基于模糊神經(jīng)網(wǎng)絡和遺傳算法的急性心肌梗死專家診斷系統(tǒng)的探索.pdf

1、急性心肌梗死(Acute Myocardial Infarction，AMI)，因其發(fā)病率和死亡率均較高，一直是人們關(guān)注的疾病之一。由于臨床表現(xiàn)形式多樣，患者就診時間不一，以及臨床醫(yī)師綜合分析水平不一，極易造成誤診，同時也增加患者的經(jīng)濟負擔。因此，通過對患者病情與檢查數(shù)據(jù)分析，迅速有效的診斷出急性心肌梗死患者，同時，結(jié)合經(jīng)濟角度考慮，合理選擇檢查方法，做出診斷和對癥治療，顯得尤為重要。 為了滿足上述診斷的要求，文章提出建立基于a

2、 Pseudo Outer-product BasedFuzzy Neural Network(以下統(tǒng)稱為POPFNN)模糊神經(jīng)網(wǎng)絡和遺傳算法的診斷系統(tǒng)，通過系統(tǒng)對反映心肌損傷的相關(guān)酶類生化標志物(以下統(tǒng)稱心酶譜)項目數(shù)據(jù)的分析，獲得患者病情的診斷結(jié)論。診斷系統(tǒng)在保證心酶譜優(yōu)點的基礎上，提高其數(shù)據(jù)分析的準確度，達至提高急性心肌梗死診治的診斷率，確定發(fā)病的不同階段。減低誤漏診，減輕患者經(jīng)濟負擔的目的。 在本系統(tǒng)設計中，運用遺傳算法

3、較強的搜索能力為數(shù)據(jù)生成最佳的隸屬度函數(shù)。通過適應度評估函數(shù)提供充足的運行時間，系統(tǒng)將會聚類得到一個最佳或次佳的隸屬度函數(shù)。模糊系統(tǒng)的規(guī)則庫通過LazyPOP學習算法自動建立的模糊規(guī)則組成。在整個過程中，模糊隸屬度函數(shù)和模糊規(guī)則都會變得更加優(yōu)越，而且，只需要很少的人為調(diào)節(jié)預置參數(shù)，就能達到系統(tǒng)運行速度快和經(jīng)濟有效的目的。 文章中提出診斷系統(tǒng)架構(gòu)主要分為三個模型：(1)方案生成模塊：(2)適合度評估模塊；(3)方案實現(xiàn)模塊。方案生

4、成模塊是由遺傳算法實現(xiàn)自動生成隸屬度函數(shù)，而方案實現(xiàn)模塊由POPFNN模糊神經(jīng)網(wǎng)絡實現(xiàn)，在POPFNN中，應用LazyPOP學習算法，利用訓練數(shù)據(jù)的進行和提取得到模糊規(guī)則，避免處理所有可能的規(guī)則。訓練數(shù)據(jù)引入模糊規(guī)則系統(tǒng)，其結(jié)果用于適合度評估模塊的適合度評估，分配合適的適合度值給每個染色體。方案實現(xiàn)模塊在這些適合度值的基礎上進化遺傳種群。當進化停止，學習過程也結(jié)束了。 本文首先介紹研究工作背景，研究目的，研究意義與國內(nèi)外同類研究