第1页共5页编号：时间：2021年x月x日书山有路勤为径，学海无涯苦作舟页码：第1页共5页医学诊断——人工神经元网络（ANN）作者:93K4B077403梁庆昱指导老师：刘尚辉摘要：ANN是在对人脑组织结构和运动机智的认识理解基础上模拟其结构和智能功能而构的一种信息处理系统或计算机。ANN数据处理功能很强，在医学诊断上得到蓬勃发展。本文主要介绍人工神经元网络原理和性质特点，并讲述其在医学诊断方面的应用，最后介绍ANN在医学诊断上的发展情况。Abstract:ANNisaninformationprocessingsystemorcomputerwhichisonthebasicofunderstandingofthestructureoftheorganizationalstructureofthehumanbrainandtheintelligentfunction.ANNhasstrongdata-processingfunctionsandithasbeenboominginmedicaldiagnosis.Thisarticleintroducestheartificialneuralnetworkprinciple,thecharacteristics,andtheapplicationinmedicaldiagnosis,andthenintroducedthefutureofANNinmedicaldiagnosis.关键字：ANN的产生ANN的原理ANN的特点ANN的应用ANN的未来讨论Keywords:theproductionofArtificialNeuralNetwork;theprincipleofANN;thecharacteristicofANN;theapplicationofANN;thefutureofANN;thediscussion人工神经网络（ArtificialNeuralNetwork，简写为ANN）也简称为神经网络（ANN）或称作连接模型（ConnectionistModel），它就是在对人脑组织结构和运动机制认识理解基础上人工构造的能实现某种功能的理论化的人脑数学模型。1943年美国心理学家McCulloch和数学家Pitts合作提出了ANN的第一个数学模型(M-P模型)随后F.Rosenblatt、Widrow和Hopf、J.J.Hopfield等学者先后又提出了感知模型，使人工神经网络技术有了新的发展。在近几年里，ANN在医学诊断上得到了飞速的发展。1.ANN的原理：ANN的原理解释需要两个模型—人工神经元模型与网络结构1.1人工神经元模型这种模型是一个多输入/单输出的非线性元件.如图：显示了一个具有r个输入分量的神经元模型。输入分量pj(j=1，2，...,r)通过与和它相乘的权值分量wj(j=1，2，...，r)相连，以∑rj=1WjPj的形式求和后，形成激活函数f(.)的输入，激活函数的另一个输入是神经元的阈值b。当b值超过下一个神经元的输入值是就激活了下一个神经元，信息就以这种方式传递下去。神经元模型的输入输出关系可表示为：a=f(∑rj=1WjPj+b)这里用到的激活函数一般是转移函数（Sigmoid函数）：第2页共5页第1页共5页编号：时间：2021年x月x日书山有路勤为径，学海无涯苦作舟页码：第2页共5页1.2神经网络结构单个神经元的功能满足不了实际需要，在实际应用中都是很多个神经元的组合，这些组合就够成了神经网络结构。同时这些组合也叫做“层”。在神经网络中有三种层，如图输入层隐含层输出层当输入ANN一组数据(或称输入模式)，网络输入层的每个单元都接受到输入模式的一部分，对输入模式缓冲后，通过输入层与隐含层的连接权重将输入信息传至隐含层；隐含层中的各处理单元有的兴奋，有的抑制，经过隐含层处理过的信息传至输出层；输出单元将隐含层单元的输出作为自己的输入，同时也经过隐含层与输出层间权重矩阵及输出单元阈值的作用，在激活函数处理后也有的兴奋，有的抑制。输出层单元输出的模式就是网络对输入模式激活的总效应。多层网络比单层的功能强大，但因网络节点及层数越多，训练时间会越长，所以大多数实际的ANN仅仅只有二到三层，很少有四层或多层。根据网络的拓扑结构和学习规则可将人工神经网络分为多种类型：不含反馈的前向神经网络层内有相互结合的前向网络反馈网络相互结合型网络医学诊断上常用的一种机构是采用BP算法的多层前馈网络首先需要进行知识的获取。由专家提供关于某种疾病的各种症状作为学习样本。将数据分为两部分，一部分用于训练网络，另一部分用于测试。将训练网络的数据按一定顺序编码，分别赋给网络输入、输出节点，通过神经网络学习算法对样本进行学习，经过网络内部自适应算法不断修正权值，直到达到所要求的学习精度为止。此时在大量神经元之间联结权值上就分布着专家知识和经验。训练完毕后，再将测试网络的数据从初始状态出发，向前推理，将显示...
VIP
