目的 基于随机森林(random forest,RF)算法和反向传播(back propagation,BP)神经网络算法实现对足底软组织超弹性模型本构参数的预测,以提升本构参数获取方式的效率和准确性.方法 首先建立足底软组织球形压痕实验的有限元模型,并对球形压痕实验过程进行仿真,得到具有非线性关系的位移和压痕力的数据集.将数据集进行划分,得到训练集和测试集,分别对搭建好的RF和BP神经网络(BP neural network,BPNN)模型进行训练,通过实验数据对足底软组织本构参数进行预测.最后,引入均方误差(mean square error,MSE)和决定系数(R2)对模型的预测准确性进行评估,同时对比实验曲线验证模型的有效性.结果 利用RF和BPNN模型结合有限元仿真是确定足底软组织超弹性本构参数的有效、准确的方法.训练后的RF模型MSE达到1.370 2×10-3,R2为0.982 9;BPNN模型MSE达到4.858 1×10-5,R2为0.999 3.反求得到适用于仿真的足底软组织的超弹性本构参数,预测得到的两组本构参数的计算响应曲线与实验曲线吻合较好.结论 基于人工智能算法模型对足底软组织超弹性本构参数的预测精度很高,相关研究成果也可以应用于足底软组织其他力学特性的研究.同时,研究结果为足底软组织本构参数的获取提供新方法,有助于快速诊断足底软组织病变等临床问题.

目的 使用主成分分析(principal component analysis,PCA)和反向传播(back propagation,BP)神经网络预测脑卒中患者行走时患侧髋、膝、踝的关节力矩.方法 30例脑卒中患者通过8镜头Qualisys红外光点高速运动捕捉系统和Kistler三维测力台同步采集运动学和动力学数据.通过OpenSim计算脑卒中患者髋、膝、踝患侧关节力矩,采用PCA筛选累积贡献率达到99％的初始变量,采用标准均方根误差(normalized root mean squared error,NRMSE)、均方根误差(root mean squared error,RMSE)、平均绝对百分比误差(mean absolute percentage error,MAPE)和平均绝对误差(mean absolute error,MAE)、R2作为PCA-BP模型的评价指标.使用肯德尔W系数评价计算关节力矩与预测力矩之间的一致性.结果 PCA数据显示躯干、骨盆、患侧髋、膝和踝关节在x、y、z轴(矢状、冠状、垂直轴)对患侧髋、膝、踝关节力矩具有显著影响.预测值与测量值间NRMSE为5.14％～8.86％,RMSE为0.184～0.371,MAPE 为 3.5％～4.0％,MAE 为 0.143～0.248,R2 为 0.998～0.999.结论 建立的 PCA-BP 模型可准确预测脑卒中患者行走时的髋膝踝关节力矩,显著缩短测量时间.在脑卒中患者的步态分析中,本模型可代替传统的关节力矩计算,为获得脑卒中患者生物力学数据提供新途径,以及为脑卒中患者临床治疗提供有效的方法.

目的:探究肺癌脑转移患者全脑放疗后的认知功能状况。方法:回顾性分析2020年1月至2021年2月广州中医药大学金沙洲manbet官网登录 收治的146例肺癌脑转移患者资料。根据有无神经系统症状，分为A组（有，95例）和B组（无，51例）。采用多因素logistic回归分析危险因素，构建列线图预测模型并评价。结果:经全脑放疗后，临床有效者124例（84.9%），无效者有22例（15.1%）。全脑放疗后：A组患者的简明精神状态检查量表（MMSE）评分显著提高（ P均<0.05），放疗后4个月时最显著，之后略有下降；B组患者的MMSE评分有所下降，放疗后4个月时最显著，之后有所恢复。多因素logistic回归分析显示，化疗≥3个周期、有同步加量、计划靶区照射剂量40 Gy、无海马区保护以及海马区照射剂量>30 Gy，均为认知功能下降的独立危险因素（ P均<0.05）。列线图预测模型的评价结果显示，其区分度、准确度以及有效性均较高。危险分层系统将所有患者分为4个危险分组：极低（总分<90分）、低（90分≤总分<128分）、中（128分≤总分<152分）、高（总分≥152分）风险组。 结论:对于肺癌脑转移患者，全脑放疗的临床疗效较好，但其对于患者认知功能有影响，放疗后4个月最显著。化疗≥3个周期、有同步加量、计划靶区照射剂量40 Gy、无海马区保护以及海马区照射剂量>30 Gy，均为认知功能下降的独立危险因素。

目的:基于基因组学的数据，通过机器学习，构建胃癌相关甲基化预测模型。方法:下载TCGA（The Cancer Genome Atlas）数据库中胃癌基因突变数据、基因表达数据和甲基化芯片数据，进行特征选择，构建支持向量机（径向基核函数）、随机森林和误差反向传播（error back propagation，BP）神经网络模型，并在新的数据集中进行模型的验证。结果:在3个模型中BP神经网络的检验效能最高（F1 值=0.89，Kappa=0.66，受试者工作特征曲线下面积=0.93）。结论:BP神经网络能够充分利用分子检测的基因组数据进行机器学习，可以用于胃癌相关甲基化预测。

目的:构建基于反向传播(BP)神经网络算法的最优规划模型,探讨其在磁共振成像(MRI)设备质量控制中的应用价值.方法:以MRI设备图像质量、质量控制成本和故障处理时长为控制目标,以环境因素、人为因素、设备因素及使用频率等方面的13项指标为决策因子,构建基于BP神经网络算法的最优规划模型.选取2021年5月31日至2023年6月4日中山市人民manbet官网登录 临床在用的1台1.5T磁共振设备的运行数据,将2021年5月31日至2022年5月29日(52周)的设备运行数据进行模型训练,作为传统质量控制方案数据,反向计算进行最优方案演化动态优化,运用动态优化方案在2022年6月6日至2023年6月4日进行应用实践,其运行数据作为优化质量控制方案数据,对比两种方案的MRI设备图像质量评分、质量控制成本和故障处理时长.结果:采用最优规划模型优化质量控制方案的MRI设备图像质量评分为(4.15±0.35)分,高于传统质量控制方案,质量控制成本和故障处理时长分别为(5 247.44±1711.39)元和(4.34±2.31)h,低于传统质量控制方案,差异均有统计学意义(t=4.084、6.442、10.776,P＜0.05).结论:基于BP神经网络算法构建最优规划模型,对MRI设备质量控制方案进行优化,可有效提升MRI设备质量管理水平,保障图像质量,提高设备稳定性,降低设备故障率和质量控制成本.

目的:提出一种新型脉冲神经元模型及其网络，描述其建模方法，并用计算机模拟验证其性能。方法:在充分考虑生物学适应性（激活电位阈值和不应期开关），及其对尖峰放电脉冲产生及其传导的动态调节机制基础上，在新型脉冲神经元模型中引入了突出后电位多通道滤波器，实现了输出电流及神经元突触强度的动态调节。提出基于自适应最小均方（LMS）的误差反向传播（BP）学习算法，并将其应用于尖峰放电神经网络的调节。结果:在自发噪声下，新型脉冲神经元模型的尖峰放电间期信号直方图满足泊松分布。通过2个新型脉冲神经元的简单连接，可以形成多种复杂的尖峰放电模式。新型脉冲神经元模型具有自发本征噪声的特征，能够形成复杂的周期尖峰放电模式。对于输入噪声控制，该模型的不应期与门限电位适应性参数的稳定性较好。刺激电流-尖峰放电脉冲频率间的线性关系较好。结论:所提出的新型脉冲神经元模型在自发噪声条件下能产生多种模式的振荡和相干振荡，这与生物神经元极其相似，能实现复杂的噪声信号处理。所采用的具有不同频带的多通道突触后电位滤波器，能使一些突触后电位信号变得平稳。所提出的基于于自适应LMS的BP学习算法克服了尖峰放电信号的瞬态变化特性导致的误差驱动学习算法无法应用的问题。

目的:利用反向传播神经网络（BPNN）算法，建立一种可以识别血糖项目随机误差的实时质控新方法并评价模型效能。方法:通过北京朝阳manbet官网登录 实验室信息系统导出2019年1月至2020年7月在西门子advia2400分析系统上报告的全部患者血糖信息，共计219 000条，作为本研究的无偏数据。人为引入6个偏差生成相应的有偏数据，每种偏差下用2种算法测试。进行计量学及临床评价。结果:BPNN步长设置为10，全部偏差下假阳性率均在0.1%以内；MovSD的最佳步长为150，拦截限为10%，全部偏差下假阳性率为0.38%，比BPNN高0.28%。MovSD在0.5与1误差因子下全部未检出，误差因子>1之后，可检出，但MNPed偏高；而BPNN在全部偏差下MNPed均低于MovSD，两者相差最高达91.67倍。计量学溯源过程生成460 000条参考数据，采用参考数据评定BPNN模型的不确定度仅为0.078%。结论:成功建立了基于BPNN算法识别检测过程随机误差的实时质控方法，模型准确度高，临床效能显著优于MovSD方法。

目的:探讨夜间脉搏血氧饱和度（SpO 2）监测对阻塞性睡眠呼吸暂停低通气综合征（OSAHS）预测和分类的价值。 方法:回顾性分析2018年1月至2019年12月就诊于天津医科大学总manbet官网登录 睡眠中心的580例打鼾患者的临床资料，男418例，女162例，年龄13~85（49±14）岁，所有患者均接受了整夜多导睡眠监测（PSG），睡眠呼吸暂停低通气指数（AHI）为0~101.4（43.06±27.47）次/h。其中，非OSAHS组（AHI<5次/h）52例，轻度OSAHS组（5次/h30次/h）361例。从SpO 2信号中提取13个指标，与AHI做相关性分析后，最终筛选11个与AHI相关的SpO 2指标（3%氧减饱和度回升指数，SpO 2低于90%曲线下面积，最低SpO 2平均值，最低SpO 2，平均SpO 2，SpO 2分别低于95%、90%、85%、80%、75%、70%的时间百分比），加入3个人口学指标［性别、年龄、体质量指数（BMI）］作为全部特征。分别利用多元线性回归（MLR）方法和反向传播神经网络（BPNN）多分类方法，进行AHI预测和OSAHS严重程度分类。采用SPSS 25.0软件进行统计学分析，计量资料均采用Pearson相关检验。 结果:对MLR方法和BPNN多分类方法进行评价。MLR方法获得了较高预测性能，其模型拟合优度 r2=0.848（ P<0.05），预测相关系数 r=0.901（ P<0.05）。BPNN多分类方法分类结果的特异度和阴性预测率均在90%左右，敏感度和阳性预测率也较高，其中非OSAHS组分类敏感度为88.46%±4.50%，重度OSAHS组分类的敏感度为94.74%±0.76%。 结论:基于夜间SpO 2监测仪记录的信号，利用MLR模型进行AHI预测以及利用BPNN模型进行多分类的方法，可能对OSAHS有较高的预测和分类价值。

目的:构建反向传播(back propagation，BP)神经网络模型，预测甲状腺功能亢进(以下简称甲亢)患者 131I核素治疗所需给药剂量，为患者计算个性化治疗剂量方案。 方法:从上海多家医学院核医学科收集接受放射性碘治疗的甲亢患者完整的病例资料，包括病史、检查结果、治疗过程等。随后建立预测模型，先以小样本数据比较BP神经网络，径向基(radial basis function，RBF)神经网络，支持向量机(support vector machine, SVM)3种模型的预测结果，选择最优模型对给药剂量进行预测，最后测试模型精准度。结果:以小样本构建的BP神经网络、RBF神经网络、SVM模型预测的平均误差分别为5.53%，7.09%，9.64%，比较后选择BP神经网络建立预测模型；采用随机抽样法选取30例数据对BP神经网络进行验证计算，预测结果的平均误差为7.22%，均方误差为0.053，最小误差为0.57%，最大误差为13.78%。结论:本研究提出了一种神经网络预测方法，为需要放射性碘治疗的甲亢患者提供给药剂量参考，减少患者剂量过量所致放射性损伤的可能或剂量不足所致治疗效果不理想的情况。

目的:探讨融合深度学习与改进遗传算法（GA）的内科微课教学质量评估方法的评估结果有效性，并分析内科教学的微课改革对学生学习效果的影响。方法:选取2021年3月1日至12月31日在台州市第一人民manbet官网登录 消化内科临床实习的温州医科大学大四学生348名为研究对象，采用随机数字表法分为研究组（ n=174）和对照组（ n=174）。在进行基本信息调查后，对照组开展理论与实习教学，并强化制作微课的知识内容学习；研究组接受对照组中除强化教学内容外的所有教学干预，并开展微课教学实验。教学前后对两组学生进行内科理论知识与实践技能考核，并设计基于反向传播（BP）神经网络和GA的模型评估课程教学质量。 结果:实习前，两组学生年龄、专业课平均绩点、性别构成、对内科学的兴趣程度、每周互联网使用次数差异均无统计学意义（均 P > 0.05）。实验教学结束后，研究组理论知识、实践能力考核分数分别为（91.6±6.0）分、（84.9±5.4）分，均高于对照组的（79.6±6.4）分、（73.5±5.8）分，差异均有统计学意义（ t=18.04、18.98，均 P < 0.001）。 结论:融合微课、微视频的内科教学模式改革能提升学生的理论知识与实践技能学习效果，基于BP网络和GA的评估模型对教学质量的评估精度较高。