基于神经网络的急性胸痛疾病辅助诊断系统设计
打开文本图片集
摘 要：探讨BP神经网络对五种典型急性胸痛疾病的诊断准确性，搭建神经網络，选取120例胸痛病历作为训练集，训练神经网络，用20个新样本预测网络性能，结果表明，BP神经网络诊断准确率较高，利用BP神经网络实现急性胸痛疾病的初步诊断具有可行性。
关键词：急性胸痛疾病;BP神经网络;诊断
中图分类号：R734.2 文献标志码：A 文章编号：2095-2945（2020）01-0102-02
Abstract： This paper discusses the accuracy of BP neural network in the diagnosis of five typical acute chest pain diseases， builds neural network， selects 120 cases of chest pain medical records as training set， trains neural network， and predicts the network performance with 20 new samples. The results show that the accuracy of BP neural network diagnosis is high， and it is feasible to use BP neural network to realize the preliminary diagnosis of acute chest pain diseases.
Keywords： acute chest pain diseases; BP neural network; diagnosis
引言
近年来，人工智能在医学领域有了广泛的应用研究，主要体现在临床诊断、疾病预后以及临床决策分析等方面。神经网络通过对神经元的建模和联接，具有自适应、自学习能力，能够完成任何从输入到输出的非线性映射。研究表明，急诊科中急性胸痛患者所占比例为5%到20%[1]，而且某些急性胸痛疾病例如急性肺栓塞、心肌梗死、主动脉夹层等发病急，救治时间窗窄，致死率高。这就对急诊医生的快速准确诊断提出更高的要求。本文旨在设计一种急性胸痛疾病智能诊断系统，利用神经网络实现对五种典型胸痛疾病（自发性气胸、急性肺栓塞、心绞痛、心肌梗死、主动脉夹层）的辅助诊断，进而为医生提供一种客观、准确的初步诊断结果，辅助医生的确诊诊断。
1 系统设计与实现
1.1 系统整体设计流程
主要工作包括五种胸痛疾病样本的采集、基于神经网络的诊断模型的建立以及诊断系统的搭建。系统诊断设计流程如图1所示。
1...
|
== 试读已结束，如需继续阅读敬请充值会员 ==
|
|
本站文章均为原创投稿，仅供下载参考，付费用户可查看完整且有格式内容！
(费用标准：38元/2月，98元/2年，微信支付秒开通！) |
| 升级为会员即可查阅全文 。如需要查阅全文，请 免费注册 或 登录会员 |
|
