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:探讨由心电图（ECG）数据通过径向基函数（RBF）神经网络学习获得的心电动力学图（CDG）对急性冠脉综合征（ACS）患者早期诊断的价值。方法:采用回顾性分析方法，选择2021年10月至2022年9月于深圳市宝安区人民医院急诊科就诊的以胸痛为主要首发症状的患者，根据出院诊断结果分为ACS组和非ACS组。收集患者的基线资料，包括性别、年龄、吸烟史、冠心病家族史及高血压、糖尿病、高脂血症、血管粥样硬化病史；记录患者入急诊科后首份12导联ECG，对其进行心电动力学分析生成CDG。绘制受试者工作特征曲线（ROC曲线），分析CDG及ECG对ACS和非ST段抬高急性冠脉综合征（NSTE-ACS）的早期诊断价值，计算敏感度、特异度、ROC曲线下面积（AUC）及其95%可信区间（95% CI）。观察并分析3例ECG正常的ACS患者的CDG和冠脉造影结果；对ECG正常但CDG阳性的非ACS患者进行30 d心血管不良事件随访。 结果:共纳入384例胸痛患者，其中ACS患者169例，非ACS患者215例。ACS组男性比例（87.0%比53.0%）、吸烟史比例（37.9%比12.1%）及高血压（46.2%比22.3%）、糖尿病（24.3%比7.9%）、高脂血症（55.0%比14.0%）、血管粥样硬化病史比例（22.5%比2.3%）均明显高于非ACS组（均 P<0.05）。ROC曲线显示，CDG诊断ACS的AUC高于ECG 〔AUC（95% CI）：0.88（0.66～0.76）比0.71（0.84～0.92）〕，敏感度分别为92.8%、78.6%，特异度分别为83.3%、64.2%；CDG诊断NSTE-ACS的AUC高于ECG〔AUC（95% CI）：0.85（0.80～0.90）比0.63（0.56～0.69）〕，敏感度分别为87.1%、61.3%、特异度分别为83.3%、64.2%。3例ECG正常的ACS患者的CDG均呈散乱无序状态，冠脉造影检查均提示冠脉主要分支存在≥70%的狭窄。215例非ACS患者中，有20例ECG正常但CDG表现为阳性的患者，随访结果显示，其中有3例在30 d内发生ST段抬高心肌梗死（STEMI），2例在30 d内发生不稳定型心绞痛（UA）。 结论:CDG在早期诊断ACS患者方面具有较高的价值，有望成为急诊科早期诊断ACS的重要手段。

目的:应用神经网络建立外科手术患者手术部位感染(SSI)径向基函数神经网络(RBF)神经网络预测模型，并探讨其临床应用价值。方法:收集郑州大学第二附属医院2019年1月至2022年6月间39 321例外科手术患者为研究对象，选取其中268例感染患者为试验组，268例未感染患者为对照组分析相关影响因素和术后感染情况，使用SPSS 25.0，应用Logistic回归和神经网络分别建立Logistic回归模型以及RBF神经网络模型，感染患者按4∶1划分为训练集和测试集，比较2种模型的预测性能。用RBF神经网络模型对2022年7月至2022年11月5 600例外科手术患者进行预测，根据此预测结果，对每一例患者施行临床干预，记录发生SSI的感染例数，计算感染率，并进行干预前后比较。结果:共39 321例手术患者，其中有268例患者发生手术部位感染，感染发生率为0.68%；多元Logistic回归分析结果显示，年龄、切口类型、预防性使用抗生素、是否患有基础性疾病、手术次数、手术时间、美国麻醉医师协会(ASA)病情分级和手术切口数是外科术后患者发生手术部位感染的独立影响因素；RBF神经网络模型训练集和测试集的准确度、精确度、召回率、F1分数以及AUC均高于Logistic回归模型，性能指标方面的表现均优于Logistic回归模型，各指标之间差异有统计学意义( P均<0.05)；RBF神经网络模型对外科手术患者的预测及临床干预后手术部位感染率为0.32%，与干预前的感染率比较，临床干预效果比较显著，差异有统计学意义( P<0.05)。 结论:RBF神经网络模型在预测外科手术患者手术部位感染的预测精准度及效能高于Logistic回归模型，为医疗诊断、治疗、护理和管理决策提供客观标准。

针对双臂机器人在辅助头颈部手术拉开软组织过程中环境刚度变化而导致的力跟踪误差较大问题,提出一种基于径向基函数(RBF)神经网络的自适应导纳控制策略,减小力跟踪误差,提升系统的响应速度.通过在手术过程中利用RBF神经网络在线调整导纳参数,提高机械臂对不同接触条件和操作要求的适应性,实现快速精确的力跟踪.仿真实验将基于RBF神经网络的自适应导纳控制策略引入双臂力同步导纳控制系统并与传统定参数导纳控制对比,证明其在接触环境参数变化情况下的接触力控制效果.结果表明,基于RBF神经网络的自适应导纳控制策略可以有效提升双臂手术机器人力跟踪精度、响应速度以及抗干扰能力.

目的:建立高血压病中医临床常见证候信息对痰湿壅盛证的诊断模型.方法:收集高血压病古今医案资料及临床病例资料,对所收集资料中患者的中医四诊信息进行归一化处理,采用C5.0、CRT、CHAID、QUEST决策树方法和神经网络方法,从35个中医临床常见证候中提取痰湿壅盛证的诊断规律,并形成诊断模型.结果:CHAID、CRT、QUEST及C5.0四种决策树算法对高血压病痰湿壅盛证的诊断准确率分别为82.9％、91.1％、92.4％、93.7％,其中C5.0决策树模型的准确率高于其它3种算法.采用径向基函数(RBF)神经网络和多层感知器(MLP)神经网络对原始证候数据分析,前者训练准确率为92.2％,测试准确率为91.4％,后者训练准确率为94.5％,测试准确率为90.4％,且RBF神经网络的诊断模型更优于MLP神经网络.结论:基于中医临床四诊信息数据,运用决策树和神经网络等数据挖掘方法,构建高血压病痰湿壅盛证诊断模型,能够直观地、清晰地对高血压病痰湿壅盛证进行诊断,归纳总结诊断规律,从而为高血压病痰湿壅盛证的中医证候规范提供依据.

目的 应用多种数学模型拟合出手足口病发病最优模型,预测手足口病发病趋势,为疾病防控提供科学依据.方法 采用SPSS 18.0软件建立差分自回归移动平均模型(autoregressive integrated moving average,ARIMA模型)、差分自回归移动平均模型与多层感知神经网络组合模型(autoregressive integrated moving average and multilayer perceptron,ARIMA -MLP模型)和差分自回归移动平均模型与径向基函数神经网络组合模型(autoregressive integrated moving average and radial basis function,ARIMA-RBF模型),分别对手足口病发病情况进行拟合,通过对三种模型比较,找到预测最优模型.结果 ARIMA模型的拟合度R2和平均绝对误差MAE值分别为0.725、2.672,ARIMA-MLP模型为0.724、2.672,ARI-MA-RBF模型为0.801、2.206. 结论 ARIMA-RBF模型的拟合度最大、平均绝对误差最小模型,拟合效果优于其他两种模型.

目的:用神经网络模型预测妊娠合并SLE患者的妊娠结局.方法:回顾分析2011年9月至2018年6月上海交通大学医学院附属仁济医院妇产科收治的469例妊娠合并SLE患者的临床资料,训练并建立预测妊娠结局的神经网络模型.结果:多层感知器(MLP)和径向基函数(RBF)两种神经网络模型可用于妊娠合并SLE患者妊娠结局的预测:前者的训练准确率为92.6％,测试准确率为92.9％,ROC曲线的AUC为0.911;后者训练准确率为92.0％,测试准确率为87.5％,ROC曲线的曲线下面积(AUC)为0.880.MLP神经网络模型在预测妊娠合并SLE患者妊娠结局方面更具优势.结论:神经网络模型可用于妊娠合并SLE患者妊娠结局的预测并且具有较高的准确性.

目的 比较C5.0决策树与径向基函数(radial basis function,RBF)神经网络用于急性缺血性脑卒中(acute jschemic stroke,AIS)出血性转化(hemorrhagic transformation,HT)风险预测性能.方法 将AIS住院患者作为研究对象,收集相关资料.根据入院2周内是否发生HT分为HT组与非HT组,建立C5.0决策树与RBF神经网络模型,比较两者的预测性能.结果 共收集460份病历资料,按照训练集与测试集7:3的比例分为训练集样本和测试集样本.C5.0决策树模型的训练集与测试集准确率分别为96.5％和80.1％,灵敏度为98.1％和82.6％,特异度为94.8％和77.9％,Kappa指数是0.93和0.60,AUC是0.97和0.80.RBF神经网络模型的训练集与测试集准确率分别为72.6％和74.7％,灵敏度为87.6％和88.4％,特异度为56.9％和62.3％,Kappa指数为0.45和0.50,AUC为0.72和0.75;在训练集中,C5.0决策树模型的预测性能优于RBF神经网络模型的预测性能.在测试集中,两者预测性能的差异无统计学意义.结论 C5.0决策树模型的预测性能优于RBF神经网络模型的预测性能.

目的:研究并建立径向基函数神经网络预测化合物色谱峰HPLC保留时间的方法.方法:使用Agilent TC-C18色谱柱(250 mm×4.6 mm,5μm),甲醇-水为流动相等度洗脱,以毛蕊异黄酮葡萄糖苷、芒柄花素、山柰苷、山柰素、槲皮素、刺芒柄花苷、毛蕊异黄酮及异鼠李素8个化合物为研究对象,不同比例流动相洗脱条件下其中7个化合物色谱峰保留时间为特征,与待预测化合物色谱峰保留时间组成训练集各样本,生成并训练神经网络,使得该神经网络具有通过以上7个化合物色谱峰保留时间预测待预测化合物色谱峰保留时间的能力.结果:在使用同一型号色谱柱不同HPLC仪器的情况下,模型的保留时间预测误差不大于0.608 min.结论:本研究创建的方法能够对化合物保留时间进行有效和准确地预测.

目的:基于决策树及神经网络的方法,建立高血压病阴阳两虚证的诊断模型.方法:从古今医案及临床病例中收集高血压病病例,对所收集资料中患者的中医四诊信息进行归一化处理,并建立证候要素数据库,运用CHAID、CRT、QUEST及C5.0决策树算法和神经网络的方法提取高血压病阴阳两虚证的诊断规律,建立诊断模型.结果:采用CHAID、CRT、QUEST及C5.0决策树算法建立高血压病阴阳两虚证诊断模型,准确率分别为93.1％、91.5％、91.5％、96.03％,其中C5.0算法的诊断模型更优于其他3种;采用多层感知器(MLP,Multilayer Perceptron)、径向基函数(RBF,Radical Basis Function)建立高血压痛阴阳两虚证诊断模型,前者训练样本正确百分比为95.9％,测试样本正确百分比为93.9％;后者训练样本正确百分比为99.2％,测试样本正确百分比为96.3％,径向基函数神经网络的诊断模型更优于多层感知器神经网络.结论:通过联合应用决策树及神经网络两种方法可见,腰膝酸软在高血压痛阴阳两虚证的临床诊断中起决定性作用,同时结合中医四诊信息,可形成比较符合高血压病阴阳两虚证的诊断判别模型模式,为规范高血压病阴阳两虚证诊断标准提供依据.