论文部分内容阅读
糖尿病已经成为影响我国国民健康的主要疾病之一,并且发病率呈上升趋势。目前,我国糖尿病患者数量及未诊断患者数量仍据世界首位,但医疗资源分配不均、医生数量不足、年轻医生经验不足等问题严重制约着对糖尿病的诊断。因此,借助科技手段帮助医生对糖尿病进行辅助诊断是十分必要的。人工智能技术的发展日新月异,“阿尔法围棋”(Alpha Go)在人机大战中的获胜以及“沃森”(Watson)机器人强大的认知计算能力更是引发了人们对人工智能的高度关注和遐想。人工神经网络是目前国际上迅速发展的人工智能的前沿交叉学科,它拥有强大的学习能力和计算能力,能够更好地适应数据空间的变化,它的应用为人工智能的研究开辟了新的途径。基于此,本文对人工智能技术在糖尿病诊断中的应用进行研究。基于BP神经网络建立诊断模型。对收集到的病例数据进行整合和提取,选择输入特征向量,在MATLAB软件平台建立诊断模型。为提高学习效率,对模型参数进行了调整。通过实验,验证了BP神经网络用于糖尿病诊断的可行性。基于概率神经网络(PNN)建立诊断模型。为进一步提高诊断准确率和诊断速率,选择了网络结构简单、训练简洁的PNN网络建立糖尿病诊断模型。对两种模型对比后,分析出PNN需要调节的参数较少,不需要确定隐含层数以及隐层神经元个数等网络结构,较BP网络更容易实现与使用。计算出了20次试验的平均准确率和相应的标准差,说明PNN模型更加适用于构建糖尿病诊断模型。在诊断模型建立的基础上,将LabVIEW开发平台与MATLAB软件相结合,设计了糖尿病辅助诊断系统。通过调用神经网络诊断模块,对用户数据进行分析,完成对糖尿病的诊断,同时给出相应的诊疗建议。相比于传统的诊断过程,该系统能够有效地节约医生的时间,提高诊断效率。