題-1_100_100.jpg)
基本信息
- 項(xiàng)目名稱：
- 基于人工神經(jīng)網(wǎng)絡(luò)的冠心病鑒別診斷方法
- 小類：
- 生命科學(xué)
- 簡介：
- 本項(xiàng)目研究的模型可以利用人工神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)和推理功能在一定程度上擁有對(duì)冠心病癥狀的鑒別分析判斷能力，將臨床上非常復(fù)雜而又很難進(jìn)行關(guān)聯(lián)的信息進(jìn)行線性化處理，將神經(jīng)網(wǎng)絡(luò)處理結(jié)果進(jìn)行數(shù)學(xué)算法分析得到冠心病鑒別診斷結(jié)果，從而可以提高臨床上對(duì)冠心病的診斷準(zhǔn)確率。
- 詳細(xì)介紹：
- 人工神經(jīng)網(wǎng)絡(luò)與醫(yī)學(xué)的結(jié)合是目前國際上的熱門研究領(lǐng)域，人工神經(jīng)網(wǎng)絡(luò)具有對(duì)于大量非線性信息的綜合處理能力，由于人的大腦是有無數(shù)神經(jīng)元細(xì)胞組成的無規(guī)則混合網(wǎng)絡(luò)，而人工神經(jīng)網(wǎng)絡(luò)是并行分布式系統(tǒng)，采用了與傳統(tǒng)人工智能和信息處理技術(shù)完全不同的機(jī)理，克服了傳統(tǒng)的基于邏輯符號(hào)的人工智能在處理直覺、非結(jié)構(gòu)化信息方面的缺陷，具有自適應(yīng)、自組織和實(shí)時(shí)學(xué)習(xí)的特點(diǎn)，非常適合在資料復(fù)雜多變、關(guān)系十分不明確的醫(yī)學(xué)領(lǐng)域。 我們認(rèn)為, 以下兩個(gè)方面有可能是將人工神經(jīng)網(wǎng)絡(luò)與冠心病鑒別診斷的兩個(gè)可行的思路：由內(nèi)而外—建模, 觀察模型是關(guān)于部分現(xiàn)實(shí)世界和為一種特殊目的而作的一個(gè)抽象的、簡化的結(jié)構(gòu)。對(duì)醫(yī)學(xué)的某一些部分進(jìn)行抽象簡化, 建立數(shù)學(xué)模型是對(duì)醫(yī)學(xué)理論的本質(zhì)的核心的描述。從數(shù)學(xué)的角度來說, 是一種新的數(shù)據(jù)處理算法。與一般的傳統(tǒng)數(shù)據(jù)處理算法相比, 它有其獨(dú)特的優(yōu)越性①模糊的數(shù)據(jù)②需要決定的模式特征不需明確③數(shù)據(jù)本身的非線性④隨機(jī)數(shù)據(jù)或數(shù)據(jù)中允許含有噪聲。通常地我們可以分析模型在生理和病理?xiàng)l件下的動(dòng)態(tài)運(yùn)行規(guī)律, 進(jìn)而揭示醫(yī)學(xué)對(duì)于人體生命的認(rèn)一識(shí)。由外而內(nèi)—推測, 分析另外一種對(duì)應(yīng)的情況是, 我們對(duì)于事物內(nèi)部運(yùn)行規(guī)律不清楚,或者部分地不清楚。而事物外部的觀察則是相對(duì)比較容易獲得。這時(shí)就需要推測和分析的技術(shù)和方法。 本項(xiàng)目將運(yùn)用誤差反向傳播（Error Back Propagation, BP）算法。BP算法的基本思想是，學(xué)習(xí)過程由信號(hào)的正向傳播與誤差的反向傳播兩個(gè)過程組成。通過神經(jīng)網(wǎng)絡(luò)算法將信息進(jìn)行線性化處理，我們面臨的問題是怎樣提取出具有鑒別診斷價(jià)值的臨床表現(xiàn)和檢查數(shù)據(jù)，共有以下幾點(diǎn)主要研究內(nèi)容： 1、 冠心病相關(guān)診斷標(biāo)準(zhǔn)的確立及其數(shù)字化 2、 患者相關(guān)實(shí)驗(yàn)數(shù)據(jù)的錄入與存儲(chǔ) 3、 患者資料的數(shù)據(jù)庫的建立 4、 相關(guān)診斷資料的知識(shí)庫的建立 5、 知識(shí)庫中推理機(jī)制的研究 6、 冠心病鑒別診斷算法的研究 7、 人工神經(jīng)網(wǎng)絡(luò)相關(guān)算法的研究 8、 使用計(jì)算機(jī)實(shí)現(xiàn)該模型算法的研究 項(xiàng)目成果在多方面解決了上述八點(diǎn)內(nèi)容，建立了冠心病鑒別診斷的人工神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)庫，能夠通過數(shù)學(xué)算法進(jìn)行神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)和訓(xùn)練，達(dá)到臨床上進(jìn)行鑒別診斷的效果。
作品圖片
作品專業(yè)信息
撰寫目的和基本思路
- 由于目前臨床上對(duì)冠心病的誤診率較高，雖然通過儀器檢查能夠進(jìn)行確診但開銷較大且具有一定危險(xiǎn)性，故提出通過運(yùn)用人工神經(jīng)網(wǎng)絡(luò)方法對(duì)冠心病進(jìn)行鑒別診斷研究，應(yīng)用到臨床中可以起到對(duì)冠心病的輔助診斷作用，有效提高臨床上對(duì)冠心病的診斷準(zhǔn)確率，提高治療質(zhì)量。本作品將運(yùn)用誤差反向傳播算法對(duì)醫(yī)學(xué)的某一些部分進(jìn)行抽象簡化, 建立數(shù)學(xué)模型。本作品在此數(shù)學(xué)建模的基礎(chǔ)上進(jìn)行參數(shù)收集與分析，綜合兩種思路進(jìn)行研究。
科學(xué)性、先進(jìn)性及獨(dú)特之處
- 1、人工神經(jīng)網(wǎng)絡(luò)具有對(duì)于大量非線性信息的綜合處理能力，具有自適應(yīng)、自組織和實(shí)時(shí)學(xué)習(xí)的特點(diǎn)，非常適合冠心病診斷中使用。2、為了使神經(jīng)網(wǎng)絡(luò)能夠識(shí)別冠心病診斷數(shù)據(jù)，必須進(jìn)行數(shù)學(xué)建模，將定性分析變?yōu)槎糠治?、目前數(shù)字化醫(yī)院建設(shè)僅僅實(shí)現(xiàn)了病人診斷信息的電子化而沒有實(shí)現(xiàn)數(shù)字化，電子病歷的一個(gè)重要特征是數(shù)字化，只有數(shù)字化后才可能建立起電子病歷系統(tǒng)，才可能實(shí)現(xiàn)共享、計(jì)算、統(tǒng)計(jì)，輔助臨床醫(yī)療以及研究。
應(yīng)用價(jià)值和現(xiàn)實(shí)意義
- 實(shí)際應(yīng)用價(jià)值：有創(chuàng)的冠狀動(dòng)脈造影術(shù)檢查，花費(fèi)較多，危險(xiǎn)性較高，一般不檢查。所以臨床中對(duì)冠心病存在誤診現(xiàn)象。項(xiàng)目成果若與臨床診療輔助系統(tǒng)結(jié)合，就能輔助臨床醫(yī)生對(duì)冠心病疑似患者進(jìn)行鑒別診斷，防止誤診誤治，加快診斷速度，減輕患者痛苦，帶來間接經(jīng)濟(jì)收益?，F(xiàn)實(shí)意義：項(xiàng)目成果可以作為開發(fā)冠心病臨床診療系統(tǒng)的技術(shù)手段，能夠輔助臨床醫(yī)生診斷病情，減少花費(fèi)，提高準(zhǔn)確率。該技術(shù)可以作為數(shù)字化醫(yī)院建設(shè)的應(yīng)用研究基礎(chǔ)。
學(xué)術(shù)論文摘要
- 人工神經(jīng)網(wǎng)絡(luò)在冠心病診斷領(lǐng)域已取得廣泛應(yīng)用并取得良好效果，但其在冠心病鑒別診斷領(lǐng)域的應(yīng)用仍為空白。本文從冠心病的鑒別診斷入手，選用基于LM算法的人工神經(jīng)網(wǎng)絡(luò)，結(jié)合目前中國醫(yī)療場所對(duì)冠心病及其他疾病的診斷方法，就如何運(yùn)用人工神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)冠心病的鑒別診斷進(jìn)行了理論上的探討，并給出了具體的樣本信息數(shù)字化方法，填補(bǔ)了國內(nèi)相關(guān)領(lǐng)域研究的空白。
獲獎(jiǎng)情況
- 項(xiàng)目論文發(fā)表在《中外醫(yī)療》雜志2011年第12期 【DOI】 CNKI:SUN:HZZZ.0.2011-12-161
鑒定結(jié)果
- 經(jīng)鑒定，內(nèi)容屬實(shí)
參考文獻(xiàn)
- 1、李麗霞、張 敏、郜艷暉等.人工神經(jīng)網(wǎng)絡(luò)在醫(yī)學(xué)研究中的應(yīng)用.《數(shù)理醫(yī)藥學(xué)雜志》2009.22（1）80:82 2、徐冠、夏克文、徐乃勛. 基于神經(jīng)網(wǎng)絡(luò)的冠心病智能診斷系統(tǒng).《計(jì)算機(jī)工程與應(yīng)用》2005.35 197:199 3、宋紹云、仲濤. BP人工神經(jīng)網(wǎng)絡(luò)的新型算法.《人工智能及識(shí)別技術(shù)》2009.5.5 1197:1198 4、葉明全、伍長榮. 基于RBF神經(jīng)網(wǎng)絡(luò)的冠心病識(shí)別模型.《安徽工程科技學(xué)院學(xué)報(bào)》2005.20(1)52:55 5、丁小麗、楊濤、周金海. 利用人工神經(jīng)網(wǎng)絡(luò)分析疾病的影響因素--以高血壓為例.《醫(yī)學(xué)信息學(xué)》2009.1.22（1）4:7
同類課題研究水平概述
- 近年來，人工神經(jīng)網(wǎng)絡(luò)正向模擬人類認(rèn)知的道路上更加深入發(fā)展，與模糊系統(tǒng)、遺傳算法、進(jìn)化機(jī)制等結(jié)合，形成計(jì)算智能，成為人工智能的一個(gè)重要方向，將在實(shí)際應(yīng)用中得到發(fā)展。將信息幾何應(yīng)用于人工神經(jīng)網(wǎng)絡(luò)的研究，為其理論研究開辟了新的途徑。神經(jīng)計(jì)算機(jī)的研究發(fā)展很快，已有產(chǎn)品進(jìn)入市場。目前，國際上對(duì)于神經(jīng)網(wǎng)絡(luò)的研究十分重視，正在逐漸擴(kuò)展起應(yīng)用領(lǐng)域，尤其是在醫(yī)學(xué)領(lǐng)域的應(yīng)用。由于人工神經(jīng)網(wǎng)絡(luò)的非線性算法在信息聯(lián)系方面有這無法替代的天然優(yōu)勢，其在醫(yī)學(xué)診斷領(lǐng)域一定具有巨大的生存空間。在生物醫(yī)學(xué)信號(hào)檢測與處理中, ANNs己被廣泛地應(yīng)用于腦電、心電、胃電等信號(hào)的濾波、壓縮及模式識(shí)別, 超聲多普勒血流信號(hào)、聲譜包絡(luò)周期識(shí)別,聽覺誘發(fā)電位信號(hào)的提取, 醫(yī)學(xué)信號(hào)、圖像的數(shù)據(jù)壓縮, 時(shí)間序列的預(yù)測等方面。此外,也被用于專家系統(tǒng)的設(shè)計(jì)等。在與冠心病診斷的結(jié)合應(yīng)用中人工神經(jīng)網(wǎng)絡(luò)發(fā)揮了重要的作用：ANN在心電圖分類方法和其他的心電圖分類法相比有如下優(yōu)點(diǎn)①無需構(gòu)造復(fù)雜的心電圖分析算法②有自學(xué)習(xí)可以在不同的環(huán)境下通過學(xué)習(xí)改進(jìn)其分類能力③神經(jīng)網(wǎng)絡(luò)的并行處理能力可以提示心電圖分析的速度。首都醫(yī)科大學(xué)有學(xué)者采用高階分類識(shí)別信號(hào)獲得了較好的分類效果，也有人采用基于符號(hào)分類信號(hào), 可以進(jìn)一步提高心電圖分析的效率, 并在一定程度上緩解了基于規(guī)則的心電圖分類系統(tǒng)所面臨的組合爆炸問題。 此外, 浙江大學(xué)有專家采用ANN根據(jù)心音分析冠狀動(dòng)脈疾病, ANN還被用于超聲多普勒血流聲譜網(wǎng)絡(luò)周期識(shí)別等評(píng)價(jià)心臟功能以及用于人工智能醫(yī)學(xué)輔助診斷專家系統(tǒng)。Albdolmaleki等的工作證明ANN可以作為后備系統(tǒng)輔助診斷乳腺癌等。而在IgA腎病的診斷中, ANN的準(zhǔn)確率要高于有經(jīng)驗(yàn)的醫(yī)師, 并能識(shí)別需要術(shù)后跟蹤的高危病人。 ANN的主要優(yōu)點(diǎn)是能夠自適應(yīng)樣本數(shù)據(jù)的特點(diǎn)和并行處理, 當(dāng)數(shù)據(jù)中有噪聲、變形或非線性失真時(shí)也能正確分類提供簡單工具進(jìn)行自動(dòng)特征選取容易集成現(xiàn)有的域知識(shí)等。因此它在生物醫(yī)學(xué)領(lǐng)域中將得到更廣泛深入的應(yīng)用。同常規(guī)方法相比, ANN的優(yōu)越性是很明顯的, 但必須認(rèn)識(shí)到ANN是發(fā)展中的學(xué)科尚有諸多不足之處, 如受限于腦科學(xué)的己有研究成果且尚未建立起自身的完整而成熟的理論體系, 同時(shí)與傳統(tǒng)技術(shù)的接口不成熟。在這幾個(gè)方面的問題上如有突破將給ANN帶來卓有成效的重大進(jìn)展, 并有可能使包括信息科學(xué)在內(nèi)的其他學(xué)科產(chǎn)生重大突破和變革。
