高雄激素和月经失调是多囊卵巢综合征患者对二甲双胍治疗反应的最佳预测指标

多囊卵巢综合征(PCOS)是育龄期女性最常见的内分泌疾病。胰岛素抵抗(IR)在PCOS的发病机制中起关键作用, 多数PCOS患者存在IR, 尤其超重和肥胖者。二甲双胍能够减轻IR, 因此被推荐用于PCOS患者以改善排卵和代谢异常并降低雄激素水平。然而, PCOS患者对二甲双胍治疗反应的变异性和不可测性限制了其广泛应用。人工神经网络(ANN)这种数学方法尤其适用于分析PCOS这种异质性强的独立变量间的非线性相关问题。因此, 本研究旨在应用ANN来确定PCOS患者对二甲双胍治疗反应的可靠预测指标。     

BP人工神经网络技术在穴位按摩分娩镇痛法的分析报告

目的 探讨ANN(BP)人工神经网络技术用于评估穴位按摩在分娩镇痛过程中的意义.方法 根据人工神经网络原理,进行BP网络建模并进行训练,直到均方误差(MSE)<10-8.选择足月顺产者300例,进行穴位按摩法镇痛治疗,使用训练好的BP网络对治疗结果进行统计分析,用SPSS 10.0统计软件分析,比较两种统计分析方法的优缺点.结果 两种方法方差分析P=0.590,均值比较差异无统计学意义.线性相关系数0.997(P<0.001),两种方法计算结果高度相关.结论 BP神经网络可以用于评估治疗结果,为探索建立人工神经网络穴位按摩分娩镇痛模型提供技术依据.     

人工神经网络在医学中的应用

人工神经网络(Artificial Neural Network,ANN)是一种模仿人神经结构所发展起来的计算机网络系统,由许多相对独立的人工神经元彼此连结成网络,模仿生物神经处理信息的方式解决问题.最早的ANN是由McCulloch和Pitts于1943年所提出,这个网络被用来从事逻辑运算.     

肾综合征出血热发病率的ANN预测模型

目的 :探讨ANN时间序列预测模型在疾病发病率或死亡率预测上的应用前景。方法 :利用动态学习比率BP算法以双曲正切函数为功能函数的非线性时间序列预测方法。结果 :建立HFRS发病率的ANN预测模型 ,其预测精度高。结论 :BP人工神经网络可以用于疾病发病率或死亡率的预测     

人工神经网络在高血压并发症预测中的应用

目的通过分析高血压患者的实验室数据并建立人工神经网络（ANN）模型来预测高血压并发症的发展趋势。方法分析568例高血压患者的临床资料,按有无并发症分为两组,结合主要的实验室指标建立高血压并发症预测模型,同时进行模型验证,以检测网络的稳定性。结果人工神经网络预测与临床比较,网络预测高血压并发症的准确度为79.86%（226/283）。结论利用人工神经网络进行高血压并发症预测,能获得良好的预测效果。     

应用人工神经网络预测人血清低密度脂蛋白胆固醇

目的：建立人血清低密度脂蛋白胆固醇(LDL—C)水平的人工神经网络(Artificial Neural Networks，ANN)预测方法。方法：随机收集临床血清标本81份，并直接测定其总胆固醇(TC)、高密度脂蛋白胆固醇(HDL—C)、甘油三酯(TG)及LDL—C。再利用TC、HDL—C和TG的测定值，分别以反馈前向神经网络(Feedforward Neural Network，FF—ANN)预测和Friedewald公式计算LDL—C，并与均相测定值进行比较。其中，FF—ANN由两个隐含层，一个输出层构成。结果：Friedewald公式计算值与测定值之间存在显著差异，而FF—ANN预测值与测定值之间无显著差异。结论：反馈前向神经网络对人血清LDL—C水平预测具有潜在的实用价值。     

肝细胞癌血清学诊断模型的建立与比较

目的比较人工神经网络(ANN)和逻辑回归模型对肝细胞癌患者的诊断价值,以提高肝细胞癌血清诊断效率。方法收集2012年4—12月第二军医大学第三附属医院收治的630例肝病患者的临床资料,其中肝细胞癌患者428例、肝硬化患者139例、肝炎患者63例,根据疾病类型将患者分为肝细胞癌组和非肝细胞癌组。采用单因素分析初步筛选两组中的差异性指标,再进行多因素逻辑回归分析确定最终的差异性指标。指标分别纳入ANN和逻辑回归模型,比较两种模型的诊断效率及与病理诊断结果的一致性。结果经研究筛选确认,最终将甲胎蛋白、总胆汁酸、活化部分凝血活酶时间、碱性磷酸酶和血小板因素分别纳入ANN和逻辑回归模型。两种诊断模型比较,其受试者工作曲线下面积分别为0.92(0.89~0.94)和0.87(0.84~0.90);两组受试者工作曲线下面积比较,Delong检验Z=3.882,P<0.001。两种诊断模型截断值分别为0.593和0.647,敏感度分别为82.9%和79.9%,特异度分别为84.7%和81.7%;两种模型与病理结果的一致性指数(Kappa系数)分别为0.68和0.58,准确度分别为83.4%和80.4%。结论在选择相同指标建立肝细胞癌诊断模型时,ANN的诊断效率优于逻辑回归模型,故ANN为肝癌辅助诊断更有效力的模型。     

基于人工神经网络模型的老年人体质综合评价与探索

目的探讨基于人工神经网络(artificial neural network,ANN)模型用于老年人体质综合评价的价值。方法采用整群抽样,抽取南昌市部分社区老年人进行体质调查。构建基于ANN的老年人体质评价模型,并对他们的体质进行综合评价。结果最终完成所有测试指标的有效体质量表计1739份,其中男性718人,女性1021人。男性ANN模型体质权重前3位为:握力(0.160)、肺活量(0.143)、坐位体前屈(0.106);女性前3位为:肺活量(0.117)、选择反应时(0.105)、坐位体前屈(0.092)。构建ANN模型评价男性和女性体质的ROC曲线面积分别为0.935、0.907。结论初步构建的老年人体质神经网络模型准确率较高,可应用于老年人体质的个性化评价。     

人工神经网络技术在疾病诊断中的应用进展

人工神经网络(Artificial Neural Networks , ANN)是在对人脑组织结构和运动机制的认识理解基础上模拟其结构和智能功能而构成的一种信息处理系统[1].具有自学习、联想记忆、高度并行、容错等功能及强大的非线性处理能力[2,3] ,其理论的应用已渗透到各个领域并取得非常令人瞩目的进展,近年来在医学领域的应用也越来越广泛,现将ANN在疾病诊断方面的应用综述如下.     

采用高维数据归约由药物判定方剂功效

目的:探讨药物高维数据归约方法判断方剂功效的可行性。方法:以《中医类方辞典》的方剂为样本数据,将组方药物的数据量化,采用单纯的人工神经网络方法(ANN)和人工神经网络方法结合属性距离矩阵的高维数据方法(SARM)分别由药物判断方剂功效。结果与结论:采用人工神经网络方法并结合中医先验知识由药物判断客观方剂功效是可行的。