基于遗传算法优化的BP神经网络大肠癌证型分类

摘要：

针对医学领域传统BP神经网络应用于诊断辅助构建模型过程存在的疾病输入特征维数繁多而导致网络训练时间长、效率低、诊断模型泛化能力弱等问题,提出了将基于遗传算法降维优化的BP神经网络(GABP)诊断模型用于大肠癌虚实证型的分类研究.利用遗传优化算法从大肠癌的28项体征输入指标中筛选出的10个指标作为GABP诊断模型的输入,并与传统的未经优化的BP诊断模型进行对比,发现优化后的神经网络模型建模所需时间由5.1844秒缩短至0.1976秒,虚证正判率由76.4567％提升至89.1809％,实证正判率由64.8441％提升至70.1170％.仿真结果表明,基于GABP的神经网络泛化能力更好,分类效果更佳,为大肠癌中医证型的临床判别提供了很好的计算机网络模型.

关键词：大肠癌、遗传算法、BP神经网络、降维优化

所属期刊栏目：27

分类号：TP18;R735.3(自动化基础理论)

资助基金：广州中医药大学薪火计划资助项目"基于深度神经网络进行多层特征学习的大肠癌患者证候模型研究"XH20160105

在线出版日期：2018-08-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：14-18