式识别能力，在血糖测定之前对血糖状态进行初步筛查，排除部分极可能在血糖测定中获得阴性结果的正常个体，只有那些经网络判为异常的个体才接受血糖测定，进入糖尿病的正式筛查。中国医科大学孙高等利用人工神经网络模型BP算法的多层前馈网络模型原理，建立了用于肺癌诊断的神经网络模型[7]:将描述病人各种情况的数据作为前向网络的输入数据加到其输入端，同时调整神经元之间的连接权值以使网络的输出和实际的病例情况相符。即当病人确实患肺癌时网络的输出结果也恰好指示为肺癌，反之亦然。如果对所有的训练样本集网络的输出基本上(95%或更高)能保证与实际结果一致，则训练过程结束。对于一个新的候诊病人来说，只要将他的情况输入到训练好的神经网络中去，根据网络的输出结果就可以知道他是否已患肺癌(图2)。
目前，ANN分析已用于许多领域疾病诊断，包括腹痛和阑尾炎、储留性总胆管结石、肌肉萎缩、青光眼、哮喘、多发性硬化、腰背痛、HIV、皮肤疾病、性传播疾病、痴呆、一过性动脉炎、肺栓塞、结核、精神疾患等。
4.2 影像分析ANN最初用于影像分析依赖于人的帮助对照片进行分析。后来许多影像技术的数字化，使计算机辅助诊断的应用大大简化。在X-线平片和超声影像诊断中，ANN已成功地用于分析单发性肺结节、胸部片、乳腺超声和乳房X-线照片。ANN乳腺扫描摄影分析的应用在扫描检查的一致性与数量上具有显著的优势，它能够发现乳房X-线照片遗漏的乳腺癌。在乳腺摄影参数中增加简单的临床信息可进一步增加ANN诊断的准确性。ANN目前已用于其它一些更复杂的影像诊断技术，如心脏扫描、脑灌注扫描、磁共振成像(MRl)、以及正电子发射断层扫描。MRI的ANN在大脑病变和乳腺病变的发现及分类方面体现出极高的诊断准确性，计算机断层扫描的ANN能分析诊断胰腺病变，肝闪烁照相的ANN能分析诊断慢性肝病变。
4.3 病理标本分析与乳腺扫描摄影的ANN应用相同，Papanico-laou涂片和其它病理学标本的计算机辅助诊断，包括乳腺细针穿刺细胞学标本分析，具有显著的诊断优势。
4.4 波形分析通过训练的ANN可分析各种波形，包括脑电图(EEG)、肌电图(EMG)、心电图(ECG)、多谱勒超声和二氧化碳分析。ECG分析不仅包括心肌梗塞的诊断，还包括心律不齐的分析和肥大性心肌病等心脏疾病方面的诊断和预测[8]。ANN能增强EEG记录捕捉的发现和评价，并能增强EMG对肌肉病变的诊断有效性。在血管病变领域，ANN多谱勒超声波形分析能鉴别有病的与正常的人群，ANN二氧化碳分析仪仅通过二氧化碳波形分析可进行活性鉴别。
4.5 疗效预测在消费需求和卫生保健需求不断增长的情况下，为了使病人的生存和生活质量最优化，选择一种对病人进行恰当治疗的方法是至关重要的。这种情况除了适用于患急性疾病需要进行重症监护的病人，还包括癌症病人的治疗。现代医学的发展，赋予了医务人员一定的治疗各种疾病的能力，让那些负责重症监护的医务人员能够无限地维持病人最起码的生理稳定性，而应用ANN进行疗效预测，对那些采用任何治疗方法都不能成功的病人具有选择有价资源进行重新分配的作用。危重病人的愈后可以通过疾病严重性记分系统进行评估，如APACHE评估系统(Acute Physiologyand ChronicHealth Evaluation，APACHEⅡ和Ⅲ)，此系统可以根据临床表现和疾病分类，进行病人生存预测。APACHEⅡ和Ⅲ分别可进行病情多变期分析和长时期平稳情况分析，以获得重症监护病人治疗效果的预测。APACHEⅡ型分析系统忽视了变量之间可能的相互作用。
APACHEⅢ型逻辑回归模型考虑到某些基本因素的相互作用，但在确定高频因素相互作用的效应中仍然受到限制。有人提出，多因素相互作用的系统性失调的危重病人这种复杂特性，可作为ANN评价的理想模型。在进行重症监护病人的治疗效果预测时，ANN同时能够获得标准的逻辑回归分析结果和更复杂的非线性相关回归分析结果。在肿瘤疗效分析中，医生通常根据一些统计数字预测癌症患者的5年存活率为多少，但很难确定每个患者存活时间，且预测的误差很大。这种传统的愈后预测通常很不合理，结论性指标比较粗造、多变、且几乎没有预测价值，其结果常为模糊的“中间”类型，作不出愈后优良或愈后较差的结论。ANN能够准确预测各类癌症的治疗效果，同时也简化了疗效的比较。结肠直肠癌、乳腺癌、肺癌和前列腺癌都可以通过ANN分析来提高疗效的预测性，一旦ANN训练完成，则整个运行过程表现相当稳定。英国赫尔大学等机构的科学家研制了一种人工神经网络计算机，可根据患者的年龄、性别、癌症类型、体重减少程度、疼痛情况、家族病史和B超图像等42种指标综合判断出患者可能存活的时间。目前主要用于研究乳腺癌和结肠癌患者的寿命预测问题。根据实验，这种计算机预测结肠癌患者存活时间准确率高达90%。此外，ANN还可用来预测新生儿成长周期、HIV发展过程、中风后的恢复周期和肝脏疾病的发展过程。ANN对外科疾病的评价包括胰腺炎病人疗效预测，以及创伤愈后、脑颞叶切除、肝移植和心胸外科手术疗效评价。
5 结论
随着现代计算机应用技术的迅速发展，人工神经网络(ANN)在现代临床医学中已经得到了广泛的应用。神经网络技术能进一步提高了各种疾病诊断的准确性，除一些临床专家系统外，ANN还可以与其它临床诊断系统结合使用。代写毕业论文ANN是一种带有“辅助”两个关键字的计算机诊断系统，我们绝对不能忽视临床医师的责任和医师对病人进行全面了解的价值。尽管我们要求所有应用于临床的现代计算机辅助诊断系统都应该“安全精确”，但最后的临床诊疗决策者仍然是临床医师，而且神经网络技术的应用仍需不断地研究与探索。
参 考 文 献
1 Hopfield JJ.Neurons with graded response have collevuve computa-tional properties like those of two-state neurons.http://www.51lunwen.com/shenjing/2012/0527/lw201205272243347934.html ProcNatl Acad SciUSA，1982;81:3088~3092
2 丛 爽.神经网络、模糊系统及其在运动控制中的应用.合肥:中国科学技术大学出版社，2001:5
3 Hopfield JJ，Tank DW.“Neural”computation of decisions in opti-mization problems. Bio Cybern，1985;52:141~152
4 Carpenter GA，Grossberg S，Reynolds JH. ARTMAP:supervised re-al time learning and classification of non-stationary data by a self-organizing neural network.http://www.51lunwen.com/shenjing/2012/0527/lw201205272243347934.html Neural Networks，1991;4:565~588
5 Goldberger AL.Non-lineardynamics for clinician:chaos theory，fractals，and complexity at the bed side. Lancet，1996;347:1312~1314
6 Gunn AA.The acute abdomen:the role of computer assisted diagno-sis.Bail lieres Clin Gastroenterol，1991; 5:639
7 孙 高，等.基于人工神经网络的肺癌诊断研究.中国卫生统计，1999;16(3):11
8 赵玉元，赵学辉.体表窦房结电图对窦房结构功能检测的意义.中国现代医学杂志，2001;11(3):58~59
ANN技术的理论在临床神经学中的应用前景的精彩内容就先到这里。更多精彩内容，还请大家持续关注我们网站。
相关推荐：
简析我国儿童神经医学的发展历程和存在的问题
论述成人护理大专班的中枢神经系统教学模式
相关推荐：
