基于ANN的頸脊髓損傷和股骨轉(zhuǎn)子間骨折預(yù)后預(yù)測(cè)研究.pdf

1、近年來(lái)，醫(yī)學(xué)工學(xué)結(jié)合進(jìn)行診療研究引起了越來(lái)越多科研人員的關(guān)注，逐漸成為科學(xué)研究的熱點(diǎn)。本文緊隨醫(yī)學(xué)工學(xué)交叉研究的步伐，挖掘醫(yī)工交叉研究的結(jié)合點(diǎn)，以遼西某三甲醫(yī)院為依托合作單位，順應(yīng)醫(yī)患雙方對(duì)于疾病預(yù)后預(yù)測(cè)的強(qiáng)烈需求，采用人工神經(jīng)網(wǎng)絡(luò)技術(shù)(ArtificialNeuralNetwork，ANN)對(duì)骨科損傷預(yù)后預(yù)測(cè)問(wèn)題展開(kāi)深入研究。鑒于骨科損傷預(yù)后情況的廣泛性和復(fù)雜性，課題選擇頸脊髓損傷和股骨轉(zhuǎn)子間骨折（簡(jiǎn)稱轉(zhuǎn)子間骨折）預(yù)后問(wèn)題為研究對(duì)象，

2、由點(diǎn)及面地對(duì)骨科損傷預(yù)后預(yù)測(cè)中涉及到的關(guān)鍵問(wèn)題和優(yōu)化過(guò)程做深入分析，并通過(guò)研發(fā)推廣骨科損傷預(yù)后預(yù)測(cè)系統(tǒng)體現(xiàn)了醫(yī)學(xué)工學(xué)交叉結(jié)合的實(shí)際價(jià)值。
　　頸脊髓損傷和轉(zhuǎn)子間骨折損傷預(yù)后具有鮮明的非線性特點(diǎn)，很難建立準(zhǔn)確的預(yù)后數(shù)學(xué)模型，而人工神經(jīng)網(wǎng)絡(luò)技術(shù)具有優(yōu)良的非線性擬合和逼近能力，非常適合解決這一類非線性預(yù)測(cè)問(wèn)題。因此本文首次將ANN用于骨科損傷的預(yù)后預(yù)測(cè)領(lǐng)域并開(kāi)展了深入系統(tǒng)的研究工作。
　　首先，選擇誤差反向傳播神經(jīng)網(wǎng)絡(luò)(BackP

3、ropagation，BP)和概率神經(jīng)網(wǎng)絡(luò)(ProbabilisticNeuralNetwork，PNN)作為預(yù)測(cè)工具，同時(shí)基于模糊三角數(shù)的層次分析法建立了骨科損傷預(yù)后預(yù)測(cè)模型的指標(biāo)評(píng)價(jià)體系，對(duì)性能指標(biāo)進(jìn)行了權(quán)重排序，并充分對(duì)比分析了BP網(wǎng)絡(luò)和PNN網(wǎng)絡(luò)的各自優(yōu)缺點(diǎn)，結(jié)合指標(biāo)評(píng)價(jià)體系為使用者提供了選擇恰當(dāng)神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型的標(biāo)準(zhǔn)和方法。
　　其次，使用傳統(tǒng)的BP網(wǎng)絡(luò)和PNN網(wǎng)絡(luò)進(jìn)行了骨科損傷預(yù)后預(yù)測(cè)前期試驗(yàn)，結(jié)合相關(guān)文獻(xiàn)充分分析了前

4、期試驗(yàn)預(yù)測(cè)精度較低的原因，發(fā)現(xiàn)了傳統(tǒng)神經(jīng)網(wǎng)絡(luò)算法的自身缺陷。進(jìn)而針對(duì)PNN網(wǎng)絡(luò)的平滑參數(shù)間缺乏差異性，無(wú)法滿足預(yù)測(cè)模型自適應(yīng)要求的缺陷，利用變慣性權(quán)重的粒子群算法(IPSO)優(yōu)化其平滑參數(shù);針對(duì)BP網(wǎng)絡(luò)收斂速度慢且容易陷入局部極值的缺點(diǎn)，利用改進(jìn)的遺傳算法(PGA)優(yōu)化其隱層節(jié)點(diǎn)數(shù)和連接權(quán)值。并在優(yōu)化算法基礎(chǔ)上建立了IPSO-PNN預(yù)測(cè)模型和PGA-BP預(yù)測(cè)模型進(jìn)行骨科損傷預(yù)后預(yù)測(cè)。
　　再次，輸入大量具有統(tǒng)計(jì)學(xué)意義的訓(xùn)練樣本訓(xùn)練

5、IPSO-PNN預(yù)測(cè)模型和PGA-BP預(yù)測(cè)模型以得到準(zhǔn)確的預(yù)測(cè)輸出，并輸入大量的檢測(cè)樣本來(lái)檢驗(yàn)神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型的泛化能力，仿真結(jié)果表明，優(yōu)化后的預(yù)測(cè)模型的預(yù)測(cè)精度、穩(wěn)定性和泛化能力都有了很大的改善和提高。在仿真結(jié)果的基礎(chǔ)上，本文對(duì)比了幾種不同神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型的輸出特性，呼應(yīng)預(yù)測(cè)模型指標(biāo)評(píng)價(jià)體系的性能權(quán)重排序，匯總了BP預(yù)測(cè)模型和PNN預(yù)測(cè)模型的優(yōu)缺點(diǎn)和各自優(yōu)勢(shì)領(lǐng)域。同時(shí)將優(yōu)化的ANN預(yù)測(cè)模型與醫(yī)學(xué)常用的logistic回歸模型進(jìn)行對(duì)比分