概率神经网络的优化研究及其在医疗辅助诊断中的应用
发布时间：2021-07-03 00:34
近年来,随着计算机以及人工智能技术的高速发展,计算机辅助诊断技术（Computer Aided Diagnosis,CAD）在医疗卫生行业取得了较快的进步。其中概率神经网络（Probabilistic Neural Network,PNN）作为人工智能的代表技术之一,具有计算简单、学习过程简洁、分类能力强的特点,这使其在医疗辅助诊断领域也得到了一定的应用空间。然而PNN存在网络冗杂度高、参数待优化等缺点,这一度限制了PNN网络在医学诊断领域的推广和发展。为了将概率神经网络更好的应用于医疗辅助诊断系统中,本文提出一种基于改进版粒子群算法（Improved Particle Swarm Optimization,IPSO）优化的PNN辅助诊断模型。该模型以算法优化的模式去弥补了原始PNN网络存在的不足,为医学界提供了一种高效的辅助诊断模型。本文的主要研究工作如下:（1）介绍了PNN网络的理论基础、网络的模型结构以及学习训练方法,并分析了采用PNN网络去实现分类诊断时候存在的不足。（2）利用主成分分析法（Principal Components Analysis,PCA）提取出原始病理数据中...
【文章来源】：浙江工业大学浙江省
【文章页数】：67 页
【学位级别】：硕士
【部分图文】：
RBFNN结构图
随机搜索技术，同一时间使用多个搜索点，有极好的并行性；以目标函数值直接作为的信息，进一步增加其搜索过程灵活性；运用自然的机制来表现较为复杂的现象，方应用遗传来操作算子；具有可扩展性，便于和别种技术相混合使用。遗传算法以其良独特的解决问题的能力、强大的搜寻能力及可扩展性，被广泛地应用到智慧医疗、机习系统、工程最优化等领域当中[50]。遗传算法当中的基本原理分为以下四点：(1) 编码表示：编码基于遗传算法对于所求解问题本身一无所知，通过把待求解问题中的可行解数据遗传算法能进行处理的染色体间建立起相对应关系的一个过程。虽然编码的要求不苛但编码的方法在极大程度上影响着交叉与变异运算的实现与执行情况。编码作为遗传流程当中的第一步，其将原问题解空间的解数据进行转化，变为遗传空间中个体的基。图 3-2 是二进制编码的示意图。
留下的几率更大，为其下一代贡献出一个或者多个后代的概率更替下一代繁殖的概率过低甚至被淘汰，实现达尔文适者生存的这一为遗传操作当中最主要的一个过程，其保证了具备优良性能的个体殖出相对数量更多的染色体，能够规避有效基因的损失，从而提高敛性。照生物基因重组的这一过程，这体现出信息交换的思想，是遗传算最主要的操作过程之一。从种群当中挑选出两个进行交叉操作的根据先前设定的交叉概率，在个体的编码串当中随机地选择交叉点部分染色体进行交换和重组。交叉使得新个体当中组合出两个父代叉这一操作要求不可对个体编码串当中的优良模式进行破坏，通过因，来快速地形成更优的基因组合，发挥出遗传算法的全局搜索能叉算子如图 3-3 所示。
【参考文献】：
期刊论文
[1]GA-BP神经网络与BP神经网络性能比较[J]. 刘春艳,凌建春,寇林元,仇丽霞,武俊青. 中国卫生统计. 2013(02)
[2]冠心病智能诊断算法仿真研究[J]. 陈刚,刘秉权,葛金虎. 计算机仿真. 2012(12)
[3]超敏C反应蛋白与冠心病患者的冠状动脉病变程度及预后的关系[J]. 张英,覃数,张冬颖,汪克纯. 实用临床医药杂志. 2012(23)
[4]基于概率神经网络的乳腺癌计算机辅助诊断[J]. 程智辉,陈将宏. 计算机仿真. 2012(09)
[5]LVQ神经网络在乳腺肿瘤诊断中的应用[J]. 王波,杜晓昕,金梅. 计算机仿真. 2012(08)
[6]基于遗传算法的智能组卷系统研究[J]. 王月敏. 云南民族大学学报(自然科学版). 2009(02)
[7]乳腺增生症的诊断[J]. 李晓曦. 临床外科杂志. 2007(06)
[8]基于优化平滑因子σ的概率神经网络的变压器故障诊断方法研究[J]. 陈波,郭壮志. 现代电力. 2007(02)
[9]基于概率神经网络的变压器故障诊断的研究[J]. 银涛. 电气应用. 2006(10)
博士论文
[1]合并肾损害高血压患者早期风险评估和降压疗效差异评价[D]. 匡泽民.中南大学 2014
[2]乳腺癌新辅助化疗的MRI研究[D]. 尹波.复旦大学 2010
[3]车辆状态监测与故障诊断新方法研究[D]. 刘应吉.东北大学 2008
硕士论文
[1]基于RBF神经网络的PID自校正控制研究及应用[D]. 朱逢锐.安徽理工大学 2017
[2]基于信道差异和决策融合的欺骗干扰检测识别[D]. 秦源.杭州电子科技大学 2016
[3]基于支持向量机的恶意软件检测技术研究[D]. 欧阳博宇.湘潭大学 2015
[4]基因表达预测模型研究[D]. 孟祥虎.西安电子科技大学 2014
[5]基于复制粘贴的数字图像篡改检测研究[D]. 单薇.苏州大学 2014
[6]树突细胞算法数据预处理技术研究[D]. 党华筝.安徽理工大学 2013
[7]基于人工神经网络的企业财务危机预警实证研究[D]. 侯俊.电子科技大学 2011
[8]基于自适应与混沌的遗传算法的研究[D]. 武彩平.太原理工大学 2010
[9]支持向量机及其在乳腺癌辅助诊断系统中的应用研究[D]. 高妮.西北大学 2009
[10]面向医疗诊断的BN-CBR混合模型及其应用[D]. 王瑞军.天津大学 2009
本文编号：3261495
【文章来源】：浙江工业大学浙江省
【文章页数】：67 页
【学位级别】：硕士
【部分图文】：
RBFNN结构图
随机搜索技术，同一时间使用多个搜索点，有极好的并行性；以目标函数值直接作为的信息，进一步增加其搜索过程灵活性；运用自然的机制来表现较为复杂的现象，方应用遗传来操作算子；具有可扩展性，便于和别种技术相混合使用。遗传算法以其良独特的解决问题的能力、强大的搜寻能力及可扩展性，被广泛地应用到智慧医疗、机习系统、工程最优化等领域当中[50]。遗传算法当中的基本原理分为以下四点：(1) 编码表示：编码基于遗传算法对于所求解问题本身一无所知，通过把待求解问题中的可行解数据遗传算法能进行处理的染色体间建立起相对应关系的一个过程。虽然编码的要求不苛但编码的方法在极大程度上影响着交叉与变异运算的实现与执行情况。编码作为遗传流程当中的第一步，其将原问题解空间的解数据进行转化，变为遗传空间中个体的基。图 3-2 是二进制编码的示意图。
留下的几率更大，为其下一代贡献出一个或者多个后代的概率更替下一代繁殖的概率过低甚至被淘汰，实现达尔文适者生存的这一为遗传操作当中最主要的一个过程，其保证了具备优良性能的个体殖出相对数量更多的染色体，能够规避有效基因的损失，从而提高敛性。照生物基因重组的这一过程，这体现出信息交换的思想，是遗传算最主要的操作过程之一。从种群当中挑选出两个进行交叉操作的根据先前设定的交叉概率，在个体的编码串当中随机地选择交叉点部分染色体进行交换和重组。交叉使得新个体当中组合出两个父代叉这一操作要求不可对个体编码串当中的优良模式进行破坏，通过因，来快速地形成更优的基因组合，发挥出遗传算法的全局搜索能叉算子如图 3-3 所示。
【参考文献】：
期刊论文
[1]GA-BP神经网络与BP神经网络性能比较[J]. 刘春艳,凌建春,寇林元,仇丽霞,武俊青. 中国卫生统计. 2013(02)
[2]冠心病智能诊断算法仿真研究[J]. 陈刚,刘秉权,葛金虎. 计算机仿真. 2012(12)
[3]超敏C反应蛋白与冠心病患者的冠状动脉病变程度及预后的关系[J]. 张英,覃数,张冬颖,汪克纯. 实用临床医药杂志. 2012(23)
[4]基于概率神经网络的乳腺癌计算机辅助诊断[J]. 程智辉,陈将宏. 计算机仿真. 2012(09)
[5]LVQ神经网络在乳腺肿瘤诊断中的应用[J]. 王波,杜晓昕,金梅. 计算机仿真. 2012(08)
[6]基于遗传算法的智能组卷系统研究[J]. 王月敏. 云南民族大学学报(自然科学版). 2009(02)
[7]乳腺增生症的诊断[J]. 李晓曦. 临床外科杂志. 2007(06)
[8]基于优化平滑因子σ的概率神经网络的变压器故障诊断方法研究[J]. 陈波,郭壮志. 现代电力. 2007(02)
[9]基于概率神经网络的变压器故障诊断的研究[J]. 银涛. 电气应用. 2006(10)
博士论文
[1]合并肾损害高血压患者早期风险评估和降压疗效差异评价[D]. 匡泽民.中南大学 2014
[2]乳腺癌新辅助化疗的MRI研究[D]. 尹波.复旦大学 2010
[3]车辆状态监测与故障诊断新方法研究[D]. 刘应吉.东北大学 2008
硕士论文
[1]基于RBF神经网络的PID自校正控制研究及应用[D]. 朱逢锐.安徽理工大学 2017
[2]基于信道差异和决策融合的欺骗干扰检测识别[D]. 秦源.杭州电子科技大学 2016
[3]基于支持向量机的恶意软件检测技术研究[D]. 欧阳博宇.湘潭大学 2015
[4]基因表达预测模型研究[D]. 孟祥虎.西安电子科技大学 2014
[5]基于复制粘贴的数字图像篡改检测研究[D]. 单薇.苏州大学 2014
[6]树突细胞算法数据预处理技术研究[D]. 党华筝.安徽理工大学 2013
[7]基于人工神经网络的企业财务危机预警实证研究[D]. 侯俊.电子科技大学 2011
[8]基于自适应与混沌的遗传算法的研究[D]. 武彩平.太原理工大学 2010
[9]支持向量机及其在乳腺癌辅助诊断系统中的应用研究[D]. 高妮.西北大学 2009
[10]面向医疗诊断的BN-CBR混合模型及其应用[D]. 王瑞军.天津大学 2009
本文编号：3261495
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3261495.html
