基本信息
- 項目名稱：
- 基于人工神經(jīng)網(wǎng)絡的冠心病鑒別診斷方法
- 小類：
- 生命科學
- 大類：
- 自然科學類學術論文
- 簡介：
- 本項目研究的模型可以利用人工神經(jīng)網(wǎng)絡的學習和推理功能在一定程度上擁有對冠心病癥狀的鑒別分析判斷能力，將臨床上非常復雜而又很難進行關聯(lián)的信息進行線性化處理，將神經(jīng)網(wǎng)絡處理結果進行數(shù)學算法分析得到冠心病鑒別診斷結果，從而可以提高臨床上對冠心病的診斷準確率。
- 詳細介紹：
- 人工神經(jīng)網(wǎng)絡與醫(yī)學的結合是目前國際上的熱門研究領域，人工神經(jīng)網(wǎng)絡具有對于大量非線性信息的綜合處理能力，由于人的大腦是有無數(shù)神經(jīng)元細胞組成的無規(guī)則混合網(wǎng)絡，而人工神經(jīng)網(wǎng)絡是并行分布式系統(tǒng)，采用了與傳統(tǒng)人工智能和信息處理技術完全不同的機理，克服了傳統(tǒng)的基于邏輯符號的人工智能在處理直覺、非結構化信息方面的缺陷，具有自適應、自組織和實時學習的特點，非常適合在資料復雜多變、關系十分不明確的醫(yī)學領域。 我們認為, 以下兩個方面有可能是將人工神經(jīng)網(wǎng)絡與冠心病鑒別診斷的兩個可行的思路：由內(nèi)而外—建模, 觀察模型是關于部分現(xiàn)實世界和為一種特殊目的而作的一個抽象的、簡化的結構。對醫(yī)學的某一些部分進行抽象簡化, 建立數(shù)學模型是對醫(yī)學理論的本質(zhì)的核心的描述。從數(shù)學的角度來說, 是一種新的數(shù)據(jù)處理算法。與一般的傳統(tǒng)數(shù)據(jù)處理算法相比, 它有其獨特的優(yōu)越性①模糊的數(shù)據(jù)②需要決定的模式特征不需明確③數(shù)據(jù)本身的非線性④隨機數(shù)據(jù)或數(shù)據(jù)中允許含有噪聲。通常地我們可以分析模型在生理和病理條件下的動態(tài)運行規(guī)律, 進而揭示醫(yī)學對于人體生命的認一識。由外而內(nèi)—推測, 分析另外一種對應的情況是, 我們對于事物內(nèi)部運行規(guī)律不清楚,或者部分地不清楚。而事物外部的觀察則是相對比較容易獲得。這時就需要推測和分析的技術和方法。 本項目將運用誤差反向傳播（Error Back Propagation, BP）算法。BP算法的基本思想是，學習過程由信號的正向傳播與誤差的反向傳播兩個過程組成。通過神經(jīng)網(wǎng)絡算法將信息進行線性化處理，我們面臨的問題是怎樣提取出具有鑒別診斷價值的臨床表現(xiàn)和檢查數(shù)據(jù)，共有以下幾點主要研究內(nèi)容： 1、 冠心病相關診斷標準的確立及其數(shù)字化 2、 患者相關實驗數(shù)據(jù)的錄入與存儲 3、 患者資料的數(shù)據(jù)庫的建立 4、 相關診斷資料的知識庫的建立 5、 知識庫中推理機制的研究 6、 冠心病鑒別診斷算法的研究 7、 人工神經(jīng)網(wǎng)絡相關算法的研究 8、 使用計算機實現(xiàn)該模型算法的研究 項目成果在多方面解決了上述八點內(nèi)容，建立了冠心病鑒別診斷的人工神經(jīng)網(wǎng)絡數(shù)據(jù)庫，能夠通過數(shù)學算法進行神經(jīng)網(wǎng)絡學習和訓練，達到臨床上進行鑒別診斷的效果。
作品圖片
作品專業(yè)信息
撰寫目的和基本思路
- 由于目前臨床上對冠心病的誤診率較高，雖然通過儀器檢查能夠進行確診但開銷較大且具有一定危險性，故提出通過運用人工神經(jīng)網(wǎng)絡方法對冠心病進行鑒別診斷研究，應用到臨床中可以起到對冠心病的輔助診斷作用，有效提高臨床上對冠心病的診斷準確率，提高治療質(zhì)量。本作品將運用誤差反向傳播算法對醫(yī)學的某一些部分進行抽象簡化, 建立數(shù)學模型。本作品在此數(shù)學建模的基礎上進行參數(shù)收集與分析，綜合兩種思路進行研究。
科學性、先進性及獨特之處
- 1、人工神經(jīng)網(wǎng)絡具有對于大量非線性信息的綜合處理能力，具有自適應、自組織和實時學習的特點，非常適合冠心病診斷中使用。2、為了使神經(jīng)網(wǎng)絡能夠識別冠心病診斷數(shù)據(jù)，必須進行數(shù)學建模，將定性分析變?yōu)槎糠治?、目前數(shù)字化醫(yī)院建設僅僅實現(xiàn)了病人診斷信息的電子化而沒有實現(xiàn)數(shù)字化，電子病歷的一個重要特征是數(shù)字化，只有數(shù)字化后才可能建立起電子病歷系統(tǒng)，才可能實現(xiàn)共享、計算、統(tǒng)計，輔助臨床醫(yī)療以及研究。
應用價值和現(xiàn)實意義
- 實際應用價值：有創(chuàng)的冠狀動脈造影術檢查，花費較多，危險性較高，一般不檢查。所以臨床中對冠心病存在誤診現(xiàn)象。項目成果若與臨床診療輔助系統(tǒng)結合，就能輔助臨床醫(yī)生對冠心病疑似患者進行鑒別診斷，防止誤診誤治，加快診斷速度，減輕患者痛苦，帶來間接經(jīng)濟收益。現(xiàn)實意義：項目成果可以作為開發(fā)冠心病臨床診療系統(tǒng)的技術手段，能夠輔助臨床醫(yī)生診斷病情，減少花費，提高準確率。該技術可以作為數(shù)字化醫(yī)院建設的應用研究基礎。
學術論文摘要
- 人工神經(jīng)網(wǎng)絡在冠心病診斷領域已取得廣泛應用并取得良好效果，但其在冠心病鑒別診斷領域的應用仍為空白。本文從冠心病的鑒別診斷入手，選用基于LM算法的人工神經(jīng)網(wǎng)絡，結合目前中國醫(yī)療場所對冠心病及其他疾病的診斷方法，就如何運用人工神經(jīng)網(wǎng)絡實現(xiàn)冠心病的鑒別診斷進行了理論上的探討，并給出了具體的樣本信息數(shù)字化方法，填補了國內(nèi)相關領域研究的空白。
獲獎情況
- 項目論文發(fā)表在《中外醫(yī)療》雜志2011年第12期 【DOI】 CNKI:SUN:HZZZ.0.2011-12-161
鑒定結果
- 經(jīng)鑒定，內(nèi)容屬實
參考文獻
- 1、李麗霞、張 敏、郜艷暉等.人工神經(jīng)網(wǎng)絡在醫(yī)學研究中的應用.《數(shù)理醫(yī)藥學雜志》2009.22（1）80:82 2、徐冠、夏克文、徐乃勛. 基于神經(jīng)網(wǎng)絡的冠心病智能診斷系統(tǒng).《計算機工程與應用》2005.35 197:199 3、宋紹云、仲濤. BP人工神經(jīng)網(wǎng)絡的新型算法.《人工智能及識別技術》2009.5.5 1197:1198 4、葉明全、伍長榮. 基于RBF神經(jīng)網(wǎng)絡的冠心病識別模型.《安徽工程科技學院學報》2005.20(1)52:55 5、丁小麗、楊濤、周金海. 利用人工神經(jīng)網(wǎng)絡分析疾病的影響因素--以高血壓為例.《醫(yī)學信息學》2009.1.22（1）4:7
同類課題研究水平概述
- 近年來，人工神經(jīng)網(wǎng)絡正向模擬人類認知的道路上更加深入發(fā)展，與模糊系統(tǒng)、遺傳算法、進化機制等結合，形成計算智能，成為人工智能的一個重要方向，將在實際應用中得到發(fā)展。將信息幾何應用于人工神經(jīng)網(wǎng)絡的研究，為其理論研究開辟了新的途徑。神經(jīng)計算機的研究發(fā)展很快，已有產(chǎn)品進入市場。目前，國際上對于神經(jīng)網(wǎng)絡的研究十分重視，正在逐漸擴展起應用領域，尤其是在醫(yī)學領域的應用。由于人工神經(jīng)網(wǎng)絡的非線性算法在信息聯(lián)系方面有這無法替代的天然優(yōu)勢，其在醫(yī)學診斷領域一定具有巨大的生存空間。在生物醫(yī)學信號檢測與處理中, ANNs己被廣泛地應用于腦電、心電、胃電等信號的濾波、壓縮及模式識別, 超聲多普勒血流信號、聲譜包絡周期識別,聽覺誘發(fā)電位信號的提取, 醫(yī)學信號、圖像的數(shù)據(jù)壓縮, 時間序列的預測等方面。此外,也被用于專家系統(tǒng)的設計等。在與冠心病診斷的結合應用中人工神經(jīng)網(wǎng)絡發(fā)揮了重要的作用：ANN在心電圖分類方法和其他的心電圖分類法相比有如下優(yōu)點①無需構造復雜的心電圖分析算法②有自學習可以在不同的環(huán)境下通過學習改進其分類能力③神經(jīng)網(wǎng)絡的并行處理能力可以提示心電圖分析的速度。首都醫(yī)科大學有學者采用高階分類識別信號獲得了較好的分類效果，也有人采用基于符號分類信號, 可以進一步提高心電圖分析的效率, 并在一定程度上緩解了基于規(guī)則的心電圖分類系統(tǒng)所面臨的組合爆炸問題。 此外, 浙江大學有專家采用ANN根據(jù)心音分析冠狀動脈疾病, ANN還被用于超聲多普勒血流聲譜網(wǎng)絡周期識別等評價心臟功能以及用于人工智能醫(yī)學輔助診斷專家系統(tǒng)。Albdolmaleki等的工作證明ANN可以作為后備系統(tǒng)輔助診斷乳腺癌等。而在IgA腎病的診斷中, ANN的準確率要高于有經(jīng)驗的醫(yī)師, 并能識別需要術后跟蹤的高危病人。 ANN的主要優(yōu)點是能夠自適應樣本數(shù)據(jù)的特點和并行處理, 當數(shù)據(jù)中有噪聲、變形或非線性失真時也能正確分類提供簡單工具進行自動特征選取容易集成現(xiàn)有的域知識等。因此它在生物醫(yī)學領域中將得到更廣泛深入的應用。同常規(guī)方法相比, ANN的優(yōu)越性是很明顯的, 但必須認識到ANN是發(fā)展中的學科尚有諸多不足之處, 如受限于腦科學的己有研究成果且尚未建立起自身的完整而成熟的理論體系, 同時與傳統(tǒng)技術的接口不成熟。在這幾個方面的問題上如有突破將給ANN帶來卓有成效的重大進展, 并有可能使包括信息科學在內(nèi)的其他學科產(chǎn)生重大突破和變革。
