基于径向基函数网络的农作物疾病诊断技术研究

农作物疾病的人工诊断效果常受到个人诊断经验和能力的限制,无法达到最令人满意的诊断结果。将丰富的植物病理学诊断经验和知识编入专家系统,利用模式识别算法对农作物常见疾病进行诊断,可以大大提高诊断准确率,显著地提高其产量和质量。本文研究基于一种人工神经元网络（Artificial Neural Network,ANN）——径向基函数（Radial Basis Function,RBF）网络的模式识别技术在大豆疾病诊断中的应用。径向基函数神经网络是基于人脑的神经元细胞对外界反应的局部性而提出的一种前馈式神经网络,这种网络具有结构简单、全局逼近能力强、训练方法快速易行的优点。本文首先对大豆常见19种疾病症状进行收集和整理,构建试验样本集。然后利用人工神经元网络理论,建立基于径向基函数（RBF）的网络模型,实现对该网络的训练和测试。测试结果表明,该模型具有较高的农作物疾病诊断正确率和良好的泛化能力。     

基于深度学习的医学影像诊断综述

目前各类医学影像数据积累迅速,给利用传统影像分析方法实现疾病诊断的医生带来了巨大挑战;计算机视觉领域的深度学习方法日渐成熟,为实现医学影像的自动分析及辅助医生实现疾病的高精度智能诊断提供了新的契机。文中综述了深度学习方法在医学影像领域的最新研究进展。首先,介绍了深度学习方法以及该类方法在医学影像领域的应用情况;然后,从应用深度学习主要研究的几大病症来分析具体的研究进展;最后,总结研究动向,预测研究趋势,并提出深度学习在医学影像研究中可能存在的问题以及建议。     

基于BP神经网络的水牛疾病诊断系统

针对传统专家系统获取知识困难自学习能力差和推理能力弱等缺点,设计并实现了基于BP神经网络的水牛疾病诊断专家系统.系统用专家以往诊断水牛疾病的病历来训练神经网络,并通过训练过的神经网络来实现疾病的诊断,然后针对诊断结果进行反向推理以确诊水牛疾病,结果表明,该系统很好地改进了传统专家系统存在的一些缺点.另外,该水牛疾病诊断系统的实现方法可推广应用到其它动物的疾病诊断系统中,为疾病诊断系统的开发提供了一条有效的新途径.     

集成范例推理及其在疾病诊断系统中的应用

根据疾病诊断的一般过程,研究集成范例推理技术和方法,提出一个基于集成范例推理的疾病诊断系统,介绍了系统的原理、架构及其组成部分,并对其中的关键技术和功能进行了设计。该系统设计符合疾病诊断的实际过程,有助于提高疾病诊断的自动化水平。     

电子病历挖掘:概念、技术及应用

电子病历挖掘受到了国内外研究人员的极大关注,它旨在提取电子病历数据库中有用的医疗信息并挖掘隐含在其中的医学诊断规则和模式,从而为疾病诊断和治疗提供科学的、准确的辅助决策.通过对资料和文献的分析,详细总结并探讨了电子病历挖掘的概念、技术路线、主要方法以及应用领域,最后指出了其研究面临的挑战.随着电子病历挖掘的进一步研究,其必将在医学领域得到更广泛地应用.     

重权关联因子可信度联想的疾病确诊方法研究

设计利用智能计算机系统协助人类专家求解人畜疾病诊断问题是医学人工智能的研究热点之一。传统诊断系统没有处理临床之间的时序相关性,漏诊率高,实用性低。为改进机器诊疗效率,以山羊为例,分析了疾病临床的关联性,在可信度知识规则表示方法中引入关联因子机制;用低值联想,高值联想,加权联想等算法修下重正关联因子可信度。实验表明:重权关联因子可信度联想显著地改进了推理规则激活率,大大降低了漏诊率。     

融合知识图谱与深度学习的疾病诊断方法研究

针对现有深度学习疾病诊断方法在辅助诊断过程中大规模依赖标注数据,且缺乏医生或专家经验知识的问题,提出一种融合医学知识图谱与深度学习的疾病诊断方法。该方法的核心是一个知识驱动的卷积神经网络(CNN)模型,通过实体链接消歧与知识图谱嵌入抽取得到医学知识图谱中的结构化疾病知识,并将病情描述文本中的疾病特征词向量与相应知识实体向量作为CNN的多通道输入。在卷积过程中从语义和知识两个层面表示不同类型疾病。通过在多类病情描述文本数据集上进行训练和测试,实验结果表明该方法的诊断性能要优于单一CNN模型与其他疾病诊断方法,并验证了这种知识与数据联合训练的方法更适用于初步诊断病情描述的疾病类型。     

基于贴近度的疾病诊断模糊专家系统

简述模糊专家系统的模糊推理机制,并采用贴近度推理方法代替常用的M amdani模糊推理。针对医学中疾病发生的严重程度,运用Visual C＋＋作为系统的开发平台,建立疾病诊断模糊专家系统。结果表明：构建的疾病诊断模糊专家系统能够实现对几种常见疾病的自动诊断。     

检验医学在社区卫生服务中的应用

探讨检验医学在社区卫生服务中心运行的可行性。采用问卷调查方式对1500例社区人员进行调查。96.7%的人认为在社区开展常规检验项目有利于疾病的诊断,认为质量和检验数据完全可信者占93.3%。检验医学在社区卫生服务中心的运行是可行的。     

基于气敏传感阵列的人体呼出气体检测与疾病诊断研究

本文目的是致力于探究纳米修饰导电聚合物气敏阵列协同智能信息处理技术构建人体呼出气体检测系统，对人体呼出气体中主要疾病标志物气体(氨气、硫化氢、丙酮)开展实验研究，获取气敏传感阵列在人体疾病状态下的多维响应数据，采用主成分分析算法对响应数据进行特征提取与数据降维，在此基础上构建径向基函数神经网络模型，进一步开展基于人体呼出气体的疾病诊断模型研究，分别采用聚类分析、支持向量机、深度置信网络等方法构建人体疾病诊断模型。结果表明，采用粒子群算法对径向基函数神经网络参数进行优化，有效的减少数据维度与交叉敏感性能的影响，实现了人体呼出气体组分与浓度的高精度预测，研究发现，深度置信网络模型具有较高的诊断准确率，满足人体疾病早期筛查与诊断的要求，对保 障人体健康具有深远的意义。