近年來,隨著計算機以及人工智能技術的高速發(fā)展,計算機輔助診斷技術（Computer Aided Diagnosis,CAD）在醫(yī)療衛(wèi)生行業(yè)取得了較快的進步。其中概率神經(jīng)網(wǎng)絡（Probabilistic Neural Network,PNN）作為人工智能的代表技術之一,具有計算簡單、學習過程簡潔、分類能力強的特點,這使其在醫(yī)療輔助診斷領域也得到了一定的應用空間。然而PNN存在網(wǎng)絡冗雜度高、參數(shù)待優(yōu)化等缺點,這一度限制了PNN網(wǎng)絡在醫(yī)學診斷領域的推廣和發(fā)展。為了將概率神經(jīng)網(wǎng)絡更好的應用于醫(yī)療輔助診斷系統(tǒng)中,本文提出一種基于改進版粒子群算法（Improved Particle Swarm Optimization,IPSO）優(yōu)化的PNN輔助診斷模型。該模型以算法優(yōu)化的模式去彌補了原始PNN網(wǎng)絡存在的不足,為醫(yī)學界提供了一種高效的輔助診斷模型。本文的主要研究工作如下:（1）介紹了PNN網(wǎng)絡的理論基礎、網(wǎng)絡的模型結(jié)構以及學習訓練方法,并分析了采用PNN網(wǎng)絡去實現(xiàn)分類診斷時候存在的不足。（2）利用主成分分析法（Principal Components Analysis,PCA）提取出原始病理數(shù)據(jù)中... 

【文章來源】：浙江工業(yè)大學浙江省

【文章頁數(shù)】：67 頁

【學位級別】：碩士

【部分圖文】：

RBFNN結(jié)構圖

隨機搜索技術，同一時間使用多個搜索點，有極好的并行性；以目標函數(shù)值直接作為的信息，進一步增加其搜索過程靈活性；運用自然的機制來表現(xiàn)較為復雜的現(xiàn)象，方應用遺傳來操作算子；具有可擴展性，便于和別種技術相混合使用。遺傳算法以其良獨特的解決問題的能力、強大的搜尋能力及可擴展性，被廣泛地應用到智慧醫(yī)療、機習系統(tǒng)、工程最優(yōu)化等領域當中[50]。遺傳算法當中的基本原理分為以下四點：(1) 編碼表示：編碼基于遺傳算法對于所求解問題本身一無所知，通過把待求解問題中的可行解數(shù)據(jù)遺傳算法能進行處理的染色體間建立起相對應關系的一個過程。雖然編碼的要求不苛但編碼的方法在極大程度上影響著交叉與變異運算的實現(xiàn)與執(zhí)行情況。編碼作為遺傳流程當中的第一步，其將原問題解空間的解數(shù)據(jù)進行轉(zhuǎn)化，變?yōu)檫z傳空間中個體的基。圖 3-2 是二進制編碼的示意圖。

留下的幾率更大，為其下一代貢獻出一個或者多個后代的概率更替下一代繁殖的概率過低甚至被淘汰，實現(xiàn)達爾文適者生存的這一為遺傳操作當中最主要的一個過程，其保證了具備優(yōu)良性能的個體殖出相對數(shù)量更多的染色體，能夠規(guī)避有效基因的損失，從而提高斂性。照生物基因重組的這一過程，這體現(xiàn)出信息交換的思想，是遺傳算最主要的操作過程之一。從種群當中挑選出兩個進行交叉操作的根據(jù)先前設定的交叉概率，在個體的編碼串當中隨機地選擇交叉點部分染色體進行交換和重組。交叉使得新個體當中組合出兩個父代叉這一操作要求不可對個體編碼串當中的優(yōu)良模式進行破壞，通過因，來快速地形成更優(yōu)的基因組合，發(fā)揮出遺傳算法的全局搜索能叉算子如圖 3-3 所示。

【參考文獻】：
期刊論文
[1]GA-BP神經(jīng)網(wǎng)絡與BP神經(jīng)網(wǎng)絡性能比較[J]. 劉春艷,凌建春,寇林元,仇麗霞,武俊青.  中國衛(wèi)生統(tǒng)計. 2013(02)
[2]冠心病智能診斷算法仿真研究[J]. 陳剛,劉秉權,葛金虎.  計算機仿真. 2012(12)
[3]超敏C反應蛋白與冠心病患者的冠狀動脈病變程度及預后的關系[J]. 張英,覃數(shù),張冬穎,汪克純.  實用臨床醫(yī)藥雜志. 2012(23)
[4]基于概率神經(jīng)網(wǎng)絡的乳腺癌計算機輔助診斷[J]. 程智輝,陳將宏.  計算機仿真. 2012(09)
[5]LVQ神經(jīng)網(wǎng)絡在乳腺腫瘤診斷中的應用[J]. 王波,杜曉昕,金梅.  計算機仿真. 2012(08)
[6]基于遺傳算法的智能組卷系統(tǒng)研究[J]. 王月敏.  云南民族大學學報(自然科學版). 2009(02)
[7]乳腺增生癥的診斷[J]. 李曉曦.  臨床外科雜志. 2007(06)
[8]基于優(yōu)化平滑因子σ的概率神經(jīng)網(wǎng)絡的變壓器故障診斷方法研究[J]. 陳波,郭壯志.  現(xiàn)代電力. 2007(02)
[9]基于概率神經(jīng)網(wǎng)絡的變壓器故障診斷的研究[J]. 銀濤.  電氣應用. 2006(10)

博士論文
[1]合并腎損害高血壓患者早期風險評估和降壓療效差異評價[D]. 匡澤民.中南大學 2014
[2]乳腺癌新輔助化療的MRI研究[D]. 尹波.復旦大學 2010
[3]車輛狀態(tài)監(jiān)測與故障診斷新方法研究[D]. 劉應吉.東北大學 2008

碩士論文
[1]基于RBF神經(jīng)網(wǎng)絡的PID自校正控制研究及應用[D]. 朱逢銳.安徽理工大學 2017
[2]基于信道差異和決策融合的欺騙干擾檢測識別[D]. 秦源.杭州電子科技大學 2016
[3]基于支持向量機的惡意軟件檢測技術研究[D]. 歐陽博宇.湘潭大學 2015
[4]基因表達預測模型研究[D]. 孟祥虎.西安電子科技大學 2014
[5]基于復制粘貼的數(shù)字圖像篡改檢測研究[D]. 單薇.蘇州大學 2014
[6]樹突細胞算法數(shù)據(jù)預處理技術研究[D]. 黨華箏.安徽理工大學 2013
[7]基于人工神經(jīng)網(wǎng)絡的企業(yè)財務危機預警實證研究[D]. 侯俊.電子科技大學 2011
[8]基于自適應與混沌的遺傳算法的研究[D]. 武彩平.太原理工大學 2010
[9]支持向量機及其在乳腺癌輔助診斷系統(tǒng)中的應用研究[D]. 高妮.西北大學 2009
[10]面向醫(yī)療診斷的BN-CBR混合模型及其應用[D]. 王瑞軍.天津大學 2009



本文編號：3261495