触觉虚拟环境下基于人工神经网络的中风评估与思考

发布时间：2017-06-02 11:05

  本文关键词：触觉虚拟环境下基于人工神经网络的中风评估与思考，由笔耕文化传播整理发布。

【摘要】：中风康复是指通过训练使病人重新获取肢体运动机能的过程,对中风病人肢体运动的正确评估对中风病人康复至关重要。人工神经网络作为后期中风评估的建模手段,引发了关于人工神经网络是一种黑箱子建模方法、还是白箱子建模方法的思考,以及人工神经网络模型设计中参数选择中理论指导的分析。最后,本文在虚拟环境下,结合人工神经网络建立中风评估模型,利用“穿过隧道”和“跟随圆圈”两个任务完成后绩效,研究是否能判别病人是处于中风的第六阶段还是健康状态。本论文研究的总体目标围绕上述问题提出。研究中风病人的评估方法及分类手段,具体目标有：(ⅰ)人工神经模型是黑箱子模型还是白箱子模型；(ⅱ)尝试对分类问题下的神经网络模型进行流程化设计；(ⅲ)利用神经网络建立并评估中风阶段自动评估模型；本论文所得出的结论如下：(1)利用BP神经网络可以建立有效的中风分类器原型,对中风病预测准确率期望值达94.12%,健康人预测准确率期望值达100%；(2)本研究对所选择隐含层含有7个神经元得分类器进行测试,分类器测试后AUC值为0.876,分类表现优秀；(3)ANN可以是黑箱子或者灰箱子,这取决于我们建立神经网络模型的方式和所解决问题所在领域的知识是否被用于建立ANN模型；(4)对于特定问题下建立神经网络建模时,隐藏层神经元数目的确定没有确切的公式可用,试错法或许是现阶段确定隐含层神经元个数的黄金法则。本论文的主要贡献在于：(1)论证了人工神经网络建模方法的本质,并分析ANN模型流程化设计过程,为建立模型提供指导；(2)拓展了基于人工神经网络的远程自助式中风康复评估知识；(3)本研究利用人工神经网络使基于Brunnstrom理论的阶段评估准确率得到提高,从92.1%提高到94.12%。
【关键词】：中风评估 触觉虚拟环境 神经网络模型 建模
【学位授予单位】：华东理工大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP183;R743.3
【目录】：

• 摘要5-6
• Abstract6-9
• 第1章 绪论9-11
• 1.1 课题来源9
• 1.2 研究动机9-10
• 1.3 研究目标10
• 1.4 本论文结构10-11
• 第2章 研究现状11-25
• 2.1 前言11
• 2.2 中风与后期康复11-13
• 2.2.1 中风康复评估原则11-12
• 2.2.2 三类评估方法12-13
• 2.3 基于触觉虚拟环境的评估任务13-17
• 2.3.1 触觉系统13
• 2.3.2 基于触觉的虚拟环境13-15
• 2.3.3 基于虚拟环境的康复任务15-16
• 2.3.4 “跟随圆圈”和“穿过隧道”两个任务16-17
• 2.4 机器学习在医疗评估中的应用17-19
• 2.5 人工神经网络19-20
• 2.5.1 人工神经网络的概念19-20
• 2.5.2 BP神经网络特点20
• 2.5.3 人工神经网络应用及研究意义20
• 2.6 模糊系统20-21
• 2.7 模糊神经网络21-22
• 2.8 交叉验证22-24
• 2.8.1 什么是交叉验证22-23
• 2.8.2 常见类型的交叉验证23
• 2.8.3 交叉验证选择模型的一般过程23-24
• 2.9 本章小结24-25
• 第3章 神经网络模型方法属性分析25-32
• 3.1 前言25
• 3.2 模型的概念25
• 3.3 FCBPSS框架分析法25-28
• 3.4 牛顿第二定律的三种不同模型28-29
• 3.5 争论焦点29-30
• 3.6 解决争论30-31
• 3.7 讨论31
• 3.8 本章小结31-32
• 第4章 神经网络在分类问题中设计要素分析32-38
• 4.1 前言32
• 4.2 神经网络模型在FCBPSS理论下的分析32
• 4.3 神经元模型32-33
• 4.3.1 激活函数选择32-33
• 4.4 网络拓扑结构33-34
• 4.4.1 神经网络结构33
• 4.4.2 隐藏层数33
• 4.4.3 隐含层神经元数33-34
• 4.5 网络学习规则34-36
• 4.5.1 神经网络学习方式34
• 4.5.2 神经网络训练算法34-35
• 4.5.3 网络终止条件35-36
• 4.6 分类问题下ANN概念化设计36-37
• 4.7 本章小结37-38
• 第5章 中风分类器建立38-52
• 5.1 前言38
• 5.2 实验介绍38-39
• 5.2.1 实验对象和设备38
• 5.2.2 实验方法38-39
• 5.3 实验数据收集39-40
• 5.4 实验假说和假设40
• 5.5 数据预处理40-42
• 5.5.1 去除噪声数据40-41
• 5.5.2 数值归约41-42
• 5.6 中风分类器模型建立42-46
• 5.6.1 中风分类器原理42-43
• 5.6.2 中风分类器的结构43-46
• 5.7 实验结果分析46-48
• 5.7.1 数据收集与整理46
• 5.7.2 数据描述46-47
• 5.7.3 数据分析与结果讨论47-48
• 5.8 BP神经网络分类器评价48-51
• 5.8.1 不平衡分类评价48-49
• 5.8.2 混淆矩阵49
• 5.8.3 ROC曲线49-51
• 5.9 本章小结51-52
• 第6章 结论与展望52-55
• 6.1 综合叙述52
• 6.2 结论52
• 6.3 研究贡献52
• 6.4 研究局限性与展望52-55
• 参考文献55-58
• 致谢58-59
• 附录A59-60
• 附录B60-61
• 附录C61-62
• 附录D62-63
• 附录E63-65
• 附录F65-67
• 附录G67-69
• 附录H69

【相似文献】

中国期刊全文数据库 前10条

1 任宏;人工神经网络及其在预防医学领域的应用[J];上海预防医学杂志;2003年01期

2 赵应征,赵爱国,鲁翠涛,韩铁 ,梅兴国;人工神经网络在药学研究中的应用进展[J];解放军药学学报;2003年06期

3 杨钧,周新华,马大庆;人工神经网络及其在胸部放射学中的应用[J];中华放射学杂志;2004年02期

4 金玉琴;赵群;施诚;;人工神经网络及其在中药研究中的应用[J];医学信息;2007年06期

5 郑义;陆辉;;人工神经网络及其在药学上的应用[J];黑龙江医药;2008年06期

6 李丽霞;张敏;郜艳晖;张丕德;周舒冬;;人工神经网络在医学研究中的应用[J];数理医药学杂志;2009年01期

7 徐俊芳;周晓农;;人工神经网络在传染病研究中的应用[J];中国寄生虫学与寄生虫病杂志;2011年01期

8 王欣萍;孙昕;孙尧;;基于BP人工神经网络模型构建电子病历系统的数据分析[J];中国组织工程研究与临床康复;2011年35期

9 李光芬,强勇;人工神经网络在医学中的应用[J];医学信息;1998年12期

10 艾超,聂邦畿;人工神经网络在医学中的应用与展望[J];现代医学仪器与应用;1999年01期

中国重要会议论文全文数据库 前10条

1 吴兵;;一种具有语义分布的自构造的新人工神经网络系统及其应用[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

2 刘R，

本文编号：415060