性处理能力,已被用于模式识别、鉴别分析、系统控制等领域。在医学领域,神经网络正以其强大的函数逼近功能被应用于疾病的辅助诊断和生存分析等方面。现对人工神经网络基本理论及其在预防医学领域的应用综述如下: 1　误差逆传播神经网络[1~3](Backpropagation Neural Net维的映射。对于用作函数逼近的BP网络,一经验公式:样本含量与参数之比大致在2.5~5左右。 1.4.3　初始值的选取　权一般取随机数,而且开始时权取较小值,一般介于[-1,1],这样可以保证每个神经元一开始都在它们转换函数变化最大的地方进行计算。 1.4.4　过度拟合的消除　过度拟合的产生有两种原因:一种是选取的中间层节点数过多,造成网络参数过多,结构过于臃肿。消除这类过度拟合的方法主要凭经验。另一种过度拟合是由于网络训练一味追求残差平方和最小,训练过度。消除这类过度拟合的方法有:①确定固定的叠代次数。②确定相对较大的残差平方和。当训练残差平方和小于此值,则训练结束。③停止准则。经过比较,停止准则能够得到比较好的预测结果。 2　人工神经网络在预防医学领域的应用 2.1　用于疾病诊断(专家系统)神经网络具有并行处理方式、自学习能力、记忆能力及预测事件发展的能力,经合理设计的人工神经网络可以取代传统专家系统用于疾病诊断,且神经网络专家系统可以克服诸如:知识获取困难、系统运行效率低、推理速度慢、数据符号化逻辑推理不合理及不适用于新技术、新领域等传统专家系统的缺点。李家林等[4]利用人工神经网络构建成肺心病专家系统,该系统较好解决了专家子系统中自动知识的获取、表示、自学习等问题,并对临床资料作了量化处理。神经网络介入疾病诊断过程不仅能提高诊断准确率,还可以使诊断过程更简单易行,在临床上已有成功报道。以肺癌诊断为例,由于肺癌的多种类型以及多种相关因素,使得现有的诊断在准确性和实用性方面都存在着相当的局限性。孙高等[5]以460例1981~1994年某院的临床病例建立用于肺癌诊断的神经网络模型。该模型有效提高了肺癌检出的阳性率并且较好反映了系统的动态性和数据的时序关联性。其他成功案例还有对癫痫的诊断[6,7],肝硬化病因鉴别诊断[8],Churg-Strauss综合征与[27]等运用贝叶斯神经网络验证了安定剂尤其是氯氮平与心肌炎和心肌病的发生有强烈联系。神经网络方法为病因分析提供了新的工具。 2.4　预测疾病的发病风险根据疾病危险因素预测疾病发生的风险,在流行病学资料分析中占有相当大的比重。 --多数传统流行病学统计模型存在一些共同的局限性,要求变量满足正态性、独立性条件,并且在处理复杂非线性问题时,存在一定的局限性。人工神经网络是一种非线性动力学系统,具有自动学习和识别变量间关系的能力,容错性较强,对资料类型限制性较小。无论被研究的资料是连续型还是离散型,采用神经网络方法不须经繁琐的变量特征分析即可直接使用。如对前列腺癌病理分期的研究[28~30],选取了1985~1998年间共计5 744例前列腺癌患者作为网络训练集,以年龄、临床分期、术前血清前列腺特异抗原(PSA)水平及活组织Glesson评分作为网络输入,以是否发生淋巴结转移作为网络输出,进行网络训练预测前列腺癌转移风险以便能对症治疗。又如对肝脏移植术后的急性排斥反应进行预测[31],选取移植术后3个月内的病人117例进行网络训练分析,得到灵敏度80%,特异度90%的准确率,优于靠谷丙转氨酶(ALT)、胆红素水平及全身症状体征分析的传统预测方法。另外运用神经网络方法对机械呼吸时气道阻塞及顺应性估计[32],心脏手术危险性评价[33],急性心肌梗死的发病预测分析[34]和前列腺癌流行趋势的预测[35]方面也取得了成功。 2.5　用于生存分析人工神经网络常用三种模型来解决截尾数据的生存分析及其交互作用。模型1,Time-coded models,这种模型采用时间作为输入,时间取一系列追踪时间Tx,如果病人在某一个给定时间之前数据截尾,则该时刻以后无数据,如果一个病人在某一时刻死亡,则该病人在后续时刻的状态为1。代写博士论文这种模型存在的缺陷是未处理截尾数据,但这种模型的执行效果较好;模型2,Single time point models, sh