模糊神经网络在中医临床诊断中效果研究.docVIP

模糊神经网络在中医临床诊断中效果研究 　　摘要：目的 对腹痛中的9种中医临床病症，利用模糊神经网络（ FNN）进行辅助诊断，并把诊断结果与聚类分析的结果进行比较。方法 首先利用Matlab2012a建立起模糊神经网络，把254例腹痛病例数据进行训练和仿真诊断测试，然后利用Matlab2012a中的nctool工具对254例腹痛病例进行聚类分析。结果 FNN 诊断9种腹痛病症的准确性明显高于聚类分析。结论 FNN 模型可以用来在临床上作辅助诊断。 　　关键词：模糊神经网络；训练函数；聚类分析 　　中图分类号： TP391 文献标识码： A 　　人工神经网络（Artificial Neural Networks，简称ANN）是一门涉及生物、电子、计算机、数学和物理等的交叉学科，通过模拟生物体中神经网络的某些结构与功能，来克服目前计算机或其他系统不能解决的问题，可应用于识别感知、智能控制、专家系统等。近年来在医学领域中，人工神经网络已成功用于疾病预报、方剂配伍、医学图像处理等方面。近来不少学者利用人工神经网络技术，在中医诊断、脉象识别分析、舌象图像处理等方面展开研究，从理论和方法等方面作了许多有益的探索和研究。但是，随着研究领域的不断深入，发现神经网络在对知识的表达和对网络学习得到的规则解释方面存在明显的不足，为此，一些研究者在神经网络基础上引入模糊逻辑，构建模糊神经网络系统。模糊逻辑的优点在于：①知识的表达自然容易，能够处理不确定信息，能够用模糊性的自然语言来表达知识，并且很容易利用专家经验；②可用简单的运算来实现知识的模糊推理。因此，将模糊技术与神经网络结合，形成的模糊神经网络系统将具备两者的优点，发挥各自优势并弥补不足。于是一些研究者开始采用模糊神经网络，在医学上进行广泛的研究和应用[1-4]，并且取得了非常好的效果，本文章依托腹痛患者中的九类患者（大肠聚、肝郁胁痛、湿热黄疸、湿热泄泻、食滞胃痛、大肠痈、虚寒泄泻、脾心痛、气滞腹痛）的临床诊断信息，分别利用模糊神经网络和模糊聚类法进行判别分类，并对两种方法得到的结果进行比较。 　　1资料与方法 　　1.1一般资料 收集了2005年1月～2010年10月江西省中医院的254例腹痛患者的各种中医检测结果，254例腹痛患者中大肠聚患者12例，肝郁胁痛31例，湿热黄疸13例，湿热泄泻23例，食滞胃痛14例，大肠痈15例，虚寒泄泻22例，脾心痛81例，气滞腹痛43例，诊断结果均得到病理证实。 　　1.2 方法 　　1.2.1提取大肠聚患者、肝郁胁痛患者、湿热黄疸患者、湿热泄泻患者、食滞胃痛患者、大肠痈患者、虚寒泄泻患者、脾心痛患者、气滞腹痛患者的望诊、问诊、脉诊、舌诊和治则治法等11项检测结果作为第1层的输入向量。由于这些检测结果有的表示症状的有无，有些是表示患病症状的程度等级，因此本文通过利用模糊数学的边界法、三角形法和频率统计法来赋值。例如，可以使用边界法来描述腹痛时是否伴有发烧，1表示有，0表示无；使用三角形法来描述某种症状或患病的程度，最严重表示为0.9 无则为0.1，中间状态映射为0.3、0.5、0.7 的某个值；使用频率统计法来描述那些没有程度等级的症状，如中医脉诊中的细脉，用细脉患者出现的频率就作为细脉的录属值。 　　1.2.2建立模糊神经网络模型，该网络模型由3层前向BP神经网络组成。第1层为数据预处理层，先提取患者的11个特征值再对其进行模糊化处理，第2层为隐含层，第3层为输出层，输出层为消化道系统的9种腹痛病症。 　　1.2.3进行网络训练，从全部样本254例腹痛患者中随机抽取178 例（大肠聚患者9例，肝郁胁痛21例，湿热黄疸9例，湿热泄泻14例，食滞胃痛11例，大肠痈13例，虚寒泄泻13例，脾心痛55例，气滞腹痛33例）作为训练组，38例作为验证组（大肠聚患者1例，肝郁胁痛2例，湿热黄疸1例，湿热泄泻4例，食滞胃痛1例，大肠痈1例，虚寒泄泻7例，脾心痛15例，气滞腹痛6例），38例为测试组（大肠聚患者2例，肝郁胁痛8例，湿热黄疸3例，湿热泄泻5例，食滞胃痛2例，大肠痈1例，虚寒泄泻2例，脾心痛11例，气滞腹痛4例）。用MATLAB 2012a编程，分别对FNN 进行训练，并用完成训练的网络模型进行验证和测试。网络的训练函数为trainlm，学习函数为learngdm，误差性能函数为mse，各层的传递函数为logsig，训练次数设置为1000。 　　1.2.4对254例腹痛患者利用Matlab2012a的nctool工具进行聚类分析，聚类分析就是研究物以类聚的一种科学有效的方法，通过数据的相似度进行归档，并把分类结果与模糊神经网络判别结果进行对比。 　　2结果 　　通过神经网络的训练、验证和和测试，得到178例训练组、38例验证组和38例