基于模糊神經(jīng)網(wǎng)絡(luò)和遺傳算法的急性心肌梗死專家診斷系統(tǒng)的探索.pdf

1、急性心肌梗死(Acute Myocardial Infarction，AMI)，因其發(fā)病率和死亡率均較高，一直是人們關(guān)注的疾病之一。由于臨床表現(xiàn)形式多樣，患者就診時(shí)間不一，以及臨床醫(yī)師綜合分析水平不一，極易造成誤診，同時(shí)也增加患者的經(jīng)濟(jì)負(fù)擔(dān)。因此，通過對(duì)患者病情與檢查數(shù)據(jù)分析，迅速有效的診斷出急性心肌梗死患者，同時(shí)，結(jié)合經(jīng)濟(jì)角度考慮，合理選擇檢查方法，做出診斷和對(duì)癥治療，顯得尤為重要。 為了滿足上述診斷的要求，文章提出建立基于a

2、 Pseudo Outer-product BasedFuzzy Neural Network(以下統(tǒng)稱為POPFNN)模糊神經(jīng)網(wǎng)絡(luò)和遺傳算法的診斷系統(tǒng)，通過系統(tǒng)對(duì)反映心肌損傷的相關(guān)酶類生化標(biāo)志物(以下統(tǒng)稱心酶譜)項(xiàng)目數(shù)據(jù)的分析，獲得患者病情的診斷結(jié)論。診斷系統(tǒng)在保證心酶譜優(yōu)點(diǎn)的基礎(chǔ)上，提高其數(shù)據(jù)分析的準(zhǔn)確度，達(dá)至提高急性心肌梗死診治的診斷率，確定發(fā)病的不同階段。減低誤漏診，減輕患者經(jīng)濟(jì)負(fù)擔(dān)的目的。 在本系統(tǒng)設(shè)計(jì)中，運(yùn)用遺傳算法

3、較強(qiáng)的搜索能力為數(shù)據(jù)生成最佳的隸屬度函數(shù)。通過適應(yīng)度評(píng)估函數(shù)提供充足的運(yùn)行時(shí)間，系統(tǒng)將會(huì)聚類得到一個(gè)最佳或次佳的隸屬度函數(shù)。模糊系統(tǒng)的規(guī)則庫通過LazyPOP學(xué)習(xí)算法自動(dòng)建立的模糊規(guī)則組成。在整個(gè)過程中，模糊隸屬度函數(shù)和模糊規(guī)則都會(huì)變得更加優(yōu)越，而且，只需要很少的人為調(diào)節(jié)預(yù)置參數(shù)，就能達(dá)到系統(tǒng)運(yùn)行速度快和經(jīng)濟(jì)有效的目的。 文章中提出診斷系統(tǒng)架構(gòu)主要分為三個(gè)模型：(1)方案生成模塊：(2)適合度評(píng)估模塊；(3)方案實(shí)現(xiàn)模塊。方案生

4、成模塊是由遺傳算法實(shí)現(xiàn)自動(dòng)生成隸屬度函數(shù)，而方案實(shí)現(xiàn)模塊由POPFNN模糊神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)，在POPFNN中，應(yīng)用LazyPOP學(xué)習(xí)算法，利用訓(xùn)練數(shù)據(jù)的進(jìn)行和提取得到模糊規(guī)則，避免處理所有可能的規(guī)則。訓(xùn)練數(shù)據(jù)引入模糊規(guī)則系統(tǒng)，其結(jié)果用于適合度評(píng)估模塊的適合度評(píng)估，分配合適的適合度值給每個(gè)染色體。方案實(shí)現(xiàn)模塊在這些適合度值的基礎(chǔ)上進(jìn)化遺傳種群。當(dāng)進(jìn)化停止，學(xué)習(xí)過程也結(jié)束了。 本文首先介紹研究工作背景，研究目的，研究意義與國(guó)內(nèi)外同類研究