【摘要】：近年來(lái),隨著轉(zhuǎn)化醫(yī)學(xué)的快速發(fā)展,以信息科學(xué)為技術(shù)手段,為疾病的預(yù)測(cè)、預(yù)防、診斷和治療提供了幫助,使得基礎(chǔ)醫(yī)學(xué)與臨床醫(yī)學(xué)得到了較好的結(jié)合。轉(zhuǎn)化醫(yī)學(xué)的一個(gè)重要內(nèi)容是計(jì)算機(jī)輔助診斷,將病人就診過(guò)程中產(chǎn)生的大量不同類型的信息通過(guò)計(jì)算機(jī)信息處理,提供個(gè)體化治療策略,從而提高對(duì)疾病的診斷效率。其中,如何選用適當(dāng)?shù)膬?yōu)化算法根據(jù)醫(yī)學(xué)模型和臨床檢測(cè)數(shù)據(jù),采用系統(tǒng)辨識(shí)方法,獲取患者個(gè)體的醫(yī)學(xué)參數(shù),是必須的環(huán)節(jié),也是核心問(wèn)題之一。乙型肝炎是影響我國(guó)人民健康危害最嚴(yán)重的傳染病之一,而傳統(tǒng)的醫(yī)學(xué)數(shù)據(jù)分析對(duì)每個(gè)患者的病情很難有一個(gè)總體上的把握,更不用說(shuō)預(yù)測(cè)其病情的發(fā)展。隨著醫(yī)學(xué)技術(shù)的發(fā)展,人們嘗試構(gòu)建了乙肝病毒動(dòng)力學(xué)模型(HBV動(dòng)力學(xué)模型),通過(guò)對(duì)該模型中的關(guān)鍵參數(shù)進(jìn)行辨識(shí),并仿真出患者的各個(gè)重要指標(biāo),對(duì)患者的病情進(jìn)行預(yù)測(cè),并對(duì)用藥后的效果可以做一個(gè)提前預(yù)測(cè)。這對(duì)醫(yī)生治療起到了很好的指導(dǎo)作用,且提前預(yù)測(cè)也可以使病者的病情在最短時(shí)間得到有效的治療。而對(duì)該模型進(jìn)行系統(tǒng)辨識(shí)是個(gè)非線性系統(tǒng)辨識(shí)問(wèn)題,傳統(tǒng)的系統(tǒng)辨識(shí)方法對(duì)這樣的非線性系統(tǒng)辨識(shí)問(wèn)題效果不是很好。目前的系統(tǒng)辨識(shí)多采用二次規(guī)劃等解析算法,可辨識(shí)的參數(shù)少,收斂慢,對(duì)參數(shù)的初值依賴大。隨著智能控制領(lǐng)域研究的不斷發(fā)展,非線性程度也就越來(lái)越高,一些經(jīng)典的方法就很難滿足需要了。 本文研究了小種群粒子群優(yōu)化算法(SPPSO)在非線性系統(tǒng)辨識(shí)中的應(yīng)用,將其應(yīng)用在實(shí)際的醫(yī)學(xué)系統(tǒng)辨識(shí)中。根據(jù)HBV動(dòng)力學(xué)模型,利用臨床檢測(cè)的動(dòng)態(tài)數(shù)據(jù),為乙肝患者的診斷與治療提供新的輔助手段,主要工作內(nèi)容是： 將SPPSO算法與其他算法在非線性系統(tǒng)辨識(shí)中的效果進(jìn)行了比較,發(fā)現(xiàn)SPPSO在保持同樣精度的情況下,具有更快的收斂速度,因此更能滿足臨床分析的需要。 由于乙肝病毒動(dòng)力學(xué)模型是非線性微分方程組,并且受到臨床動(dòng)態(tài)監(jiān)測(cè)數(shù)據(jù)少的制約,一般的優(yōu)化算法很難得到較好的結(jié)果。本文將SPPSO算法運(yùn)用到求解HBV動(dòng)力學(xué)模型的非線性系統(tǒng)辨識(shí)中,實(shí)現(xiàn)了HBV動(dòng)力學(xué)模型的快速辨識(shí)。SPPSO作為一種全局優(yōu)化算法,易于實(shí)現(xiàn),且收斂速度快,計(jì)算效率高。在處理數(shù)據(jù)量較大的大規(guī)模的種群?jiǎn)栴}時(shí)可大大降低時(shí)間和資源的開(kāi)銷,因此在系統(tǒng)辨識(shí)特別是高度非線性系統(tǒng)中具有很大的意義。而這類復(fù)雜的非線性系統(tǒng)在醫(yī)學(xué)系統(tǒng)中有具典型性,所以將該算法用于求解HBV動(dòng)力學(xué)模型上,有很好的研究?jī)r(jià)值和實(shí)用價(jià)值。 并且針對(duì)藥物作用的滯后效應(yīng),將時(shí)滯參數(shù)作為待辨識(shí)的參數(shù),采用時(shí)滯微分方程的求解算法,利用SPPSO算法實(shí)現(xiàn)了乙肝病毒時(shí)滯模型的辨識(shí)。 進(jìn)一步注意到醫(yī)學(xué)參數(shù)的時(shí)變特點(diǎn),利用正交多項(xiàng)式的線性組合近似時(shí)變參數(shù),將無(wú)窮維問(wèn)題轉(zhuǎn)化為有限維問(wèn)題,利用SPPSO算法實(shí)現(xiàn)了乙肝病毒時(shí)變模型的辨識(shí)。 本文的研究為HBV動(dòng)力學(xué)模型的參數(shù)辨識(shí)提供了一種新的方法,該方法可以推廣到一般非線性系統(tǒng)的辨識(shí)中。并為醫(yī)學(xué)測(cè)量提供了一種“軟測(cè)量”的方法：對(duì)于醫(yī)學(xué)上不能直接檢測(cè)或者檢測(cè)費(fèi)用很高的變量,可以選取易于檢測(cè)的”二次變量”建立起”二次變量”與待檢測(cè)變量之間的”數(shù)學(xué)模型”,通過(guò)系統(tǒng)辨識(shí),估計(jì)待檢測(cè)的變量。這都是很有實(shí)際的研究?jī)r(jià)值和研究意義的。
【圖文】：

(2)勵(lì)磁系統(tǒng)模型自動(dòng)勵(lì)磁調(diào)節(jié)器系統(tǒng)的基本結(jié)構(gòu)如圖2.3所示，它由調(diào)差環(huán)節(jié)、測(cè)量比較、綜合放大、移相觸發(fā)、可控整流等環(huán)節(jié)構(gòu)成以機(jī)端電壓為被調(diào)量的自動(dòng)勵(lì)磁調(diào)節(jié)的一個(gè)反饋控制系統(tǒng)[5〗]。5? —"^ 一‘賣— mir?原I磁機(jī) 發(fā)電機(jī) *一"~測(cè)量 調(diào)差 I手動(dòng)I ： ,0元件元件 ：I控制丨： _______ i i.......——一——— — —.............. J 勵(lì)磁調(diào)節(jié)器 手控勵(lì)磁機(jī)發(fā)電機(jī) ?:_ 自動(dòng)醒灥至賽 ^圖2.3自動(dòng)勵(lì)磁調(diào)節(jié)器的基本結(jié)構(gòu)自動(dòng)勵(lì)磁調(diào)節(jié)器的工作原理是首先利用測(cè)量元件去測(cè)量機(jī)端的電壓，并比較其結(jié)果f/g與基準(zhǔn)電壓之間的差值，并將其作為輸入信號(hào)，最后輸出/。，/,為前面求得的差值的反方向調(diào)整量，并在放大器的末端輸出。由于/,為的反方向調(diào)整量，所以當(dāng)C/g降低時(shí)，相反的，/,就增加

勵(lì)磁調(diào)節(jié)器的簡(jiǎn)化框圖如圖2.4所示，圖中/：,、尺,分別表示各單元的放大值，為調(diào)節(jié)器總的放大系統(tǒng)，且等于各個(gè)單元放大倍數(shù)的乘積[5]]。V測(cè)量比較丨AV綜合放大 移相觸發(fā) 可控硅AVf^ 調(diào)差 If If *1 If If —I ? 丨 1^2 丨 "3Iw " “—3r 一 —~ 一“V f "“！ i 1“ 輔助控制i 發(fā)電機(jī)?圖2.4勵(lì)磁調(diào)節(jié)器簡(jiǎn)化框圖對(duì)勵(lì)磁系統(tǒng)參數(shù)辨識(shí)首先要建立數(shù)學(xué)模型。單數(shù)，勵(lì)磁系統(tǒng)種類繁多，模型也不統(tǒng)一。各個(gè)勵(lì)磁生產(chǎn)廠家都為各自生產(chǎn)的勵(lì)磁系統(tǒng)建立了數(shù)學(xué)模型。然而廠家自定義的模型通常與電力運(yùn)行部門(mén)計(jì)算要求的模型有很大的差異，即很難再電力運(yùn)行部門(mén)計(jì)算所采用的軟件中直接找到與廠家自定義的模型相匹配的計(jì)算模型，，因此勵(lì)磁參數(shù)辨識(shí)的第一步是模型的辨識(shí)，即模式識(shí)別，獲得與廠家模型比較接近的模型，再進(jìn)一步辨識(shí)具體模型的參數(shù)。目前電網(wǎng)實(shí)際仿真計(jì)算程序，如BPA軟件和PSASP軟件
【學(xué)位授予單位】：武漢大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2013
【分類號(hào)】：TP18;N945.14

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李秀英,韓志剛;非線性系統(tǒng)辨識(shí)方法的新進(jìn)展[J];自動(dòng)化技術(shù)與應(yīng)用;2004年10期

2 夏志敏;趙志誠(chéng);;一種基于支持向量機(jī)的非線性系統(tǒng)辨識(shí)方法[J];太原科技大學(xué)學(xué)報(bào);2010年05期

3 朱全民;非線性系統(tǒng)辨識(shí)[J];控制理論與應(yīng)用;1994年06期

4 王秀峰;非線性系統(tǒng)辨識(shí)及其應(yīng)用[J];天津科技;1996年03期

5 王軍;彭宏;肖建;;尺度核支持向量回歸的非線性系統(tǒng)辨識(shí)[J];系統(tǒng)仿真學(xué)報(bào);2006年09期

6 尹輝，黃正良;一類結(jié)構(gòu)已知的非線性系統(tǒng)辨識(shí)[J];西南工學(xué)院學(xué)報(bào);1995年01期

7 李ng,韓崇昭,吳艷萍;一類非線性系統(tǒng)辨識(shí)的參數(shù)空間優(yōu)化遺傳算法[J];控制與決策;2001年06期

8 張明光;閻威武;李戰(zhàn)明;;基于支持向量機(jī)的非線性系統(tǒng)辨識(shí)研究[J];計(jì)算機(jī)應(yīng)用研究;2006年05期

9 戴運(yùn)桃;趙希人;劉利強(qiáng);;基于進(jìn)化粒子群優(yōu)化的非線性系統(tǒng)辨識(shí)[J];計(jì)算機(jī)仿真;2010年10期

10 李秀英;韓志剛;;一種基于粒子群優(yōu)化的非線性系統(tǒng)辨識(shí)方法[J];控制與決策;2011年11期

相關(guān)會(huì)議論文 前5條

1 陳大慶;楊軍;周鳳歧;;基于神經(jīng)元網(wǎng)絡(luò)的非線性系統(tǒng)辨識(shí)[A];1991年控制理論及其應(yīng)用年會(huì)論文集（上）[C];1991年

2 呂強(qiáng);郝繼紅;段運(yùn)波;許耀銘;;利用動(dòng)態(tài)RBF網(wǎng)絡(luò)的非線性系統(tǒng)辨識(shí)[A];1994中國(guó)控制與決策學(xué)術(shù)年會(huì)論文集[C];1994年

3 榮海娜;張葛祥;張翠芳;;基于支持向量機(jī)的非線性系統(tǒng)辨識(shí)方法[A];中國(guó)自動(dòng)化學(xué)會(huì)、中國(guó)儀器儀表學(xué)會(huì)2004年西南三省一市自動(dòng)化與儀器儀表學(xué)術(shù)年會(huì)論文集[C];2004年

4 郝萬(wàn)君;喬焰輝;強(qiáng)文義;;基于自適應(yīng)競(jìng)爭(zhēng)聚類和OLS算法的非線性系統(tǒng)辨識(shí)[A];2009中國(guó)控制與決策會(huì)議論文集（1）[C];2009年

5 張濤;謝林柏;丁鋒;;輸出信號(hào)量化的雙率采樣Hammerstein非線性系統(tǒng)辨識(shí)[A];2009中國(guó)控制與決策會(huì)議論文集（1）[C];2009年

相關(guān)博士學(xué)位論文 前4條

1 唐曉;小種群粒子群算法在非線性系統(tǒng)辨識(shí)中的應(yīng)用[D];武漢大學(xué);2013年

2 朱耀春;基于基因表達(dá)式編程技術(shù)的非線性系統(tǒng)辨識(shí)研究[D];華北電力大學(xué)（北京）;2008年

3 施建中;基于模糊聚類的非線性系統(tǒng)辨識(shí)研究[D];華北電力大學(xué);2012年

4 高學(xué)輝;遲滯Hammerstein非線性系統(tǒng)辨識(shí)與控制[D];北京理工大學(xué);2016年

相關(guān)碩士學(xué)位論文 前10條

1 薛瑞靜;非線性系統(tǒng)辨識(shí)在人體動(dòng)態(tài)平衡建模中的應(yīng)用[D];河北大學(xué);2015年

2 謝倩雯;改進(jìn)的極限學(xué)習(xí)機(jī)在辨識(shí)及分類中的應(yīng)用[D];北京化工大學(xué);2016年

3 張帥;基于支持向量機(jī)的非線性系統(tǒng)辨識(shí)及控制研究[D];河南師范大學(xué);2016年

4 杜寶慶;延遲系統(tǒng)控制及非線性系統(tǒng)辨識(shí)與仿真[D];曲阜師范大學(xué);2007年

5 田宏潔;基于粒子群方法的非線性系統(tǒng)辨識(shí)問(wèn)題研究[D];西安電子科技大學(xué);2011年

6 孫建良;Hammerstein模型非線性系統(tǒng)辨識(shí)算法研究[D];浙江大學(xué);2013年

7 鄧楊;基于參數(shù)化時(shí)頻分析的非線性系統(tǒng)辨識(shí)[D];上海交通大學(xué);2014年

8 范偉;一類維納非線性系統(tǒng)辨識(shí)（Ⅰ）[D];江南大學(xué);2008年

9 楊韜;基于改進(jìn)人工蜂群算法的神經(jīng)網(wǎng)絡(luò)非線性系統(tǒng)辨識(shí)研究[D];西南交通大學(xué);2013年

10 張園園;基于聚類分析和LSSVM的非線性系統(tǒng)辨識(shí)[D];河南師范大學(xué);2014年

本文編號(hào)：2666101