期刊文献+
共找到85篇文章
< 1 2 5 >
每页显示 20 50 100
环行阵列神经网络计算机系统
1
作者 陈虎 戴葵 胡守仁 《计算机研究与发展》 EI CSCD 北大核心 1999年第2期144-149,共6页
文中首先考察了神经网络计算和并行计算机的特点,提出了环行阵列体系结构,对环行阵列体系结构和Systolic结构进行了比较.提出了基于环行阵列体系结构的神经网络计算的并行算法。
关键词 体系结构 环行阵列 并行算法 神经网络计算机
在线阅读 下载PDF
神经网络计算机的一种分形实现
2
作者 王炎 刘光远 虞厥邦 《计算机研究与发展》 EI CSCD 北大核心 1999年第2期156-159,共4页
神经网络计算机的实现是神经网络研究领域中的一个重要课题.目前,神经网络的研究已形成了较为系统的理论模型与算法,但神经网络计算机的研究却至今没有重大突破,主要困难就在于网络规模过大,突触联系密度太高等等,为解决这个问题... 神经网络计算机的实现是神经网络研究领域中的一个重要课题.目前,神经网络的研究已形成了较为系统的理论模型与算法,但神经网络计算机的研究却至今没有重大突破,主要困难就在于网络规模过大,突触联系密度太高等等,为解决这个问题,文中基于分形理论,提出了一种神经网络计算机的分形实现方案,给出了分形维数的计算公式,并从物理上实现了与整体结构具有自相似性的分形子结构,在神经网络计算机的实现上作了有益的探索. 展开更多
关键词 神经网络计算机 分形实现 分形维数 计算机
在线阅读 下载PDF
神经网络计算机和现代教育科学
3
作者 安宝生 《北京师范大学学报(社会科学版)》 CSSCI 北大核心 1989年第2期10-15,共6页
在教育科学发展中,计算机科学成为越来越重要的影响因素。其表现为:一方面计算机给教育科学研究提供了现代化的计算手段,使得教育统计学、教育管理学摆脱了手工作坊式的工作方式,从信息的收集、整理、加工、分析到辅助决策都有可能... 在教育科学发展中,计算机科学成为越来越重要的影响因素。其表现为:一方面计算机给教育科学研究提供了现代化的计算手段,使得教育统计学、教育管理学摆脱了手工作坊式的工作方式,从信息的收集、整理、加工、分析到辅助决策都有可能实现自动化,从而大大地增强了我们处理复杂的、变动的大系统的能力。另一方面。 展开更多
关键词 神经网络计算机 现代教育科学 教育科学研究 突触 教育科学工作者 神经网络系统 神经网络 神经 人脑 计算机科学
在线阅读 下载PDF
基于计算机神经网络的细胞诊断系统研究
4
作者 余心宏 李根乾 罗子健 《西北工业大学学报》 EI CAS CSCD 北大核心 2001年第4期648-650,共3页
在 PC机上利用真彩色细胞图像和神经网络技术 ,建立了具有自学习功能的细胞诊断与分析系统 ,有效地实现了血液细胞的 3分类和白细胞的 5分类、异常细胞的检出和收集。系统还提供了特征库的建立与编辑功能 ,可不断扩大和完善系统功能。
关键词 计算机神经网络 特征库 分类器 专家系统 细胞诊断 图像预处理 临床检验 血液
在线阅读 下载PDF
基于麻雀搜索算法优化的BP神经网络模型对2型糖尿病肾病的预测研究 被引量:6
5
作者 邹琼 吴曦 +2 位作者 张杨 万毅 陈长生 《中国全科医学》 北大核心 2024年第8期961-970,共10页
背景糖尿病肾病(DN)是糖尿病常见的微血管并发症之一,发病率高,危害性大。早期发现DN对预防相关疾病非常重要。目前大多研究基于传统的统计预测方法,数据需满足其所要求的前提假设条件。近年来已无法很好满足其在DN预测领域的需求,有必... 背景糖尿病肾病(DN)是糖尿病常见的微血管并发症之一,发病率高,危害性大。早期发现DN对预防相关疾病非常重要。目前大多研究基于传统的统计预测方法,数据需满足其所要求的前提假设条件。近年来已无法很好满足其在DN预测领域的需求,有必要尝试开展机器学习等新方法在DN预测领域的应用。目的利用LASSO回归和麻雀搜索算法(SSA)优化的BP神经网络(SSA-BP神经网络)构建DN预测模型。方法本研究时间为2023年4—8月,数据来源于公开的伊朗133例糖尿病患者的并发症数据。采用SPSS 26.0软件进行单因素分析,采用LASSO回归筛选变量。以是否患DN为因变量,分别用8∶2和7∶3的比例划分训练集和测试集,使用SSA-BP神经网络进行建模与分析,并与经典的机器学习模型对比预测性能以分析较优的DN模型。基于准确率、精确率、灵敏度、特异度、F1-score和受试者工作特征曲线下面积(AUC)指标进行模型评价。结果剔除9例1型糖尿病患者,本研究纳入的有效样本量为124例2型糖尿病(T2DM)患者,其中73例(58.9%)被诊断为DN患者。单因素分析显示年龄、BMI、糖尿病持续时间、空腹血糖(FBG)、糖化血红蛋白(HbA_(1c))、低密度脂蛋白(LDL)、高密度脂蛋白(HDL)、三酰甘油(TG)、收缩压(SBP)和舒张压(DBP)的T2DM患者DN危险因素(P<0.05)。训练集∶测试集=8∶2时,训练集(n=100)中有59例DN患者,测试集(n=24)含有14例DN患者。LASSO回归筛选出年龄、糖尿病持续时间、HbA_(1c)、LDL和SBP共5个影响因素。Logistic回归(LR)、K近邻(KNN)、支持向量机(SVM)、BP神经网络、SSA-BP神经网络模型在测试集的准确率分别为83.33%、79.17%、79.17%、87.50%、95.83%。F1-score分别为0.8462、0.8000、0.8000、0.8889、0.9600。训练集∶测试集=7∶3时,训练集(n=88)中有52例DN患者,测试集(n=36)含有21例DN患者。LASSO回归筛选出年龄、BMI、糖尿病持续时间、LDL、HDL、SBP和DBP这7个影响因素。LR、KNN、SVM、BP神经网络、SSA-BP神经网络模型在测试集的准确率分别为86.11%、86.11%、86.11%、72.22%、91.67%。F1-score分别为0.8718、0.8718、0.8649、0.7059、0.9091。结论LR、KNN和SVM模型在训练集∶测试集=7∶3时性能较好,BP神经网络和SSA-BP神经网络模型在训练集∶测试集=8∶2时性能较好。相较于BP神经网络模型和传统机器学习模型,SSA-BP神经网络模型的预测性能更佳,可及时准确识别T2DM DN患者,实现DN的早发现和早治疗,从而预防并减缓对其身体带来的危害。 展开更多
关键词 糖尿病 2型 糖尿病肾病 神经网络 计算机 预测模型
在线阅读 下载PDF
血清肿瘤标志物优化组合人工神经网络模型在大肠癌诊断中的应用 被引量:22
6
作者 余捷凯 杨美琴 +1 位作者 姜铁军 郑树 《浙江大学学报(医学版)》 CAS CSCD 2004年第5期407-410,共4页
目的 :从目前已知的血清肿瘤标志物中筛选出用于大肠癌诊断的最优化肿瘤标志物组合 ,并联合这组标志物建立基于人工神经网络的大肠癌智能诊断模型。方法 :应用酶联免疫吸附法分别测定 12 8例大肠癌患者和113例健康人血清癌胚抗原 (CEA)... 目的 :从目前已知的血清肿瘤标志物中筛选出用于大肠癌诊断的最优化肿瘤标志物组合 ,并联合这组标志物建立基于人工神经网络的大肠癌智能诊断模型。方法 :应用酶联免疫吸附法分别测定 12 8例大肠癌患者和113例健康人血清癌胚抗原 (CEA)、甲胎蛋白 (AFP)、癌抗原 199(CA199)、癌抗原 72 4 (CA72 4 )、癌抗原 2 4 2(CA2 4 2 )、癌抗原 2 11(CA2 11)、神经元特异性烯醇化酶 (NSE)和组织多肽抗原 (TPA)共 8种肿瘤相关标志物含量 ,用曲线下面积结合人工神经网络模型的方法评价并筛选最优标志物联合模型 ,并将此模型应用于大肠癌的诊断。结果 :筛选出 CEA、CA199、CA2 4 2、CA2 11及 CA72 4 5个最优肿瘤标志物的组合 ,建立了诊断大肠癌的人工神经网络模型 ,并用 5倍交叉验证 ,该模型预测大肠癌样本的特异性为 95 % ,敏感性为 83% ,阳性预测率为 95 %。结论 :本研究筛选出的最优肿瘤标志物组合诊断大肠癌具有较高的敏感性和特异性。 展开更多
关键词 结直肠肿瘤 诊断 神经网络(计算机) 肿瘤标记 生物学 癌胚抗原
在线阅读 下载PDF
人工神经网络在预测输尿管结石自行排出中的应用研究 被引量:7
7
作者 曾凯 李应龙 +6 位作者 钱彪 李强 倪钊 王新敏 王文晓 任之尚 王勤章 《中国全科医学》 CAS CSCD 北大核心 2016年第20期2430-2434,共5页
目的运用人工神经网络建立输尿管结石自行排出的预测模型,并转化成临床应用。方法选取2013年1—8月在石河子大学医学院第一附属医院泌尿外科门诊就诊的输尿管结石患者225例。经保守排石治疗4周后,复查泌尿系B超或CT判断结石是否排出,并... 目的运用人工神经网络建立输尿管结石自行排出的预测模型,并转化成临床应用。方法选取2013年1—8月在石河子大学医学院第一附属医院泌尿外科门诊就诊的输尿管结石患者225例。经保守排石治疗4周后,复查泌尿系B超或CT判断结石是否排出,并将患者分为排石组和未排石组。通过单因素分析筛选出影响结石排出的因素,将这些因素作为预测参数建立人工神经网络,并对68例测试集样本进行预测。绘制预测拟概率的ROC曲线,并计算ROC曲线下面积评价预测效能。结果排石组141例,未排石组84例。单因素分析结果显示两组患者性别、体质指数、膀胱刺激征、侧别、肾盂积水、尿p H值、血尿、淋巴细胞计数比较,差异均无统计学意义(P>0.05);两组患者年龄、疼痛程度、结石直径、结石位置、血白细胞计数、中性粒细胞计数、中性粒细胞分数、淋巴细胞分数、C反应蛋白水平比较,差异均有统计学意义(P<0.05)。运行人工神经网络,输入层共建立9个神经元。系统自动体系构建两个隐含层,输出层有1个神经元。预测变量重要性前3位分别是:结石直径(0.20)、C反应蛋白(0.18)、年龄(0.12)。运用建立成功的人工神经网络对68例测试集样本进行预测,结果显示,测试集样本的灵敏度、特异度和总准确率分别为93.3%、60.9%和82.4%,ROC曲线下面积为0.868〔95%CI(0.774,0.962)〕。结论人工神经网络预测输尿管结石能否排出有较高的准确率,可辅助临床医师为患者制定安全、合理的治疗方案。 展开更多
关键词 输尿管结石 神经网络(计算机) 药物排石治疗 预测
在线阅读 下载PDF
基于逆传播神经网络的麻疹短期发病预测研究 被引量:6
8
作者 徐学琴 徐玉芳 +2 位作者 朱明军 赵敏 孙宁 《中国全科医学》 CAS CSCD 北大核心 2013年第29期3488-3490,共3页
目的建立用于麻疹短期预测的逆传播神经网络(BPNN)模型,并对麻疹的短期发病数进行预测,为制定麻疹的预防措施提供理论依据。方法确定预测模型的基本结构,以2011年1月—2012年11月全国麻疹的月发病数为训练样本,以2012年12月的发病数为... 目的建立用于麻疹短期预测的逆传播神经网络(BPNN)模型,并对麻疹的短期发病数进行预测,为制定麻疹的预防措施提供理论依据。方法确定预测模型的基本结构,以2011年1月—2012年11月全国麻疹的月发病数为训练样本,以2012年12月的发病数为检验样本,采用BPNN算法训练预测模型。利用该模型对2013年1—6月的麻疹发病数据进行预测。结果所建立的BPNN模型在仿真预测样本点的平均预测相对误差为0.774%,检验样本的相对误差为1.296%。利用该BPNN模型采用分步预测法得到2013年1—6月麻疹的发病数预测值,将预测得到的数值乘以2 000,得到全国麻疹2013年1—6月的发病数,分别为787、786、603、523、573、629。结论 BPNN模型具有良好的预测精度,适合用来进行麻疹的短期发病预测。 展开更多
关键词 麻疹 神经网络(计算机) 预测
在线阅读 下载PDF
基于三维卷积神经网络深度学习的肺结节良恶性的鉴别诊断 被引量:18
9
作者 王风 王磊 +1 位作者 李囡 杨志 《中国医学影像学杂志》 CSCD 北大核心 2019年第10期779-782,787,共5页
目的开发一种三维(3D)卷积神经网络(CNN)深度学习模型,用于鉴别诊断肺部CT图像的良、恶性结节,并预测肺结节的恶性程度。资料与方法基于3D卷积设计4种3D CNN架构以分析连续多张图片数据。提取图像特征并进行分类。使用美国癌症协会发布... 目的开发一种三维(3D)卷积神经网络(CNN)深度学习模型,用于鉴别诊断肺部CT图像的良、恶性结节,并预测肺结节的恶性程度。资料与方法基于3D卷积设计4种3D CNN架构以分析连续多张图片数据。提取图像特征并进行分类。使用美国癌症协会发布的LIDC-IDRI影像数据集进行训练、测试和验证各模型。以受试者工作特征(ROC)曲线下面积(AUC)及其准确度、敏感度和特异度表征各模型的效果。结果在肺部结节和非结节的鉴别诊断中,开发的3D CNN-3模型的ROC曲线AUC最高(0.959),同时具有最高的特异度(0.946);在肺部结节恶性程度预测能力方面,3D CNN-3模型亦获得最高的AUC(0.981),同时具有最高的灵敏度(0.936)。结论开发出3D CNN-3深度学习模型在CT图像肺部结节良恶性的鉴别诊断和恶性程度预测方面表现出良好的性能。 展开更多
关键词 孤立性肺结节 肺肿瘤 肺疾病 体层摄影术 X线计算机 神经网络(计算机) 深度学习 诊断 鉴别
在线阅读 下载PDF
人工神经网络诊断模型在肝纤维化无创诊断中的应用 被引量:3
10
作者 李波 孙志强 +4 位作者 李筱涵 李小溪 陈小倩 陈伟蛟 毛远丽 《解放军医学杂志》 CAS CSCD 北大核心 2012年第12期1135-1138,共4页
目的建立肝纤维化神经网络诊断模型,探索肝纤维化的早期无损伤诊断新方法并对该模型进行临床应用评价。方法选取2008年5月-2011年3月收治的、符合纳入标准的683例经肝组织活检或临床证实为肝纤维化、肝硬化患者的样本进行模型建立及验证... 目的建立肝纤维化神经网络诊断模型,探索肝纤维化的早期无损伤诊断新方法并对该模型进行临床应用评价。方法选取2008年5月-2011年3月收治的、符合纳入标准的683例经肝组织活检或临床证实为肝纤维化、肝硬化患者的样本进行模型建立及验证,其中慢性乙型肝炎(CHB)导致的肝纤维化504例,其他类型肝病导致的肝纤维化179例,按照纤维化病理分期结果,利用分层随机抽样方法抽取其中134例作为训练组样本,其余样本用于模型的验证,以年龄、天冬氨酸转氨酶(AST)、凝血酶原时间(PT)、血小板计数(PLT)、γ-谷氨酰基转移酶(GGT)、直接胆红素(DBil)作为神经网络模型的输入层指标构建神经网络诊断模型,并对构建好的模型进行评价。结果成功建立了肝纤维化神经网络诊断模型,该模型对各类肝病纤维化诊断的正确率为77.4%,敏感度为76.8%,特异度为77.8%。Kappa一致性检验显示,该模型与肝组织活检的一致性较好(Kappa指数=0.534),其中对CHB导致的肝纤维化诊断的正确率为80.4%,敏感度为79.9%,特异度为80.7%,Kappa指数=0.598,对其他类型肝病导致的肝纤维化诊断的正确率为67.9%,敏感度为64.3%,特异度为69.7%,Kappa指数=0.316。结论作为一种新的实验室无创诊断方法,本研究建立的神经网络肝纤维化诊断模型对CHB导致的肝纤维化的诊断敏感度及特异度较高,具有良好的临床应用价值,但对其他类型肝病导致的纤维化诊断价值有限。 展开更多
关键词 神经网络(计算机) 肝硬化 早期诊断
在线阅读 下载PDF
人工神经网络模型在肺癌与胃癌或肠癌中的鉴别分析 被引量:3
11
作者 周晓蕾 冯斐斐 +6 位作者 张昭 秦利娟 吴拥军 聂广金 倪然 吴逸明 王静 《实用医学杂志》 CAS 北大核心 2011年第18期3312-3314,共3页
目的:应用人工神经网络技术,联合检测6种肿瘤标志对肺癌与胃癌或肠癌进行区分判别,建立肿瘤标志联合检测肺癌的辅助诊断模型。方法:采用放射免疫学、分光光度法、原子吸收分光光度法等方法,测定67例肺癌患者、47例胃癌患者和50例大肠癌... 目的:应用人工神经网络技术,联合检测6种肿瘤标志对肺癌与胃癌或肠癌进行区分判别,建立肿瘤标志联合检测肺癌的辅助诊断模型。方法:采用放射免疫学、分光光度法、原子吸收分光光度法等方法,测定67例肺癌患者、47例胃癌患者和50例大肠癌患者血清中癌胚抗原(CEA)、胃泌素(gastrin)、神经元特异性烯醇化酶(NSE)、唾液酸(SA)、铜锌比值(Cu/Zn)、钙(Ca)等6项指标。建立基于人工神经网络的肺癌肿瘤标志智能诊断模型。结果:肺癌-胃癌的人工神经网络模型判别肺癌的灵敏度,特异度和准确度分别为100%、83.3%和93.5%;肺癌-肠癌模型判别肺癌的灵敏度、特异度和准确度分别为76.9%、100%和87.0%。结论:本研究成功建立基于人工神经网络技术的肿瘤标志物联合检测的人工智能诊断模型,对肺癌-胃癌、肺癌-肠癌中肺癌的鉴别诊断有助于提高肺癌的诊断率。 展开更多
关键词 神经网络(计算机) 肺癌 肿瘤标志 胃癌 肠癌
在线阅读 下载PDF
基于人工神经网络的卵巢早衰预测模型研究 被引量:5
12
作者 吴妍 姚蕾 +1 位作者 盛文丽 刘明娟 《中国全科医学》 CAS 北大核心 2017年第27期3410-3415,共6页
目的建立基于人工神经网络(ANN)的卵巢早衰(POF)预测模型——多层向前神经网络模型,以期提高POF临床诊断总符合率。方法 2011年1—3月选取武汉市白玉山街所管辖的6个社区内符合纳入标准的妇女341例为研究对象。2011年5月—2016年6月,每... 目的建立基于人工神经网络(ANN)的卵巢早衰(POF)预测模型——多层向前神经网络模型,以期提高POF临床诊断总符合率。方法 2011年1—3月选取武汉市白玉山街所管辖的6个社区内符合纳入标准的妇女341例为研究对象。2011年5月—2016年6月,每隔4个月对研究对象进行1次来院随访,随访至其40岁。随访过程中2例研究对象行子宫切除术,2例服用性激素治疗,失访21例,均予以剔除,最终共纳入316例研究对象。采用无偏随机化分配法将316例研究对象分为训练样本(177例)、检验样本(44例)和坚持样本(95例)。设置输入参数为A型行为、腮腺炎病史、妇科手术史、使用促排卵药物史、婚育史、卵泡刺激素(FSH)、FSH/黄体生成素(LH)、抗苗勒管激素(AMH)、抑制素B(INHB)、窦状卵泡数(AFC)、收缩期峰流速(PSV)、阻力指数(RI);输出参数为"是否发生POF"。通过训练样本进行模型构建,检验样本对模型进行校正,坚持样本对模型进行稳定性检测。结果ANN经过剔除"冗余"后,自动构建出输入单元(12个)、单隐层(6个节点)和激活函数(hyperbolic tangent)、输出单元(2个)和激活函数(softmax)的模型。训练样本的交叉熵误差值为53.236,在预测误差未减少时终止测试,训练时间为0.42 s。影响权重在前5位的输入参数分别为AMH(26.3%)、INHB(24.1%)、AFC(21.7%)、A型行为(7.2%)、妇科手术史(6.5%)。多层向前神经网络模型预测训练样本、检验样本、坚持样本发生POF的灵敏度分别为97.8%、91.7%和92.0%,特异度分别为92.4%、84.4%和80.0%,总符合率分别为93.8%、86.4%和83.2%。在训练样本和检验样本的基础上,得到多层向前神经网络模型预测POF的受试者工作特征曲线下面积(AUC)为0.972。结论基于ANN构建的POF预测模型——多层向前神经网络模型具有较高临床诊断总符合率,不仅为临床高效诊断及优化检查提供理论基础和方法支持,而且为实现早防早治提供机会,值得临床推广。 展开更多
关键词 原发性卵巢功能不全 卵巢功能早衰 神经网络(计算机) 预测
在线阅读 下载PDF
基于V-Net卷积神经网络深度学习模型自动分割腰椎CT图像中的椎旁肌 被引量:3
13
作者 李新彤 姚宁 +3 位作者 闫东 程晓光 李一诺 杨泽曦 《中国医学影像技术》 CSCD 北大核心 2023年第6期890-894,共5页
目的 观察基于V-Net卷积神经网络(CNN)的深度学习(DL)模型自动分割腰椎CT图像中的椎旁肌的价值。方法 收集471例接受腰椎CT检查患者,按7∶3比例将其分为训练集(n=330)和测试集(n=141);采用2D V-Net进行训练,建立DL模型;观察其分割腰大... 目的 观察基于V-Net卷积神经网络(CNN)的深度学习(DL)模型自动分割腰椎CT图像中的椎旁肌的价值。方法 收集471例接受腰椎CT检查患者,按7∶3比例将其分为训练集(n=330)和测试集(n=141);采用2D V-Net进行训练,建立DL模型;观察其分割腰大肌、腰方肌、椎后肌群及椎旁肌的价值。结果 基于V-Net CNN的DL模型分割椎旁肌精度良好,戴斯相似系数(DSC)均较高、肌肉横截面积误差率(CSA error)均较低;其分割训练集图像中的腰大肌、腰方肌及椎旁肌的DSC均高于测试集(P均<0.05),而分割训练集中4组肌肉的CSA error均低于测试集(P均<0.05)。测试集内两两比较结果显示,该模型分割椎后肌群的DSC最高、腰方肌的DSC最低;分割腰方肌的CSA error最高、椎旁肌的CSA error最低(P均<0.05)。结论 以基于V-Net的DL模型自动分割椎旁肌的效能较佳。 展开更多
关键词 肌肉 深度学习 自动分割 神经网络 计算机 体层摄影术 X线计算机
在线阅读 下载PDF
基于人工神经网络的前列腺癌诊断模型对前列腺癌的诊断价值研究 被引量:1
14
作者 宋敏 王开正 +3 位作者 杭永伦 李光荣 田刚 刘靳波 《中国全科医学》 CAS CSCD 北大核心 2012年第35期4061-4063,共3页
目的结合前列腺肿瘤标志物检验组套和患者临床信息进行数据挖掘,建立基于人工神经网络(ANN)的前列腺癌诊断模型,为前列腺癌的临床诊断和治疗提供客观的参考信息。方法通过实验信息系统与医院信息管理系统的数据信息平台检索并统计2010年... 目的结合前列腺肿瘤标志物检验组套和患者临床信息进行数据挖掘,建立基于人工神经网络(ANN)的前列腺癌诊断模型,为前列腺癌的临床诊断和治疗提供客观的参考信息。方法通过实验信息系统与医院信息管理系统的数据信息平台检索并统计2010年1月—2011年7月我院前列腺肿瘤标志物检验组套病例365例,其中前列腺癌组60例,非前列腺癌组305例。采用受试者工作特征(ROC)曲线下面积法筛选出有价值的指标,用244例样本(前列腺癌组40例,非前列腺癌组204例)建立ANN模型,并用121例样本(前列腺癌组20例,非前列腺癌组101例)盲法测试和评估此模型。结果纳入分析的指标有年龄、甲胎蛋白(AFP)、癌胚抗原(CEA)、总前列腺特异抗原(tPSA)和结合前列腺特异抗原(cPSA),各指标的曲线下面积分别为0.623、0.517、0.499、0.907和0.913,其中年龄、tPSA和cPSA与前列腺癌的发病有相关性(P<0.05);经方差分析前列腺癌组的年龄、tPSA和cPSA与非前列腺癌组比较,差异均有统计学意义(P<0.05)。建立的模型对训练样本预测的特异度为93.63%,敏感度为82.50%;此模型对121例测试样本预测的特异度为93.07%,敏感度为80.00%。结论数据挖掘技术能够提炼出高效的诊治信息,基于ANN的前列腺癌诊断模型对前列腺癌的早期诊断具有一定价值。 展开更多
关键词 前列腺肿瘤 肿瘤标记 生物学 神经网络(计算机) ROC曲线 诊断
在线阅读 下载PDF
反向传播神经网络在监测颅内压数学模型中的应用 被引量:1
15
作者 曾高 邓巍 +4 位作者 何乾 焦风 任金马 栾文忠 梁冶矢 《中国脑血管病杂志》 CAS 2007年第9期387-391,共5页
目的探讨反向传播神经网络(BPNN)在建立无创颅内压监测数学模型中应用的可能性及在该领域的应用前景。方法对10例颅脑外伤所致急性颅高压患者连续20min采集其大脑中动脉平均血流速度(VMCA)、平均动脉压(MAP)、呼气末二氧化碳分压(PETCO2... 目的探讨反向传播神经网络(BPNN)在建立无创颅内压监测数学模型中应用的可能性及在该领域的应用前景。方法对10例颅脑外伤所致急性颅高压患者连续20min采集其大脑中动脉平均血流速度(VMCA)、平均动脉压(MAP)、呼气末二氧化碳分压(PETCO2)和心率,同时在硬膜外置探头监测颅内压,共获2911组数据。通过Matlab7.0软件中的神经网络工具箱,建立众参数和颅内压的贝叶斯正规化3层BPNN预测模型,进行训练样本和预测样本的仿真模拟,并计算出各个因素的平均影响值(MIV)。结果BPNN模型结构为4-20-1,训练至191步时网络收敛。预测样本的预测值和真实值的相关系数r=0.99,平均绝对误差为1.17mmHg,平均相对误差为7.36%。按照MIV绝对值大小列出4个因素,对于颅内压影响的相对重要性顺位为VMCA、PETCO2、MAP和心率。结论反向传播神经网络模型与颅高压的非线性特性相契合,对颅内压的预测效果良好,能较好地处理颅高压内部多因素间复杂的非线性关系。 展开更多
关键词 神经网络(计算机) 模型 理论 颅内高压
在线阅读 下载PDF
基于长短期记忆神经网络模型的空气质量预测 被引量:15
16
作者 张冬雯 赵琪 +1 位作者 许云峰 刘滨 《河北科技大学学报》 CAS 2020年第1期67-75,共9页
随着城市化和工业化的快速发展,空气污染问题日益突出,空气质量预测显得尤为重要。当前一些有代表性的研究对空气质量进行实时监测和预报,例如周广强等采用数值预报的方法对中国东部地区的空气质量进行分析,但其实验结果表明该方法难以... 随着城市化和工业化的快速发展,空气污染问题日益突出,空气质量预测显得尤为重要。当前一些有代表性的研究对空气质量进行实时监测和预报,例如周广强等采用数值预报的方法对中国东部地区的空气质量进行分析,但其实验结果表明该方法难以预测非常重的污染;SANKAR等使用多元线性回归对空气质量进行预测,但其实验结果表明线性模型预测精度低、效率慢;P REZ等使用统计方法对空气质量进行预测,实验结果证明统计方法的预测精度比较低;WANG等采用改进的BP神经网络建立了空气质量指数的预测模型,其实验验证了BP神经网络收敛速度慢、容易陷入局部最优解的问题;YANG等利用相邻网格的空气质量浓度效应,建立了基于随机森林的PM 2.5浓度预测模型,通过实验过程证明网格划分程序削弱了后续空气质量分析的质量和效率。这些方法都难以从时间角度建模,其中预测精度低是比较重要的问题。因为预测精度低可能会导致空气质量预测结果出现较大的误差。针对空气质量研究中预测精度低的问题,提出了基于长短期记忆单元(long short-term memory,LSTM)的神经网络模型。该模型使用MAPE,RMSE,R,IA和MAE等指标来检测LSTM神经网络与对比模型的预测性能。由于Delhi和Houston是空气污染程度比较严重的城市,所以使用的实验数据集来自Delhi的Punjabi Bagh监测站2014—2016年的空气质量数据和Houston的Harris County监测站2010—2016年的空气质量数据。LSTM神经网络与多元线性回归和回归模型(SVR)的比较结果表明,LSTM神经网络适应多个变量或多输入的时间序列预测问题,LSTM神经网络具有预测精度高、速度快和较强的鲁棒性等优点。 展开更多
关键词 计算机神经网络 空气质量 长短期记忆单元 深度学习 多元线性回归 回归模型
在线阅读 下载PDF
基于卷积神经网络的轿车车型精细识别方法 被引量:6
17
作者 陈宏彩 程煜 张常有 《河北科技大学学报》 CAS 2017年第6期564-569,共6页
在复杂交通场景中,公安和交管部门对车型识别的实时性和精度提出了更高要求。针对当前假牌、套牌、无牌车辆处理占用大量警力、检索效率低下、非智能化等一系列问题,提出了一种基于GoogleNet深度卷积神经网络的车型精细识别方法,设计了... 在复杂交通场景中,公安和交管部门对车型识别的实时性和精度提出了更高要求。针对当前假牌、套牌、无牌车辆处理占用大量警力、检索效率低下、非智能化等一系列问题,提出了一种基于GoogleNet深度卷积神经网络的车型精细识别方法,设计了合理的卷积神经网络滤波器大小和数目,优选了激活函数和车型识别分类器,构建了一个新的卷积神经网络轿车车型精细识别模型框架。实验结果表明,在车型精细识别测试中,所提出模型的识别率达到了97%,较原始GoogleNet模型有较大提升,而且,新模型有效地减少了训练参数的数量,降低了模型的存储空间。车型精细识别技术可应用于智能交通管理领域,具有重要的理论研究价值与实践意义。 展开更多
关键词 计算机神经网络 车型识别 卷积神经网络 精细识别 深度学习
在线阅读 下载PDF
基于卷积神经网络的自发性脑出血血肿分割方法的一致性评价 被引量:13
18
作者 常健博 姜燊种 +7 位作者 陈显金 骆嘉希 李沃霖 张庆华 魏俊吉 石林 冯铭 王任直 《中国现代神经疾病杂志》 CAS 北大核心 2020年第7期585-590,共6页
目的建立一种基于卷积神经网络的脑血肿分割算法,探讨算法与手动分割结果的一致性。方法纳入中国颅内出血影像数据库中146例头部CT平扫影像图片,采用随机数字表法分为训练集(90例)、测试集(26例)和验证集(30例),验证集采用手动分割、算... 目的建立一种基于卷积神经网络的脑血肿分割算法,探讨算法与手动分割结果的一致性。方法纳入中国颅内出血影像数据库中146例头部CT平扫影像图片,采用随机数字表法分为训练集(90例)、测试集(26例)和验证集(30例),验证集采用手动分割、算法分割、精确多田公式和传统多田公式共4种方法对血肿体积进行测量,以手动分割为"金标准",分别对其他3种算法进行一致性检验。结果与多田公式方法相比,算法分割的百分误差最小,为15.54(8.41,23.18)%,组内相关系数最高,为0.983;Bland-Altman一致性检测显示,93.33%的数据在95%一致性界限(95%LoA),且其95%LoA最窄,为-6.46~5.97 ml。算法分割的百分误差在不同血肿形态、体积比较中差异无统计学意义(均P>0.05)。结论卷积神经网络构建的算法分割具有一定的临床应用前景,但仍需更大样本的临床试验加以验证。 展开更多
关键词 脑出血 人工智能 神经网络(计算机) 体层摄影术 X线计算机
在线阅读 下载PDF
基于胸部X线卷积神经网络模型诊断儿童不同病原体社区获得性肺炎 被引量:6
19
作者 胡莎莎 朱永北 +6 位作者 董迪 王蓓 王驰 周作福 徐保平 刘秀云 彭芸 《中国医学影像技术》 CSCD 北大核心 2021年第8期1163-1167,共5页
目的评价基于胸部X线卷积神经网络(CNN)模型诊断儿童不同病原体社区获得性肺炎(CAP)的价值。方法纳入1769例CAP患儿,根据病原学诊断分为病毒组(n=487)、细菌组(n=496)及肺炎支原体(MP)组(n=786),对比组间胸部X线征象的差异;将患儿以7∶1... 目的评价基于胸部X线卷积神经网络(CNN)模型诊断儿童不同病原体社区获得性肺炎(CAP)的价值。方法纳入1769例CAP患儿,根据病原学诊断分为病毒组(n=487)、细菌组(n=496)及肺炎支原体(MP)组(n=786),对比组间胸部X线征象的差异;将患儿以7∶1∶2比例随机分为训练集、验证集和测试集,对测试集患儿根据性别和年龄分为不同亚组进行分层分析。基于胸部X线片分割全肺和病灶ROI,分别训练全肺模型和局部模型,通过混淆矩阵评估2种模型的整体效能;绘制受试者工作特征(ROC)曲线,计算曲线下面积(AUC),评价2种模型诊断不同病原CAP的效能;采用Delong检验比较模型诊断效能的差异。结果3组病变累及范围、受累肺组织密度改变特点、肺过度通气及空洞差异均有统计学意义(P均<0.05)。全肺模型及局部模型诊断不同病原CAP的准确率分别为61.85%及58.04%,精确度分别为63.77%及54.05%。全肺模型和局部模型诊断MP性CAP的效能最佳,AUC分别为0.798及0.819;全肺模型诊断病毒及细菌性CAP的AUC均大于局部模型(P均<0.05)。全肺模型和局部模型诊断测试集中男性亚组和女性亚组不同病原CAP的AUC、诊断高年龄亚组和低年龄亚组病毒性及细菌性CAP的AUC差异均无统计学意义(P均>0.05),诊断高年龄亚组和低年龄亚组MP性CAP的AUC差异均有统计学意义(P均<0.05)。结论基于胸部X线片建立CNN模型诊断儿童不同病原体CAP的效能较好;全肺模型优于局部模型,2种模型均对MP性CAP诊断效能最佳。 展开更多
关键词 肺炎 儿童 X线 放射摄影术 胸部 神经网络 计算机
在线阅读 下载PDF
人工神经网络在前列腺癌诊断中的应用 被引量:7
20
作者 吕冬姣 张珏 +2 位作者 王霄英 郭雪梅 王翠艳 《北京大学学报(医学版)》 CAS CSCD 北大核心 2009年第4期469-473,共5页
Prostatic carcinoma is the fifth most common cancer in the world and the second most common in men. It is quite important to early detect and diagnose prostate cancer to reduce the mortality. With the increasing of th... Prostatic carcinoma is the fifth most common cancer in the world and the second most common in men. It is quite important to early detect and diagnose prostate cancer to reduce the mortality. With the increasing of the diagnosis and treatment tasks of prostate cancer and the development of medical techniques,more and more clinical and lab examinations,biopsy and medical imaging techniques are included in the diagnosis of prostate cancer. Although these examination results are supplement to each other,there are contradictions among them at the same time. Artificial neural networks (ANNs) which can perform multifactorial analysis based on computational methodologies have been widely used in the prognosis of prostate cancer. The current application of ANNs is reviewed. 展开更多
关键词 前列腺肿瘤 神经网络(计算机) 诊断 计算机辅助
在线阅读 下载PDF
上一页 1 2 5 下一页 到第
使用帮助 返回顶部