基于人工神經網絡技術的氣管插管Cormack分級預測專家系統(tǒng).pdf

1、一、目的所有病人都必須在開始實施麻醉之前對是否存在困難氣道做出估計,一般認為采用多指標方法對提高預測的準確性是有益的。Cormack分級是困難氣道預測的重要指標之一,也是最終直接指標,對其準確預測并進行充分準備將大大提高困難氣道處理成功率,降低并發(fā)癥發(fā)生。本研究采用基于改良誤差反向傳播(ErrorBackPropagation,BP)算法的人工神經網絡建立氣管插管Cormack分級預測系統(tǒng),為實施麻醉前氣道評估做出實時智能決策支持。對獲

2、得的全部樣本數據進行統(tǒng)計分析,以獲得國人困難氣道預測相關參數及參考值。二、方法收集824臨床病例資料,其中Cormack分級Ⅰ級有461例,Ⅱ級158例,Ⅲ級189例,Ⅳ級16例。構建了一個基于三層感知器結構的前饋型神經網絡預測系統(tǒng),選擇13個與預測有關的參數作為網絡輸入層變量,并進行適當的尺度變換,輸出層變量為一個,即Cormack分級,隱層的隱節(jié)點數為9個。采用BP算法作為學習算法,在標準BP算法的基礎上加入動量項、自適應調節(jié)學習率

3、、遺忘機制和共軛梯度法進行改進。采用交叉驗證法,把樣本隨機分成四個子集用于網絡學習和測試。對CormackⅠ、Ⅱ級和Ⅲ、Ⅳ級分別合并分析,進行了連續(xù)變量和分類變量參數分析,單因素分析和多因素判別分析。三、結果交叉驗證法得到系統(tǒng)對4個Cormack分級的平均分類準確性為91.9％,由系統(tǒng)得到的各分級的程序準確性為:Ⅰ、Ⅱ級93.5%,Ⅲ級86.3%,Ⅳ級85.7%,用戶準確性為:Ⅰ、Ⅱ級96.9%,Ⅲ級76.7%,Ⅳ級75.0%。用另外收