您当前的位置：首页 > 主题内容 > 临床麻醉 > 麻醉新进展
基于人工神经网络技术的气管插管Cromak分级预测专家系统
时间：2010-08-23 17:51:18 来源： 作者：
| 本研究采用改良误差反向传播（Error Back Proragation，BP）算法建立气管插管Cromak分级多指标预测系统，为实施麻醉前气道评估作出实时智能决策支持。 二、方法 收集204临床病例资料，测量和记录指标：姓名、性别、年龄、身高、体重、诊断、手术，体质指数（BMI），改良Mallampati口咽评级，上唇咬合实验，门齿间距，头后仰角度，甲颏距离，下颌骨长度和角度，颈长度，颈围，Cromak插管评级。其中188例为Cromak分级1、2级，16例为3、4级。 采用三层前馈型网络BP算法设计人工神经网络。本系统采用的是在标准BP算法的基础上加入动量项，自适应调节学习率，遗忘机制，并使用共轭梯度法来加速神经网络的收敛速度，提高系统的性能。结合临床专家意见和数据挖掘结果，生成13个网络输入层变量参数。输出层变量采用C分级1、2级合并为一个变量，3、4级合并为另一个变量。隐层的隐节点数根据经验公式设定为6个。把样本随机分成训练集和测试集用于网络学习和测试。主要开发工具是面向对象的开发工具Visual C++。 三、结果 网络训练误差精度0.05，测试集网络预测3、4级漏诊率23.3%，预测准确度76.7%。由于纳入研究的样本数量小，且Cromak3、4级比例低，两个类别样本数量失衡，系统的训练还不够，泛化能力不强，性能不是很好。本系统提供样本的单个和批量训练方式，使系统可以及时将新得到的样本补充进训练集中，将使系统建立的参数性能越好，则系统的泛化能力就会越强，预测准确性也将提高。 四、结论 将具有联想记忆、非线性映射等智能化功能的人工神经网络应用到Cromak分级预测中，利用其自组织、自学习和容错性强等特点，建立实时快速气管插管分级预测的辅助决策专家系统，将有可能为临床提供有效的麻醉前气道评估工具。 |
|
|
[!--temp.pl--]