摘要： 目的 运用模糊神经网络（ FNN） 模型，对四种消化道系统疾病进行辅助诊断。方法 从100例消化道系统疾病的病例中随机抽取70例作为训练集，15例作为验证集，15例作为测试集，通过对网络进行训练，用训练好的网络对验证集和测试集进行仿真诊断试验。结果 FNN 诊断消化道系统疾病的准确率达到95.2%以上。结论 FNN 模型可以用来在临床上作辅助诊断。
关键词：模糊神经网络，训练函数，学习函数，性能函数
中图分类号： TP391 文献标识码： A
模糊神经网络（ fuzzy neural network，FNN） 是模糊逻辑推理与BP神经网络的结合，利用误差信号反向传播、调节权重，具有良好的自适应性、自组织性和很强的自学习能力，是数据分类和模式识别的有力工具，目前，模糊神经网络在临床疾病诊断中的应用日益广泛[1-4] 。消化道系统中的急性胰腺炎、胆囊炎（胆石症）、急性胃肠炎等疾病之间，由于有很多相似的症状体征，从而极容易引起误诊，为了能对这些疾病进行准确的辅助诊断，本文将消化道系统中急性胰腺炎、胆囊炎（胆石症）、急性胃肠炎等疾病的诊断技术引入模糊神经网络，借助模糊神经网络的模式识别来进行诊断。
1 资料与方法
1.1 一般资料 收集了2011年1月～2012年10月南昌大学第四附属医院的100例消化道系统疾病患者的各种检测结果，100例患者中胆结石伴胆囊炎患者30例，急性胆囊炎10例，急性胃肠炎32例，急性胰腺炎28例，诊断结果均得到病理证实。
1.2 数据预处理 提取胆结石伴胆囊炎患者、急性胆囊炎患者、急性胃肠炎患者、急性胰腺炎患者的血液分析及生化筛查等39项检测数据和7项临床症状为第1层的输入向量。7个临床症状通过利用模糊数学的"降半梯形"结构的录属函数来赋值：
其中， yji为第i 个对象对第j 类症状的隶属函数 ，其定义域为[0 ，λ（2）m （i）] 。
1.3 模糊神经网络模型的建立： 由3层前向BP神经网络组成。第1层为数据预处理层，先提取患者的46个特征值再对其进行模糊化处理；第2层为隐含层；第3层为输出层，输出层为消化道系统的四种疾病，其结构如下图（图1）：
2 模糊神经网络临床诊断的实现
2.1 网络训练 从全部样本中随机抽取70 例（胆结石伴胆囊炎21例，急性胆囊炎6例，急性胃肠炎23例，急性胰腺炎20例）作为训练组，15例作为验证组（胆结石伴胆囊炎6例，急性胆囊炎3例，急性胃肠炎2例，急性胰腺炎4例），15例为测试组（胆结石伴胆囊炎3例，急性胆囊炎1例，急性胃肠炎7例，急性胰腺炎4例）。用MATLAB 2012a编程，分别对FNN 进行训练，并用完成训练的网络模型进行验证和测试。网络的训练函数为trainlm，学习函数为learngdm，误差性能函数为mse，各层的传递函数为logsig，训练次数设置为1000。
2.2 仿真诊断结果 通过神经网络的训练、验证和和测试，在训练次数达到40次时，训练、验证和和测试误差同时达到最小，其中验证误差稍大一点，但也只有2.99 ，见图2：
从图2中可以看出，模糊神经网络（FNN）具有较快的收敛速度，只用了40次训练，就使训练误差、验证误差、测试误差都同时达到最小，从而使仿真诊断测试的准确率能大大提高。为了能了解模糊神经网络临床诊断的效果，于是把训练组、验证组和测试组的诊断结果进行对照，见表1：
3总结
将神经网络技术与模糊理论结合构起来进行医学知识处理是一种很好的方法，这种方法也适用于其他它领域的知识处理，该系统的识别能力与训练集关系密切，若能搜集更多的典型病例，系统的识别能力将进一步提高。
参考文献：
[1]黄永锋， 岑康等. 模糊神经网络在颅脑磁共振图像分割中的应用研究[N]. 中国生物医学工程学报， 2003， 22（ 6） ： 508-512.
[2]徐力平，尚丹. 模糊神经网络在肺癌CT 诊断中的应用[N]. 郑州大学学报（医学版），2014，49（2）：191-194.
[3]刘 俐，霍丽琴. 模糊BP 神经网络在新生儿HIE 早期诊断中的应用研究[J]. 生物医学工程学杂志，2011，28（4）：814-819.
[4]周长英. 基于改进的模糊BP神经网络图像分割算法[J]. 计算机仿真，2011，28（4）：287-290.编辑/康洁
相关热词搜索： 神经网络 消化道 模糊 疾病诊断 系统
