模糊神经网络在中医临床诊断中的效果研究

《模糊神经网络在中医临床诊断中的效果研究》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、模糊神经网络在中医临床诊断中的效果研究摘要：目的对腹痛屮的9种屮医临床病症，利用模糊神经网络(FNN)进行辅助诊断，并把诊断结果与聚类分析的结果进行比较。方法首先利用Matlab2012a建立起模糊神经网络，把254例腹痛病例数据进行训练和仿真诊断测试，然后利用Matlab2012a中的nctool工具对254例腹痛病例进行聚类分析。结果FNN诊断9种腹痛病症的准确性明显高于聚类分析。结论FNN模型可以用来在临床上作辅助诊断。关键词：模糊神经网络；训练函数；聚类分析中图分类号：TP391文献标识码：A人工神经网络(Art

2、ificialNeuralNetworks,简称ANN)是一门涉及生物、电了、计算机、数学和物理等的交叉学科，通过模拟牛物体屮神经网络的某些结构与功能，来克服目前计算机或其他系统不能解决的问题，可应用于识别感知、智能控制、专家系统等。近隹来在医学领域中，人工神经网络已成功用于疾病预报、方剂配伍、医学图像处理等方面。近来不少学者利用人工神经网络技术，在中医诊断、脉象识别分析、舌象图像处理等方面展开研究，从理论和方法等方面作了许多冇益的探索和研究。但是，随着研究领域的不断深入，发现神经网络在对知识的表达和对网络学习得到的规则

3、解释方面存在明显的不足，为此，一些研究者在神经网络基础上引入模糊逻辑，构建模糊神经网络系统。模糊逻辑的优点在于:①知识的表达自然容易，能够处理不确定信息，能够用模糊性的自然语言来表达知识，并且很容易利用专家经验；②可用简单的运算来实现知识的模糊推理。因此，将模糊技术与神经网络结合，形成的模糊神经网络系统将具备两者的优点，发挥各自优势并弥补不足。于是一些研究者开始采用模糊神经网络，在医学上进行广泛的研究和应用[1-4],并且取得了非常好的效果，本文章依托腹痛患者中的九类患者（大肠聚、肝郁胁痛、湿热黄疸、湿热泄泻、食滞胃痛、

4、大肠痈、虚寒泄泻、脾心痛、气滞腹痛）的临床诊断信息，分别利用模糊神经网络和模糊聚类法进行判别分类，并对两种方法得到的结果进行比较。1资料与方法1.1一般资料收集了2005年1月〜2010年10月江西省中医院的254例腹痛患者的各种中医检测结果，254例腹痛患者中大肠聚患者12例，肝郁胁痛31例，湿热黄疸13例，湿热泄泻23例，食滞胃痛14例，大肠痈15例，虚寒泄泻22例，脾心痛81例，气滞腹痛43例，诊断结果均得到病理证实。1.2方法1.2.1提取大肠聚患者、肝郁胁痛患者、湿热黄疸患者、湿热泄泻患者、食滞胃痛患者、大肠痈

5、患者、虚寒泄泻患者、脾心痛患者、气滞腹痛患者的望诊、问诊、脉诊、舌诊和治则治法等11项检测结果作为第1层的输入向量。由于这些检测结果有的表示症状的有无，有些是表示患病症状的程度等级，因此本文通过利用模糊数学的〃边界法〃、〃三角形法〃和〃频率统计法〃來赋值。例如，可以使用〃边界法〃來描述腹痛时是否伴有发烧，1表示有，0表示无；使用〃三角形法〃来描述某种症状或患病的程度,最严重表示为0.9无则为0.1,中间状态映射为0.3、0.5、0.7的某个值;使用〃频率统计法〃来描述那些没有程度等级的症状，如中医脉诊中的细脉，用细脉患者

6、出现的频率就作为细脉的录属值。1.2.2建立模糊神经网络模型，该网络模型由3层前向BP神经网络组成。第1层为数据预处理层，先提取患者的11个特征值再对其进行模糊化处理，第2层为隐含层，第3层为输出层，输出层为消化道系统的9种腹痛病症。1.2.3进行网络训练，从全部样本254例腹痛患者屮随机抽取178例（大肠聚患者9例，肝郁胁痛21例，湿热黄疸9例，湿热泄泻14例，食滞胃痛11例，大肠痈13例，虚寒泄泻13例，脾心痛55例，气滞腹痛33例）作为训练组，38例作为验证组（大肠聚患者1例，肝郁胁痛2例，湿热黄疸1例，湿热泄泻4

7、例，食滞胃痛1例，大肠痈1例，虚寒泄泻7例,脾心痛15例，气滞腹痛6例），38例为测试组（大肠聚患者2例，肝郁胁痛8例，湿热黄疸3例，湿热泄泻5例，食滞胃痛2例，大肠痈1例，虚寒泄泻2例，脾心痛11例，气滞腹痛4例）。用MATLAB2012a编程，分别对FNN进行训练，并用完成训练的网络模型进行验证和测试。网络的训练函数为trainlm,学习函数为learngdm,误差性能函数为mse,各层的传递函数为logsig,训练次数设置为1000o1.2.4对254例腹痛患者利用Matlab2012a的nctool工具进行聚类分

8、析，聚类分析就是研究〃物以类聚〃的一种科学有效的方法，通过数据的相似度进行归档，并把分类结果与模糊神经网络判别结果进行对比。2结果通过神经网络的训练、验证和和测试，得到178例训练组、38例验证组和38例测试组的诊断结果见表lo从表1屮可以看出，模糊神经网络（FNN）具有较好的识别能力，训练组和验证组的疾病诊断准确率