人工智能方法在冠心病诊断中的应用

本文采用人工智能的方法,在诺依曼体系机上模拟人工神经网络,建立疾病诊断模型,并给出实验分析。然后文章提出用遗传算法来优化神经网络结构,从而从整体上提升疾病诊断模型的性能。     

基于心电信号的心脏疾病诊断实践

介绍了基于心电信号的滤波去噪算法以及基于心电信号的疾病诊断模型,通过对心电信号的滤波去噪等多种数学算法的研究比较,得到了关于心脏疾病与心电信号的相关性状态转换机制模型,为心电图疾病诊断研究奠定了基础。     

基于改进的卷积神经网络LeNet-5乳腺疾病诊断方法

针对计算机辅助乳腺疾病诊断方法准确率低、耗时长等问题,提出一种基于改进的卷积神经网络(CNN)的乳腺疾病诊断方法.该方法从以下3个方面做了改进:(1)设计双通道卷积神经网络来解决单通道特征提取不充分的问题;(2)采用Dropout技术有效地防止过拟合现象;(3)采用支持向量机(SVM)代替传统的Softmax分类器以减少运算量,提高运算速度.测试结果表明:所提出的分类模型平均准确率高达92.31%,平均训练时间为968s,充分验证了该方法的有效性.     

基于神经网络的医疗诊断研究

主要工作集中在医疗数据的预处理和神经网络模型的训练.首先结合数据挖掘和自然语言处理技术,在保留医疗数据语义基础上对分词工具语料库进行补充,将中文数据分词,同时对其中大量冗余信息进行清洗,将中文数据转换成计算机可识别的编码,其次利用多种经典热门的神经网络模型来训练医疗数据,同时对比基于传统决策树模型的GBDT模型的训练结果,最后实验结果证明,对于多种疾病诊断,神经网络模型的效果要优于其他模型,诊断准确率接近90%.     

基于BP神经网络的呼吸系统疾病诊断仿真研究

文章选取某三甲医院的320例症状相似而诊断不同的呼吸系统疾病病例,将其分成训练数据和测试数据各160例,研究建立基于BP神经网络模型的呼吸系统疾病诊断仿真系统,运用Matlab仿真工具进行实验测试,将仿真诊断结果与经验丰富的临床医生的诊断进行比较,两者诊断符合率达到94.6%。结果表明,基于BP神经网络模型的呼吸系统疾病诊断仿真系统,可以模拟临床医生对呼吸系统疾病作出正确诊断。     

卷积神经网络在MRl图像诊断中的应用

基于卷积神经网络对颅内组织器官疾病诊断提出了创新思路.选取帕金森病患者图像通过灰度映射、直方图均衡化、改进的小波去噪、图像增强等预处理,以VGG-Net网络模型为基础设计并搭建卷积神经网络,采取正则化策略避免过拟合问题,用患者MRI图像集对网络模型进行5次十折交叉验证,同时通过反卷积网络实现特征可视化,挖掘疾病潜在特征.实验结果和客观评价表明,本文搭建的网络可根据患者MRI图像实现良好的辅助诊断.     

基于单例模式的优化图型决策模型构造

对决策支持系统实现中的优化图型决策器进行了探讨,建立了优化图型决策系统模型。并阐述了利用面向对象的方法及JAVA工具,在医疗疾病诊断决策专家系统实现中基于单例模式的优化图型决策器模型的具体构造方法。     

主观贝叶斯自学习推理动物疾病确诊方法研究

基于传统专家系统技术建立的疾病诊断系统大多数仅仅运用历史知识进行推理,缺乏学习能力,致使知识更新效率低,结论准确度不高.研究以确诊山羊疾病为例,提出主观自学习贝叶斯推理确诊机制,设计专家系统体系架构,构造贝叶斯推理方法和学习算法.实验表明:同传统方法相比,该诊断求解模型提高了知识库利用率,改善了准确度,增加了学习智能,获得满意的实验效果.图1,表2,参8.     

基于支持向量机的糖尿病预测模型研究

糖尿病是一种严重危害人类身体健康的疾病,早发现、早诊断、早治疗才能降低其并发症的可能性和致死率.数学预测模型可有效解决上述问题,为临床提供帮助性信息,进行更快速、有效、准确的疾病诊断.据此,提出一种基于支持向量机的糖尿病预测模型.该模型采用径向基核函数解决非线性数据在高维特征空间中线性可分的问题,利用交叉验证和网格参数寻优法确定模型的最优惩罚参数(C)和核参数(g).针对Pima Indians Diabetes数据集,构建的支持向量机预测模型最终的测试集分类准确率为78.39%,模型敏感度和特异度分别为50%和93.6%.实验结果表明,该模型的分类准确率得到了提升,模型性能良好.     

专家系统在基因芯片疾病诊断系统中的应用

基因芯片疾病诊断系统在医疗卫生、生物医学工程、生命科学研究等领域有着广阔的应用前景。对专家系统在基因芯片疾病诊断系统中的应用进行了初步的探讨,提出了一种用于基因芯片疾病诊断的基于产生式规则的专家系统框架,实现了利用基因芯片对特定疾病诊断的功能要求。     

M-P人工神经网络用于核电站故障诊断系统

按照实际情况,将人工神经网络M-P模型应用于核电站机组故障诊断系统的部分诊断网络。根据核电站故障诊断信号和故障事件特点,提出在特定诊断网络中使用M-P模型的可能性和具体构建诊断网络的方法,对其优缺点进行了比较。使用M-P模型对核电站重要厂用水系统建立了简单诊断网络,进行了验证。该模型简单直接,可以避免若干使用其他人工神经网络模型时遇到的问题。该模型与其他模型结合使用于核电站故障诊断系统,尤其在处理逻辑判断性较强的诊断任务时,可以达到更好的效果。     

BP人工神经网络法研究PBDE_S类化合物的RRT

运用BP人工神经网络方法对PBDEs的相对保留时间(RRT)进行了QSPR研究.所建的BP人工神经网对PBDEs的RRT预测准确度非常高,网络训练误差几乎为0,网络回判MSE误差为0.003 9,明显低于逐步回归分析结果,独立检测集MSE误差为0.000 4,也很低,说明BP人工神经网具有较好的泛化能力.此方法得到的模型预测能力要优于逐步回归模型.     

人工神经网络水质预测模型研究

水质预测物理模型在水环境保护中起着十分重要的作用,然而由于模型的参数识别问题,使其应用受到很大局限.对人工神经网络(A rtific ia l N eura l N etw ork,简称ANN)水质预测建模作了初步研究.用试错法,以训练时间和测试误差两项指标为依据,对比分析三层、四层网络结构,认为ANN模型适应于水质预测建模,并提出了适合的模型结构、学习速率、传递函数.     

基于BP人工神经网络的大气颗粒物PM10质量浓度预测

根据2008年长沙市火车站监测点全年大气PM10及气象参数的小时平均数据,建立BP人工神经网络预测模型,预测PM10小时平均浓度。为证明人工神经网络模型用于预测PM10质量浓度的准确性,研究中考虑2种预测模型:多元线性回归模型与人工神经网络模型。研究结果表明:与传统的多元线性回归模型相比,人工神经网络模型能够捕捉污染物浓度与气象因素间的非线性影响规律,能更好地预测PM10质量浓度,拟合优度R2有较大提高;所选取气象参数及污染源强变量能较准确地描述大气PM10质量浓度的实时变化,用于PM10质量浓度的预测准确度较高,整体R2可达0.62;人工神经网络预测模型不仅适用于一般污染浓度情况,对于高污染时期PM10质量浓度的预测也较为准确。     

基于遗传-神经网络的交通量预测

分析了遗传算法 (Genetic Algorithm,GA)和人工神经网络 (Artificial Neural Network,ANN)的优缺点 ,在此基础上提出了将遗传算法与人工神经网络有机结合起来的遗传 -神经网络预测模型 ,并将此模型用于河北省交通量预测 ,其预测结果的精度明显得到提高 ,表明遗传 -神经网络预测模型可以作为交通量预测的一种有效手段。     

人工神经网络在《电工学》教学评价体系中的应用

利用人工神经网络方法建立《电工学》教学质量评价模型，并在MATLAB系统内得以实现。结果表明，人工神经网络用于《电工学》教学质量评价中，得到了满意的结果，具有广泛的适用性。     

偏最小二乘法与人工神经网络耦合的小流域产沙模型

针对小流域侵蚀产沙的复杂性,将偏最小二乘回归与人工神经网络耦合,建立了小流域降雨侵蚀产沙检验模型,并应用于小流域降雨侵蚀产沙预报.采用偏最小二乘法对多维自变量中的信息进行组合和提取,从而得到对因变量解释能力最强并可很好概括自变量信息的主成分,有效克服了变量之间的多重相关问题,实现了对高维数据的降维处理.把提取的主成分作为神经网络的输入,提高了网络的学习效率和稳健性.应用结果表明,偏最小二乘神经网络耦合模型的拟合和检验精度均优于偏最小二乘回归模型和人工神经网络模型精度.     

预变形Cu本构关系的神经网络模型和Z-A模型

利用Split-Hopkinson bar装置上所得到的变形数据，研究了冲击预变形铜的神经网络本构关系模型以及Zerrrlli-Axmstrong本构关系模型，比较了两种模型对冲击预变形铜在不同热力学状态下流变应力的预测精度．研究表明：神经网络模型的总的拟合度为0．9％，而Zerrilli-Armstrong模型的拟合度为8％；Zerrilli-Armstrong模型相对于神经网络模型精度较低，是由于物理模型把材料内部某些动态变量作为常数处理，而神经网络模型建模训练时已经包含了这些动态变化的因素；通过增加神经网络输入节点数可以扩大神经网络模型的应用范围。     

结合人工神经网络的冷凝器稳态分布参数模型

为了克服由于实际装置的复杂性及生产工艺的差异对冷凝器稳态仿真精度的影响 ,提高冷凝器仿真模型的通用性和准确性 ,提出了冷凝器基本模型结合人工神经网络的仿真思路 .以相区划分和制冷剂出口焓值迭代为基础 ,提出了一种稳定的逆流型冷凝器仿真分布参数模型和算法 ,建立了冷凝器仿真的基本模型 .其计算结果与实验数据的变化趋势一致 ,能够在定性上反映实际物理过程的基本特性 .通过对部分实验数据的学习 ,进一步建立了与基本模型相结合的人工神经网络 .利用其非线性映射能力进行模型修正 ,显著提高了冷凝器的仿真精度 ,从而为同时提高冷凝器仿真的通用性和准确性提供了一种有效的工程应用方法