基本信息
- 项目名称：
- 基于人工神经网络的冠心病鉴别诊断方法
- 来源：
- 第十二届“挑战杯”省赛作品
- 小类：
- 生命科学
- 大类：
- 自然科学类学术论文
- 简介：
- 本项目研究的模型可以利用人工神经网络的学习和推理功能在一定程度上拥有对冠心病症状的鉴别分析判断能力，将临床上非常复杂而又很难进行关联的信息进行线性化处理，将神经网络处理结果进行数学算法分析得到冠心病鉴别诊断结果，从而可以提高临床上对冠心病的诊断准确率。
- 详细介绍：
- 人工神经网络与医学的结合是目前国际上的热门研究领域，人工神经网络具有对于大量非线性信息的综合处理能力，由于人的大脑是有无数神经元细胞组成的无规则混合网络，而人工神经网络是并行分布式系统，采用了与传统人工智能和信息处理技术完全不同的机理，克服了传统的基于逻辑符号的人工智能在处理直觉、非结构化信息方面的缺陷，具有自适应、自组织和实时学习的特点，非常适合在资料复杂多变、关系十分不明确的医学领域。 我们认为, 以下两个方面有可能是将人工神经网络与冠心病鉴别诊断的两个可行的思路：由内而外—建模, 观察模型是关于部分现实世界和为一种特殊目的而作的一个抽象的、简化的结构。对医学的某一些部分进行抽象简化, 建立数学模型是对医学理论的本质的核心的描述。从数学的角度来说, 是一种新的数据处理算法。与一般的传统数据处理算法相比, 它有其独特的优越性①模糊的数据②需要决定的模式特征不需明确③数据本身的非线性④随机数据或数据中允许含有噪声。通常地我们可以分析模型在生理和病理条件下的动态运行规律, 进而揭示医学对于人体生命的认一识。由外而内—推测, 分析另外一种对应的情况是, 我们对于事物内部运行规律不清楚,或者部分地不清楚。而事物外部的观察则是相对比较容易获得。这时就需要推测和分析的技术和方法。 本项目将运用误差反向传播（Error Back Propagation, BP）算法。BP算法的基本思想是，学习过程由信号的正向传播与误差的反向传播两个过程组成。通过神经网络算法将信息进行线性化处理，我们面临的问题是怎样提取出具有鉴别诊断价值的临床表现和检查数据，共有以下几点主要研究内容： 1、 冠心病相关诊断标准的确立及其数字化 2、 患者相关实验数据的录入与存储 3、 患者资料的数据库的建立 4、 相关诊断资料的知识库的建立 5、 知识库中推理机制的研究 6、 冠心病鉴别诊断算法的研究 7、 人工神经网络相关算法的研究 8、 使用计算机实现该模型算法的研究 项目成果在多方面解决了上述八点内容，建立了冠心病鉴别诊断的人工神经网络数据库，能够通过数学算法进行神经网络学习和训练，达到临床上进行鉴别诊断的效果。
作品图片
作品专业信息
撰写目的和基本思路
- 由于目前临床上对冠心病的误诊率较高，虽然通过仪器检查能够进行确诊但开销较大且具有一定危险性，故提出通过运用人工神经网络方法对冠心病进行鉴别诊断研究，应用到临床中可以起到对冠心病的辅助诊断作用，有效提高临床上对冠心病的诊断准确率，提高治疗质量。本作品将运用误差反向传播算法对医学的某一些部分进行抽象简化, 建立数学模型。本作品在此数学建模的基础上进行参数收集与分析，综合两种思路进行研究。
科学性、先进性及独特之处
- 1、人工神经网络具有对于大量非线性信息的综合处理能力，具有自适应、自组织和实时学习的特点，非常适合冠心病诊断中使用。2、为了使神经网络能够识别冠心病诊断数据，必须进行数学建模，将定性分析变为定量分析3、目前数字化医院建设仅仅实现了病人诊断信息的电子化而没有实现数字化，电子病历的一个重要特征是数字化，只有数字化后才可能建立起电子病历系统，才可能实现共享、计算、统计，辅助临床医疗以及研究。
应用价值和现实意义
- 实际应用价值：有创的冠状动脉造影术检查，花费较多，危险性较高，一般不检查。所以临床中对冠心病存在误诊现象。项目成果若与临床诊疗辅助系统结合，就能辅助临床医生对冠心病疑似患者进行鉴别诊断，防止误诊误治，加快诊断速度，减轻患者痛苦，带来间接经济收益。现实意义：项目成果可以作为开发冠心病临床诊疗系统的技术手段，能够辅助临床医生诊断病情，减少花费，提高准确率。该技术可以作为数字化医院建设的应用研究基础。
学术论文摘要
- 人工神经网络在冠心病诊断领域已取得广泛应用并取得良好效果，但其在冠心病鉴别诊断领域的应用仍为空白。本文从冠心病的鉴别诊断入手，选用基于LM算法的人工神经网络，结合目前中国医疗场所对冠心病及其他疾病的诊断方法，就如何运用人工神经网络实现冠心病的鉴别诊断进行了理论上的探讨，并给出了具体的样本信息数字化方法，填补了国内相关领域研究的空白。
获奖情况
- 项目论文发表在《中外医疗》杂志2011年第12期 【DOI】 CNKI:SUN:HZZZ.0.2011-12-161
鉴定结果
- 经鉴定，内容属实
参考文献
- 1、李丽霞、张 敏、郜艳晖等.人工神经网络在医学研究中的应用.《数理医药学杂志》2009.22（1）80:82 2、徐冠、夏克文、徐乃勋. 基于神经网络的冠心病智能诊断系统.《计算机工程与应用》2005.35 197:199 3、宋绍云、仲涛. BP人工神经网络的新型算法.《人工智能及识别技术》2009.5.5 1197:1198 4、叶明全、伍长荣. 基于RBF神经网络的冠心病识别模型.《安徽工程科技学院学报》2005.20(1)52:55 5、丁小丽、杨涛、周金海. 利用人工神经网络分析疾病的影响因素--以高血压为例.《医学信息学》2009.1.22（1）4:7
同类课题研究水平概述
- 近年来，人工神经网络正向模拟人类认知的道路上更加深入发展，与模糊系统、遗传算法、进化机制等结合，形成计算智能，成为人工智能的一个重要方向，将在实际应用中得到发展。将信息几何应用于人工神经网络的研究，为其理论研究开辟了新的途径。神经计算机的研究发展很快，已有产品进入市场。目前，国际上对于神经网络的研究十分重视，正在逐渐扩展起应用领域，尤其是在医学领域的应用。由于人工神经网络的非线性算法在信息联系方面有这无法替代的天然优势，其在医学诊断领域一定具有巨大的生存空间。在生物医学信号检测与处理中, ANNs己被广泛地应用于脑电、心电、胃电等信号的滤波、压缩及模式识别, 超声多普勒血流信号、声谱包络周期识别,听觉诱发电位信号的提取, 医学信号、图像的数据压缩, 时间序列的预测等方面。此外,也被用于专家系统的设计等。在与冠心病诊断的结合应用中人工神经网络发挥了重要的作用：ANN在心电图分类方法和其他的心电图分类法相比有如下优点①无需构造复杂的心电图分析算法②有自学习可以在不同的环境下通过学习改进其分类能力③神经网络的并行处理能力可以提示心电图分析的速度。首都医科大学有学者采用高阶分类识别信号获得了较好的分类效果，也有人采用基于符号分类信号, 可以进一步提高心电图分析的效率, 并在一定程度上缓解了基于规则的心电图分类系统所面临的组合爆炸问题。 此外, 浙江大学有专家采用ANN根据心音分析冠状动脉疾病, ANN还被用于超声多普勒血流声谱网络周期识别等评价心脏功能以及用于人工智能医学辅助诊断专家系统。Albdolmaleki等的工作证明ANN可以作为后备系统辅助诊断乳腺癌等。而在IgA肾病的诊断中, ANN的准确率要高于有经验的医师, 并能识别需要术后跟踪的高危病人。 ANN的主要优点是能够自适应样本数据的特点和并行处理, 当数据中有噪声、变形或非线性失真时也能正确分类提供简单工具进行自动特征选取容易集成现有的域知识等。因此它在生物医学领域中将得到更广泛深入的应用。同常规方法相比, ANN的优越性是很明显的, 但必须认识到ANN是发展中的学科尚有诸多不足之处, 如受限于脑科学的己有研究成果且尚未建立起自身的完整而成熟的理论体系, 同时与传统技术的接口不成熟。在这几个方面的问题上如有突破将给ANN带来卓有成效的重大进展, 并有可能使包括信息科学在内的其他学科产生重大突破和变革。
