采用人工神經(jīng)網(wǎng)絡(luò)和遺傳算法預(yù)測(cè)和診斷血栓栓塞性中風(fēng)

1、采用人工神經(jīng)網(wǎng)絡(luò)和遺傳算法預(yù)測(cè)和診斷血栓栓塞性中風(fēng)1采用人工神經(jīng)網(wǎng)絡(luò)和遺傳算法預(yù)測(cè)和診斷血栓栓塞性中風(fēng)采用人工神經(jīng)網(wǎng)絡(luò)和遺傳算法預(yù)測(cè)和診斷血栓栓塞性中風(fēng)摘要摘要利用假設(shè)數(shù)據(jù)對(duì)五十例腦卒中患者的后向傳播神經(jīng)網(wǎng)絡(luò)算法進(jìn)行了驗(yàn)證。對(duì)于數(shù)據(jù)集分為訓(xùn)練集和測(cè)試集，驗(yàn)證數(shù)據(jù)集是從測(cè)試數(shù)據(jù)中隨機(jī)選取。將數(shù)據(jù)集分為訓(xùn)練集和測(cè)試集，驗(yàn)證數(shù)據(jù)集從測(cè)試數(shù)據(jù)中隨機(jī)選擇。四零二（42）的數(shù)據(jù)集被用于訓(xùn)練集，而八個(gè)數(shù)據(jù)集被用于測(cè)試。四個(gè)數(shù)據(jù)被選擇從測(cè)試集和用于驗(yàn)證

2、。編寫MATLAB程序進(jìn)行訓(xùn)練，測(cè)試和驗(yàn)證的神經(jīng)網(wǎng)絡(luò)。三種不同結(jié)構(gòu)的5、10和20在網(wǎng)絡(luò)隱層神經(jīng)元進(jìn)行了測(cè)試，避免過擬合和誤差后，神經(jīng)網(wǎng)絡(luò)有10個(gè)隱層神經(jīng)元被選為最好的建筑。當(dāng)100和1000次迭代后，分別得到了5和10個(gè)隱層神經(jīng)元的收斂性。10個(gè)隱層神經(jīng)元的體系結(jié)構(gòu)在50次迭代后的訓(xùn)練誤差收斂到0。采用遺傳算法對(duì)輸入?yún)?shù)進(jìn)行優(yōu)化后，對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行了訓(xùn)練和測(cè)試?？傮w預(yù)測(cè)精度對(duì)血栓栓子提供了90%。關(guān)鍵詞關(guān)鍵詞:血栓栓塞、人工神經(jīng)網(wǎng)絡(luò)、結(jié)

3、構(gòu)、遺傳算法、訓(xùn)練、校驗(yàn)、測(cè)試和反向傳播算法1.1.介紹介紹大腦是身體控制的中心。他控制思想、記憶、講話和行動(dòng)。他控制著許多器官的運(yùn)行。當(dāng)大腦是健康的，他可以高效自動(dòng)運(yùn)作。然而，當(dāng)發(fā)生紊亂，后果是毀滅性的。其中一種普通的腦部疾病是中風(fēng)，也叫腦部侵襲（一種臨床急癥）。中風(fēng)是一種危及生命的事件，大腦中的一部分沒有得到足夠的氧氣。在歐洲和美國(guó)，中風(fēng)是總的醫(yī)療費(fèi)用（即不包括社會(huì)照顧和間接費(fèi)用）的重要組成部分。中風(fēng)的特點(diǎn)是血液循環(huán)在大腦的某個(gè)區(qū)域

4、突然流失，從而導(dǎo)致相應(yīng)的神經(jīng)功能喪失。采用人工神經(jīng)網(wǎng)絡(luò)和遺傳算法預(yù)測(cè)和診斷血栓栓塞性中風(fēng)3的診斷。他們開發(fā)了一個(gè)基于規(guī)則的模糊專家系統(tǒng)（FES），利用實(shí)驗(yàn)數(shù)據(jù)并模擬專家醫(yī)生的行為。系統(tǒng)采用MATLAB6.5開發(fā)援助。結(jié)果表明，F(xiàn)ES給的診斷數(shù)據(jù)與來自布拉維爾出版社[11]和克朗出版社[12]的4614例患者的數(shù)據(jù)相近。亞當(dāng)?shù)萚13]提出了遺傳算法和神經(jīng)網(wǎng)絡(luò)的計(jì)算機(jī)化乳腺癌診斷。凱魯丁奧瑪爾提出了用遺傳算法計(jì)算了神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的每一層的最佳

5、初始體重的方法。在挖掘的過程中，采用反向傳播的多層感知器?？捎玫臄?shù)據(jù)集對(duì)乳腺癌進(jìn)行了研究，并進(jìn)行了預(yù)處理的清潔數(shù)據(jù)，為采礦進(jìn)程做準(zhǔn)備。他們發(fā)現(xiàn)，醫(yī)療數(shù)據(jù)在保持原始值上是最好的，因?yàn)樗o了高精度比例而改變數(shù)據(jù).大師出版社。[15]研究了決策支持系統(tǒng)使用神經(jīng)網(wǎng)絡(luò)對(duì)心臟疾病的診斷。他們建議在心臟病的診斷和訓(xùn)練，使用反向傳播算法的監(jiān)督網(wǎng)絡(luò)。該系統(tǒng)被訓(xùn)練了78名患者的記錄。他們的結(jié)論是不精確的輸入，以檢索所需的輸出或最接近所需的輸出的數(shù)據(jù)的成功率

6、是100%。Thakur出版社[16]提出使用神經(jīng)網(wǎng)絡(luò)局部缺血中風(fēng)的早期診斷，是師出版社[15]的進(jìn)一步提高。他們提供了280個(gè)樣本，其中10個(gè)樣本是腦缺血腦卒中的危險(xiǎn)因素與癥狀的結(jié)合。訓(xùn)練誤差的限制是保持在1e8。通過數(shù)據(jù)集進(jìn)行驗(yàn)證和測(cè)試網(wǎng)絡(luò)。三分之二個(gè)數(shù)據(jù)用于驗(yàn)證和三分之一個(gè)數(shù)據(jù)用于測(cè)試。對(duì)此，MATLAB程序的開發(fā)模型和訓(xùn)練神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)精度99.99%。Kavitha出版社[17]通過結(jié)合遺傳算法與神經(jīng)網(wǎng)絡(luò)檢測(cè)心臟疾病是大師出版社

7、[15]的進(jìn)一步提升。他們提出了進(jìn)化神經(jīng)網(wǎng)絡(luò)的建模和設(shè)計(jì)，用于心臟病的檢測(cè)。數(shù)據(jù)集包含270個(gè)病人的記錄，每個(gè)病人的狀態(tài)被定義為13個(gè)參數(shù)。150個(gè)病人的記錄用于訓(xùn)練數(shù)據(jù)集和其余120個(gè)用于測(cè)試數(shù)據(jù)集。他們?cè)O(shè)想將來開發(fā)一個(gè)專家系統(tǒng)，用于心臟病的檢測(cè)。關(guān)于這個(gè)提出的系統(tǒng)，他們希望，心臟病檢測(cè)診斷系統(tǒng)的設(shè)計(jì)將變得容易，成本效益，可靠和高效。Karegowda出版社[8]對(duì)糖尿病的預(yù)測(cè)最近的一項(xiàng)研究提出的遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)的連接權(quán)值的皮馬印