專(zhuān)利名稱:基本人工神經(jīng)網(wǎng)絡(luò)的訓(xùn)練法及自動(dòng)訓(xùn)練人工神經(jīng)網(wǎng)絡(luò)的裝置的制作方法
技術(shù)領(lǐng)域:
本發(fā)明涉及一種檢測(cè)癲癇病情的方法和裝置,具體地說(shuō),是一種全自動(dòng)訓(xùn)練病人專(zhuān)用人工神經(jīng)網(wǎng)絡(luò)的方法及裝置。
眾所周知,癲癇是一種常見(jiàn)病,患病率約占人口的0.4%,患者發(fā)病時(shí)常有失去知覺(jué)倒地,全身抽搐等表征,是危害人民健康的重要疾病。首先要正確地診斷是否癲癇,使之和其它有類(lèi)似癥狀的疾病區(qū)分開(kāi)來(lái),采取正確的治療措施,目前常用的方法是記錄患者的腦電圖,再由醫(yī)生來(lái)分析腦電圖,看其中是否有癲癇樣放電(Epileptiform Discharges,簡(jiǎn)稱ED),作為癲癇診斷的主要客觀依據(jù),關(guān)于這方面,本申請(qǐng)人已于1998年12月30日向中國(guó)專(zhuān)利局提交名稱為“全自動(dòng)判斷腦電圖中有無(wú)癲癇樣放電的裝置”的發(fā)明專(zhuān)利申請(qǐng)(申請(qǐng)?zhí)朇N 98122894.1),在這份申請(qǐng)中主要解決“有”和“沒(méi)有”ED的定性判斷。這對(duì)于采取正確的治療路線是十分重要的。對(duì)于有ED的病人,如綜合其他病癥判斷為癲癇病人,接著醫(yī)生就需要了解病人的癲癇病發(fā)作的具體情況,發(fā)作頻繁程度如何,ED的數(shù)量和在什么時(shí)間、什么情況下發(fā)作等等,以決定用什么藥、用藥量多少等,在治療一階段以后,醫(yī)生需要知道治療的效果如何、有效、無(wú)效、效果好不好等等,考慮是否繼續(xù)用同類(lèi)藥繼續(xù)治療下去,藥量是否要增減,還是改用另一種藥。癲癇病的病情可主要在ED的數(shù)量和其時(shí)間分布上看到。除非病人的發(fā)作十分頻繁,則在醫(yī)院里,常規(guī)的腦電圖記錄中也可以看到ED,一般需要作動(dòng)態(tài)腦電記錄,就是連續(xù)記錄24小時(shí)的病人腦電,由醫(yī)生來(lái)人工分析動(dòng)態(tài)腦電圖是十分費(fèi)時(shí)、費(fèi)力的,因?yàn)?4小時(shí)記錄得到的數(shù)據(jù)量十分龐大,如果逐頁(yè)顯示,再由醫(yī)生來(lái)判讀,每一份動(dòng)態(tài)腦電圖就需要花費(fèi)醫(yī)生幾個(gè)小時(shí)的時(shí)問(wèn),而且還得不到定量的結(jié)果。只是一個(gè)定性印象,如果要做定量測(cè)量,那么醫(yī)生再要做很多測(cè)量和統(tǒng)計(jì)工作,還要把結(jié)果繪成圖表,這樣一天時(shí)間也許醫(yī)生只能處理一個(gè)病人的動(dòng)態(tài)腦電記錄,有豐富經(jīng)驗(yàn)的腦電分析醫(yī)生目前在大城市中還不多,自然中小城市則更少,甚至沒(méi)有,而廣大農(nóng)村、邊緣地區(qū),更是沒(méi)有這方面專(zhuān)業(yè)人才,因此癲癇病人將不可能得到有效的、有針對(duì)性的治療。
對(duì)于動(dòng)態(tài)腦電的判讀迫切需要計(jì)算機(jī)的自動(dòng)化,這項(xiàng)工作國(guó)際學(xué)術(shù)界經(jīng)過(guò)了20多年的努力,效果已明顯改進(jìn),尤其是近年來(lái)用“人工神經(jīng)網(wǎng)絡(luò)”來(lái)檢測(cè)ED,更是把這項(xiàng)工作推向一個(gè)新水平,ED的識(shí)別率已明顯提高,假陽(yáng)性率已大大下降,到目前為止以張彤等在《中國(guó)生物醫(yī)學(xué)工程學(xué)報(bào)》1998,17(1)1-11發(fā)表的“腦電圖癲癇波的自動(dòng)檢測(cè)與分類(lèi)”之技術(shù)方案水平最高,他們采用分層次,多方法整合途徑將自動(dòng)適應(yīng)預(yù)測(cè)、小波變換、人工神經(jīng)網(wǎng)絡(luò)、模糊識(shí)別系統(tǒng)、專(zhuān)家系統(tǒng)等信號(hào)處理技術(shù)結(jié)合起來(lái),檢測(cè)癲癇波取得了良好的結(jié)果,還能對(duì)癲癇波進(jìn)行分型。但該方法相當(dāng)復(fù)雜,需用高速和大容量計(jì)算機(jī),成本較高,也不利于快速識(shí)別。該論文距實(shí)用、特別是到廣大小城市、邊疆地區(qū)去推廣應(yīng)用尚有很大距離,最主要的是若把該文所得的具體方法、參數(shù)、網(wǎng)絡(luò)連接權(quán)重等固定下來(lái),推廣應(yīng)用。是不能取得好的效果的。其原因乃是由于癲癇病人腦內(nèi)ED發(fā)生的區(qū)域不同,有的是彌漫型的,有的是局灶型的,有的發(fā)生在這一部位,有的則發(fā)生在另一部位,ED的波形也不同,有棘波(波寬在70ms左右)、有尖波(波寬在100~200ms),有棘慢復(fù)合波等等。如果用一個(gè)固定的人工神經(jīng)網(wǎng)絡(luò)對(duì)所有的病人進(jìn)行檢測(cè),則檢測(cè)的結(jié)果自然不會(huì)對(duì)所有的病人都很好,為了要得到好的效果,應(yīng)“具體情況具體分析”,針對(duì)每一個(gè)病人,挑選該病人的ED波作為ED模式來(lái)專(zhuān)門(mén)訓(xùn)練網(wǎng)絡(luò),得到其各項(xiàng)參數(shù)特別適合于該病人的神經(jīng)網(wǎng)絡(luò),再來(lái)測(cè)量該病人,這樣效果自然就會(huì)大大改善。但是誰(shuí)來(lái)挑選該病人的ED波作為ED模式?如果要“全自動(dòng)”,那么這項(xiàng)任務(wù)應(yīng)該由計(jì)算機(jī)來(lái)承擔(dān)。能自動(dòng)訓(xùn)練病人專(zhuān)用人工神經(jīng)網(wǎng)絡(luò)的裝置至今未見(jiàn)報(bào)道,究其原因乃是由于一、要能訓(xùn)練該病人的專(zhuān)用人工神經(jīng)網(wǎng)絡(luò),首先要能在該病人的腦電圖中挑選出ED波,這項(xiàng)任務(wù)要由計(jì)算機(jī)自動(dòng)完成。
二、要能挑選出多種多樣有代表性的ED,這樣訓(xùn)練出來(lái)的網(wǎng)絡(luò)才能對(duì)多種多樣該病人的ED波有很好的識(shí)別。即使是同一個(gè)病人,他(她)的ED也是有明顯變化的,這是因?yàn)殡S病人狀態(tài)的變化,在多通道腦電放大器上的ED本身波形出現(xiàn)的道數(shù)等可能有所變化,更是因?yàn)樽园l(fā)腦電疊加在ED上,使ED波形發(fā)生變化,因此要求挑選出有代表性的多種ED模式,這代表性很難掌握,一般是由有經(jīng)驗(yàn)的腦電醫(yī)生和經(jīng)驗(yàn)豐富的工程師們商量解決的。
三、讓計(jì)算機(jī)來(lái)挑選ED模式,很難避免挑錯(cuò)。把一個(gè)非ED挑選成為ED模式,用來(lái)訓(xùn)練人工神經(jīng)網(wǎng)絡(luò),這會(huì)造成怎么樣的結(jié)果?如果是壞的結(jié)果,應(yīng)設(shè)法減輕或避免。
綜上所述,由于上述種種困難,這類(lèi)“沒(méi)有醫(yī)生參與的,完全靠計(jì)算機(jī)自動(dòng)訓(xùn)練病人專(zhuān)用人工神經(jīng)網(wǎng)絡(luò)的裝置”迄今為止還沒(méi)見(jiàn)到報(bào)導(dǎo)。
本發(fā)明的目的是提供一種基本人工神經(jīng)網(wǎng)絡(luò)的訓(xùn)練方法和免除醫(yī)生參與的全自動(dòng)訓(xùn)練病人專(zhuān)用人工神經(jīng)網(wǎng)絡(luò)的裝置。
本發(fā)明是這樣實(shí)現(xiàn)的,本發(fā)明的基本人工神經(jīng)網(wǎng)絡(luò)的訓(xùn)練法,其步驟包括(1)先在一計(jì)算機(jī)中建立如圖3所示的蓋博人工神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)和駐留蓋博的非ED算法和BP算法,其特征是(2)在該計(jì)算機(jī)中駐留①由一病人的一組ED中的平均峰寬來(lái)確定峰寬的算法;②由ED模式偏離M倍標(biāo)準(zhǔn)差算出非ED模式的算法和③偏離采用使絕對(duì)值變小的算法;(3)以任一ED為彌漫型棘慢復(fù)合波的病人的ED對(duì)該神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練,生成其連接權(quán)重和偏置量各參數(shù)值,形成一基本人工網(wǎng)絡(luò)。,更具體地說(shuō),上述所說(shuō)的M=10,而所說(shuō)的一組ED是指從16道腦電圖記錄中選取的15個(gè)ED片段。
根據(jù)本發(fā)明的上述方法制成的全自動(dòng)訓(xùn)練病人專(zhuān)用人工神經(jīng)裝置,其包括成雙向電路聯(lián)結(jié)的數(shù)據(jù)采集器和計(jì)算機(jī),該數(shù)據(jù)采集器的輸入端與一多路腦電放大器輸出端相連接,而該計(jì)算機(jī)則與打印機(jī)相連接,在該計(jì)算機(jī)的內(nèi)存儲(chǔ)器中建立人工神經(jīng)網(wǎng)絡(luò)的輸入暫存區(qū),參數(shù)暫存器,并駐留有BP(前饋逆?zhèn)鞑W(xué)習(xí)算法)算法程序,每一路腦電信號(hào)在該神經(jīng)網(wǎng)絡(luò)中有相應(yīng)的輸入節(jié)點(diǎn),該人工神經(jīng)網(wǎng)絡(luò)由二個(gè)三層BP子網(wǎng)絡(luò)組成,分別稱為左子網(wǎng)絡(luò)和右子網(wǎng)絡(luò),左子網(wǎng)絡(luò)和右子網(wǎng)絡(luò)的輸出經(jīng)加權(quán)平均后,組成網(wǎng)絡(luò)輸出O,左、右子網(wǎng)絡(luò)各有三層輸入層、隱含層和輸出層,在該計(jì)算機(jī)的內(nèi)存中分別設(shè)置輸入層數(shù)據(jù)存貯區(qū)、隱含層數(shù)據(jù)存貯區(qū)和輸出層數(shù)據(jù)存儲(chǔ)區(qū),對(duì)于一個(gè)BP子網(wǎng)絡(luò),Wji表示輸入層第i個(gè)節(jié)點(diǎn)到隱含層第j個(gè)節(jié)點(diǎn)的聯(lián)接權(quán)重,Wlj表示隱含層第j個(gè)節(jié)點(diǎn)到輸出層第l個(gè)節(jié)點(diǎn)的聯(lián)接權(quán)重,隱含層和輸出層的節(jié)點(diǎn)含有偏置值;θj表示隱含層第j個(gè)節(jié)點(diǎn)的偏置值,θl表示輸出層第l個(gè)節(jié)點(diǎn)的偏置值;隱含層節(jié)點(diǎn)和輸出層節(jié)點(diǎn)的輸入輸出激勵(lì)函數(shù)采用“S”型函數(shù)f(X)=1/(1+exp(-X));一個(gè)輸入層有ni個(gè)節(jié)點(diǎn),隱含層有nj個(gè)節(jié)點(diǎn),輸出層有nl個(gè)節(jié)點(diǎn)的子網(wǎng)絡(luò),Pi表示子網(wǎng)絡(luò)第i個(gè)節(jié)點(diǎn)的輸入值,HINj表示隱含層第j個(gè)節(jié)點(diǎn)的輸入值,HOUTj表示隱含層第j個(gè)節(jié)點(diǎn)的激活值,OINl表示輸出層第l個(gè)節(jié)點(diǎn)的輸入值,OOUTl表示輸出層第l個(gè)節(jié)點(diǎn)的輸出值,其前饋按下列前饋公式進(jìn)行計(jì)算;HINj=Σj=1ni(Wji×Pi)+θj]]>HOUTj=1/(1+exp(-HINj))OINI=Σj=1nj(Wij×HOUTj)+θl]]>OOUTl=1/(1+exp(-OINl))輸出層只有一個(gè)節(jié)點(diǎn),左、右兩個(gè)子網(wǎng)絡(luò)的輸出分別表示為Ol和Or,左子網(wǎng)絡(luò)的加權(quán)系數(shù)為φ,則右子網(wǎng)絡(luò)的加權(quán)系數(shù)為1-φ,網(wǎng)絡(luò)的輸出O=φOl+(1-φ)Or,其特點(diǎn)是在該計(jì)算機(jī)內(nèi)存貯器中駐留上述基本人工神經(jīng)網(wǎng)絡(luò)和后面要說(shuō)明的病人ED模式選取程序模塊和訓(xùn)練專(zhuān)用神經(jīng)網(wǎng)絡(luò)程序模塊。其中病人ED模式選取程序模塊如圖4所示。訓(xùn)練專(zhuān)用神經(jīng)網(wǎng)絡(luò)程序模塊如圖5所示。腦電信號(hào)輸入本發(fā)明裝置后,經(jīng)過(guò)ED模式選取程序處理后在病人腦電中找出符合要求的一定數(shù)量的片段,作為ED模式對(duì)人工神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。訓(xùn)練完成后得到適合該病人ED檢測(cè)的專(zhuān)用人工神經(jīng)網(wǎng)絡(luò),本裝置可將專(zhuān)用人工神經(jīng)網(wǎng)絡(luò)的各項(xiàng)連接權(quán)重、偏重值、加權(quán)系數(shù)等下載到智能動(dòng)態(tài)腦電記錄儀中,使其邊記錄、邊識(shí)別。
上述的與多路腦電放大器相連接的電極,其安置系采用國(guó)際10-20系統(tǒng),頭皮單極16通道記錄結(jié)構(gòu);而該前饋逆?zhèn)鞑W(xué)習(xí)算法網(wǎng)絡(luò)的誤差函數(shù)預(yù)置值E=0.01,學(xué)習(xí)因子η=0.01;動(dòng)量因子α=0.05,隱含層節(jié)點(diǎn)個(gè)數(shù)H=16,左子網(wǎng)絡(luò)加權(quán)系數(shù)φ=0.5,ED與非ED模式的標(biāo)準(zhǔn)差倍數(shù)M=10。
本裝置處理的病人是用“全自動(dòng)判斷腦電圖中有無(wú)癲癇樣放電裝置”分析過(guò)而且判定為有ED的病人。
本發(fā)明的優(yōu)點(diǎn)1、實(shí)現(xiàn)不需醫(yī)生參與的全自動(dòng)訓(xùn)練病人專(zhuān)用人工神經(jīng)網(wǎng)絡(luò),其結(jié)果接近有經(jīng)驗(yàn)醫(yī)生的檢測(cè)水平。
2、省卻了醫(yī)生的繁瑣、艱苦的勞動(dòng),省時(shí),省力,因此特別適用于廣大的小城鎮(zhèn)、農(nóng)村和邊遠(yuǎn)地區(qū),因?yàn)槟抢锔揪蜎](méi)有有經(jīng)驗(yàn)的腦電醫(yī)生。病人得癲癇病后,必須到大中城市才能治療、費(fèi)錢(qián)又費(fèi)時(shí)。
3、適合于智能動(dòng)態(tài)腦電記錄儀配合使用,專(zhuān)用人工神經(jīng)網(wǎng)絡(luò)訓(xùn)練好后,可下載到智能動(dòng)態(tài)腦電記錄儀中,使之能邊記錄、邊識(shí)別ED,記錄完成也識(shí)別完成,可節(jié)省以后的識(shí)別時(shí)間,而且能根據(jù)識(shí)別結(jié)果產(chǎn)生報(bào)警信號(hào)等,幫助病人避免發(fā)作引起的傷害。
4、由于本裝置對(duì)于每個(gè)病人,訓(xùn)練出適合該病人的專(zhuān)用網(wǎng)絡(luò),以后再用于對(duì)該病人進(jìn)行檢測(cè),因此有很強(qiáng)的適應(yīng)能力,可以在不同地區(qū)、不同民族的區(qū)域內(nèi)應(yīng)用。
本發(fā)明的附圖簡(jiǎn)單說(shuō)明如下
圖1是應(yīng)用本發(fā)明與多路腦電放大器和智能動(dòng)態(tài)腦電記錄儀等一起構(gòu)成全自動(dòng)定量檢測(cè)腦電圖中ED放電的系統(tǒng)的方塊示意圖。
圖2是本發(fā)明中的數(shù)據(jù)采集器電路原理圖。
圖3是本發(fā)明的BP網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)圖。
圖4是本發(fā)明中病人ED模式選取程序的流程圖。
圖5是本發(fā)明中訓(xùn)練專(zhuān)用神經(jīng)網(wǎng)絡(luò)程序的流程圖。
下面根據(jù)圖1~圖5給出本發(fā)明一個(gè)較好實(shí)施例,并予以詳細(xì)描述,以使能更好地說(shuō)明本發(fā)明的結(jié)構(gòu)特征、功能,而不是用來(lái)限制本發(fā)明的權(quán)利要求保護(hù)范圍。
請(qǐng)參閱圖1和圖2,如圖所示,本發(fā)明裝置包括成雙向電路聯(lián)結(jié)的數(shù)據(jù)采集器2和計(jì)算機(jī)3,并由數(shù)據(jù)采集器2與一多路腦電放大器1相連接,該計(jì)算機(jī)3的輸出可記錄在軟盤(pán)上,插入其他系統(tǒng)使用或下載到智能動(dòng)態(tài)腦電記錄儀4中。在本實(shí)施例中,多路腦電放大器1為16道腦電放大器;實(shí)驗(yàn)時(shí)采用日本光電公司(NIHON KOHDEN)4217型腦電圖機(jī)記錄腦電圖,記錄電極的安置采用國(guó)際10-20系統(tǒng)頭皮單極16道記錄,經(jīng)高通0.3Hz和低通60Hz濾波后描記在紙上,同時(shí)對(duì)放大后的腦電信號(hào)送入數(shù)據(jù)采集器2、該數(shù)據(jù)采集器2的模數(shù)轉(zhuǎn)換的位數(shù)為10bit,采集頻率為200次/秒,計(jì)算機(jī)3采用486微型計(jì)算機(jī)。
請(qǐng)參閱圖3,它顯示本發(fā)明的人工神經(jīng)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu),它是以蓋博(Gabor)等的方法為基礎(chǔ),經(jīng)對(duì)網(wǎng)絡(luò)參數(shù)優(yōu)化后的BP網(wǎng)絡(luò),它由二個(gè)三層BP子網(wǎng)絡(luò)組成,分別稱為左子網(wǎng)絡(luò)和右子網(wǎng)絡(luò),各有三層輸入層、隱含層和輸出層,對(duì)于一個(gè)BP子網(wǎng)絡(luò),Wji表示輸入層第i個(gè)節(jié)點(diǎn)到隱含層第j個(gè)節(jié)點(diǎn)的聯(lián)接權(quán)重,Wlj表示隱含層第j個(gè)節(jié)點(diǎn)到輸出層第l個(gè)節(jié)點(diǎn)的聯(lián)接權(quán)重,隱含層和輸出層的節(jié)點(diǎn)含有偏置值。θj表示隱含層第j個(gè)節(jié)點(diǎn)的偏置值,θl表示輸出層第l個(gè)節(jié)點(diǎn)的偏置值。隱含層節(jié)點(diǎn)和輸出層節(jié)點(diǎn)的輸入輸出激勵(lì)函數(shù)采用“S”型函數(shù)f(X)=1/(1+exp(-X))該網(wǎng)絡(luò)的誤差函數(shù)預(yù)置值E=0.01;學(xué)習(xí)因子η=0.01;動(dòng)量因子α=0.05;輸入層節(jié)點(diǎn)和隱含層節(jié)點(diǎn)個(gè)數(shù)均為16,輸出層節(jié)點(diǎn)數(shù)為1。左子網(wǎng)絡(luò)加權(quán)系數(shù)φ=0.5;ED與非ED模式之間的標(biāo)準(zhǔn)差倍數(shù)M=10。
設(shè)對(duì)于一個(gè)輸入層有ni個(gè)節(jié)點(diǎn),隱含層有nj個(gè)節(jié)點(diǎn),輸出層有nl個(gè)節(jié)點(diǎn)的子網(wǎng)絡(luò),Pi表示子網(wǎng)絡(luò)第i個(gè)節(jié)點(diǎn)的輸入值,HINj為隱含層第j個(gè)節(jié)點(diǎn)的輸入值。HOUTj表示隱含層第j個(gè)節(jié)點(diǎn)的激活值。OINl表示輸出層第l個(gè)節(jié)點(diǎn)的輸入值。OOUTl表示輸出層第l個(gè)節(jié)點(diǎn)的輸出值,本發(fā)明的前饋按下列公式進(jìn)行計(jì)算;HINj=Σi=1ni(Wji×Pi)+θj,]]>HOUTj=1/(1+exp(-HINj)),OINl=Σj=1nj(Wlj×HOUTj)+θl,]]>OOUTl=1/(1+exp(-OINl))。
輸出層只有一個(gè)節(jié)點(diǎn),左右兩個(gè)子網(wǎng)絡(luò)的輸出分別表示為Ol和Or。左子網(wǎng)絡(luò)的加權(quán)系數(shù)為φ,右子網(wǎng)絡(luò)的加權(quán)系數(shù)為1-φ,則網(wǎng)絡(luò)輸出為O=φOl+(1-φ)Or
我們?cè)谟?jì)算機(jī)3的內(nèi)存區(qū)建立了上述BP網(wǎng)絡(luò)的算法,16路腦電信號(hào)送入BP網(wǎng)絡(luò)的相應(yīng)的16個(gè)輸入節(jié)點(diǎn)Pl1、Pl2……Pl16;Pr1、Pr2……Pr16;網(wǎng)絡(luò)輸出值為0~1之間的某一確定值。
關(guān)于對(duì)基本神經(jīng)網(wǎng)絡(luò)的訓(xùn)練首先要從該病人的腦電圖中挑選出ED波,作為ED模式對(duì)人工神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練,我們利用交叉識(shí)別的方法,即從一個(gè)病人的腦電中選取ED模式,對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練,訓(xùn)練好的網(wǎng)絡(luò)對(duì)不同病人的ED進(jìn)行識(shí)別。
我們選擇了具有代表性的三個(gè)病人來(lái)進(jìn)行實(shí)驗(yàn),他們是ED為彌漫型棘慢復(fù)合波的病人A,ED為彌漫型尖波的病人B和ED為局灶型一棘波的病人C。然后以其中一個(gè)病人的ED訓(xùn)練人工神經(jīng)網(wǎng)絡(luò),再對(duì)其余二人的腦電進(jìn)行識(shí)別,這三位病人,ED的波形有棘波的光波,ED的空間分布有彌漫型和局灶型,因此有較好的代表性。為了適合交叉識(shí)別的要求,我們對(duì)蓋博的方法進(jìn)行了改進(jìn)。一、特征提取中峰寬是根據(jù)一組ED模式而確定,使峰寬更有代表性;二、對(duì)于任何選取的一個(gè)ED模式,按蓋博的方法計(jì)算產(chǎn)生一個(gè)非ED模式,非ED模式偏離該ED模式M倍標(biāo)準(zhǔn)差,我們選定的M值為10,比蓋博的M值大得多;三、在計(jì)算非ED模式時(shí),我們采用相消的方法,即以網(wǎng)絡(luò)輸入值的絕對(duì)值變小M倍標(biāo)準(zhǔn)差算作非ED模式。上述三項(xiàng)改進(jìn)使腦電波形即使有相當(dāng)程度偏離ED模式,仍能被網(wǎng)絡(luò)識(shí)別。
實(shí)驗(yàn)結(jié)果表明1、以病人A的ED(即彌漫型棘慢復(fù)合波)訓(xùn)練人工神經(jīng)網(wǎng)絡(luò)再去識(shí)別其他病人效果最好;2、對(duì)于沒(méi)有偽差干擾的腦電,當(dāng)閾值為0.86時(shí),交叉識(shí)別的假陽(yáng)性率接近零;3、自身識(shí)別優(yōu)于交叉識(shí)別,這一點(diǎn)證明了本發(fā)明用該病人的ED訓(xùn)練專(zhuān)用人工神經(jīng)網(wǎng)絡(luò),再用來(lái)識(shí)別本病人的ED效果最好。
根據(jù)上述實(shí)驗(yàn)結(jié)果,選定由一個(gè)彌漫型棘慢復(fù)合波的病人的ED訓(xùn)練出來(lái)的人工神經(jīng)網(wǎng)絡(luò)為基本網(wǎng)絡(luò),用基本網(wǎng)絡(luò)去選出各病人的ED。
關(guān)于對(duì)病人腦電中ED模式的選取本發(fā)明中ED模式的選取是以基本網(wǎng)絡(luò)對(duì)該病人腦電進(jìn)行識(shí)別為基礎(chǔ),當(dāng)閾值定為0.86時(shí),識(shí)別出來(lái)的ED都是真的,假陽(yáng)性率接近為0;當(dāng)閾值下降時(shí)識(shí)別率提高的同時(shí),假陽(yáng)性率也逐漸增加。
我們的實(shí)驗(yàn)表明,閾值定為0.86時(shí),識(shí)別出來(lái)的ED作為ED模式對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練效果并不好,究其原因是這時(shí)選出的ED模式都是很典型的ED,而實(shí)際的ED中,由于受自發(fā)腦電的影響等因素,波形變得不典型了,而且這類(lèi)ED數(shù)量很多。由典型ED訓(xùn)練出來(lái)的網(wǎng)絡(luò)對(duì)這些ED就識(shí)別不出來(lái),于是使識(shí)別率明顯下降。
我們的實(shí)驗(yàn)表明,應(yīng)該選擇多種多樣的有代表性的ED來(lái)作ED模式,訓(xùn)練網(wǎng)絡(luò),這樣識(shí)別率就會(huì)高些。
本發(fā)明中選取ED模式是以這個(gè)波輸入基本人工神經(jīng)網(wǎng)絡(luò),其輸出值的峰值PVi為依據(jù)的。
我們的實(shí)驗(yàn)表明PVi<0.82的一概不選取為好,因?yàn)镻Vl低于0.82,假陽(yáng)性相當(dāng)高了,就很容易把非ED選作ED模式,訓(xùn)練出來(lái)的網(wǎng)絡(luò)識(shí)別率下降。
我們的實(shí)驗(yàn)表明PVi>0.92的ED很少,有的病人甚至沒(méi)有。因此選取PVi在以下范圍中0.82≤PVi≤0.92。
在比較了五個(gè)不同分布型式后,我們的實(shí)驗(yàn)表明二頭小中間大的型式最好,即PVi0.89~0.87間(中間)要多選,PVi向0.92變化時(shí),選取數(shù)減少,當(dāng)PVI向0.82變化時(shí),選取數(shù)也減少。
我們的實(shí)驗(yàn)表明,選取總共15個(gè)模式的效果最好,它兼顧了識(shí)別率比較高和訓(xùn)練時(shí)間短兩方面。最后選定的分布型式為PVi值為0.92的1個(gè),0.90的2個(gè),(0.89~0.87)的8個(gè),0.86的2個(gè),0.84的1個(gè),0.82的1個(gè)。
在這樣選取ED模方式中,非ED被誤選為ED模式的可能性不大,我們的實(shí)驗(yàn)表明,在選中的15個(gè)ED模式中,如果混入了一個(gè)或二個(gè)非ED,對(duì)訓(xùn)練所得的人工神經(jīng)網(wǎng)絡(luò)的識(shí)別率影響不大。
根據(jù)上述研究結(jié)果,ED模式的選取程序的流程圖如圖4所示。從圖中可見(jiàn),程序啟動(dòng)后執(zhí)行步驟50,將病人腦電信號(hào)輸入基本人工神經(jīng)網(wǎng)絡(luò)→步驟51,判別網(wǎng)絡(luò)輸出是否達(dá)到峰值?如果未達(dá)到峰值,返回執(zhí)行步驟50;如果達(dá)到峰值,則→步驟52,判別峰值PVi≥0.82?,如果PVi<0.82,則執(zhí)行步驟531,如果PVi≥0.82,便→步驟53,判別PVi是否小于0.92,如果小于0.92,執(zhí)行步驟531;如果不小于0.92,則→步驟14,將此段腦電數(shù)據(jù)作為候補(bǔ)ED模式存入數(shù)據(jù)暫存區(qū)→步驟55,判別在已選作ED模式的信號(hào)波中,該P(yáng)Vi值選取個(gè)數(shù)是否達(dá)到規(guī)定值?如果已達(dá)到規(guī)定個(gè)數(shù),便執(zhí)行步驟531,如果未達(dá)到規(guī)定個(gè)數(shù),則→步驟56,將此段波選人和ED模式,其腦電數(shù)據(jù)轉(zhuǎn)存到ED模式暫存區(qū),→步驟57,判別規(guī)定選取的PVi分布是否都已選滿?如果未選滿,便執(zhí)行步驟531,如果已選滿,則→步驟59,表示ED模式選取工作完成,并進(jìn)入程序塊6中的步驟60。
上述步驟531,判別規(guī)定的選取時(shí)間160分鐘到了嗎?如果已達(dá)160分鐘,→步驟533,如未滿160分鐘,則→步驟532,判別腦電信號(hào)輸入完畢了嗎?如輸入未完畢,返回執(zhí)行步驟50,重復(fù)前述步驟,如已完畢,則執(zhí)行步驟533,設(shè)PVi=0.82,→步驟534,判別該P(yáng)Vi值選取個(gè)數(shù)是否已達(dá)到規(guī)定值?如果已達(dá)到規(guī)定值,便執(zhí)行步驟537;如果未達(dá)到規(guī)定值,則→步驟535,判別該P(yáng)Vi值附近是否有候補(bǔ)ED模式?若不存在候補(bǔ)ED模式,便執(zhí)行步驟537,若存在候補(bǔ)ED模式,則→步驟536,將此候補(bǔ)者選作ED模式,并返回執(zhí)行步驟534,重復(fù)上述步驟;若在步驟535時(shí),不存在候補(bǔ)ED模式,則執(zhí)行步驟537,令PVi=PVI+0.01,→步驟58,判別PVi值>0.92?,如果不大于0.92,便返回執(zhí)行步驟534;若大于0.92,則→步驟59,結(jié)束ED模式選取工作,并進(jìn)入還要指出,在使用本發(fā)明時(shí),如來(lái)了一個(gè)波,其PVi=0.90,這時(shí)若PVi=0.90的波選中的不足2個(gè),則此波被選作ED模式,如果PVi=0.90的波已選取2個(gè),這個(gè)波就暫不選取。如果上述分布中所需的波都已選出,則ED模式選取工作結(jié)束。如果病人的腦電信號(hào)已經(jīng)輸入完畢或者規(guī)定的選取時(shí)間已到,規(guī)定的分布仍未選滿,則盡量以PVi相近(PVi±0.02)的波代替,如PVi=0.86的還缺1個(gè),候補(bǔ)者中有PVi=0.92的、0.88的、0.85的各若干個(gè),則挑PVi=0.85的一個(gè)作為ED模式,如果替代后仍不能達(dá)到規(guī)定分布的要求,則選出多少就多少、選模式仍然結(jié)束。
關(guān)于訓(xùn)練病人專(zhuān)用的人工神經(jīng)網(wǎng)絡(luò)訓(xùn)練的方法是按照蓋博的方法經(jīng)優(yōu)化而成的。ED的特征是多道同步的尖波,該波的左側(cè)從谷底到峰頂稱左枝半峰寬,右側(cè)從峰項(xiàng)到谷底為右枝半峰寬,由于自發(fā)腦電的疊加作用等使峰頂位置前后略有變動(dòng),我們用平均等方法算出峰谷的位置,求出右、左枝半峰寬,再算出各ED模式的平均左、右枝半峰寬Wl和Wr間隔內(nèi)第i道信號(hào)的變化量經(jīng)規(guī)格化成為左、右網(wǎng)絡(luò)的輸入量Plip和Prip。第i道腦電信號(hào)各ED模式之間有標(biāo)準(zhǔn)差Sli和Sri,按蓋博方法可由一個(gè)ED模式算出一個(gè)非ED模式,它們具有相同的Wl和Wr,而它們的左、右子網(wǎng)絡(luò)輸入量Qlip和Qrip由下列公式計(jì)算而得。
Qlip=Plip-MSliQrip=Prip+MSli經(jīng)我們的優(yōu)化,M取值為10,上述公式中前者取減,后者取加,這些與蓋博不同。
網(wǎng)絡(luò)的訓(xùn)練是按照公知的前饋逆播學(xué)習(xí)算法進(jìn)行的,左、右子網(wǎng)絡(luò)各聯(lián)接權(quán)重初始化為-0.3到+0.3范圍內(nèi)隨機(jī)數(shù)。然后將各模式的網(wǎng)絡(luò)輸入量Plip,Prip或Qlip,lrip輸入網(wǎng)絡(luò),按網(wǎng)絡(luò)的前饋公式算出各模式的網(wǎng)絡(luò)輸出。
ED模式的希望輸出值為1,非ED模式的希望輸出值為0,各模式的希望輸出值和實(shí)際輸出值之間的差,平方后再相加即得“誤差”。
“誤差”是否小于誤差函數(shù)予置值E。如果小于E,則訓(xùn)練結(jié)束。如果大于等于E,則由希望輸出和實(shí)際輸出的差按公知的前饋逆?zhèn)鞑ニ惴?,修改連接權(quán)重和偏置值。其中有學(xué)習(xí)因子η和動(dòng)量因子α控制修改的量,經(jīng)我們實(shí)驗(yàn)研究E=0.01,η=0.01,α=0.05使訓(xùn)練速度快,識(shí)別率高。
左子網(wǎng)絡(luò)的加權(quán)系數(shù)φ經(jīng)實(shí)驗(yàn)表明φ=0.5效果較好。
訓(xùn)練病人專(zhuān)用的人工神經(jīng)網(wǎng)絡(luò)的子程序流程圖如圖5所示。
請(qǐng)參閱圖5,它示出訓(xùn)練專(zhuān)用神經(jīng)網(wǎng)絡(luò)子程序模塊的結(jié)構(gòu)圖,其包括步驟60,提取ED模式的特征量→步驟61,以M=10,從每個(gè)ED模式計(jì)算出一個(gè)非ED模式→步驟62,隨機(jī)化決定人工神經(jīng)網(wǎng)絡(luò)的連接權(quán)重Wji,Wlj,偏置值θj,θl等,→步驟63,計(jì)算各ED模式和各非ED模式的網(wǎng)絡(luò)輸入量Pl和Pr→步驟64,將各模式的網(wǎng)絡(luò)輸入量輸入人工神經(jīng)網(wǎng)絡(luò),按網(wǎng)絡(luò)的前饋公式算出各模式的網(wǎng)絡(luò)輸出,→步驟65,計(jì)算“誤差”,→步驟66,判別誤差≤E?如果不是,→步驟67后返回步驟64,如果是則→執(zhí)行步驟68訓(xùn)練完成,所得的Wji,Wlj,θj和θl,和φ構(gòu)成該病人的專(zhuān)用人工神經(jīng)網(wǎng)絡(luò)。上述之步驟67是按公知的前饋逆?zhèn)鞑W(xué)習(xí)算法,以η=0.01和α=0.05修改連接權(quán)重Wji,Wlj和偏置值θj和θl。
還要說(shuō)明的是1、步驟70~73參照蓋博Gabor的方法,其中M為非ED模式標(biāo)準(zhǔn)差倍數(shù)經(jīng)我們優(yōu)化后取M=10。
2、ED模式的理想網(wǎng)絡(luò)輸出值為1.0,非ED模式的理想網(wǎng)絡(luò)輸出值為0,各模式理想網(wǎng)絡(luò)輸出值和實(shí)際網(wǎng)絡(luò)輸出值的差再平方,再相加即為“誤差”。
3、E為誤差函數(shù)預(yù)置值,經(jīng)優(yōu)化取E=0.01,使訓(xùn)練速度快,識(shí)別率高。
4、η為學(xué)習(xí)因子,α為動(dòng)量因子,經(jīng)優(yōu)化取η=0.01,α=0.05使訓(xùn)練速度快,識(shí)別率高。
5、φ為左子網(wǎng)絡(luò)加權(quán)導(dǎo)數(shù),優(yōu)化得φ=0.5,識(shí)別率高。
權(quán)利要求
1.一種基本人工神經(jīng)網(wǎng)絡(luò)的訓(xùn)練法,其步驟包括(1)先在一計(jì)算機(jī)中建立如圖3所示的蓋博人工神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)和駐留蓋博的非ED算法和BP算法,其特征是(2)在該計(jì)算機(jī)中駐留①由一病人的一組ED中的平均峰寬來(lái)確定峰寬的算法;②由ED模式偏離M倍標(biāo)準(zhǔn)差算出非ED模式的算法和③偏離采用使絕對(duì)值變小的算法;(3)以任一ED為彌漫型棘慢復(fù)合波的病人的ED對(duì)該神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練,生成其連接權(quán)重和偏置量各參數(shù)值,形成一基本人工網(wǎng)絡(luò)。
2.根據(jù)權(quán)利要求1所述的人工神經(jīng)網(wǎng)絡(luò)的訓(xùn)練法,其特征在于M=10。
3.根據(jù)權(quán)利要求1所述的基本人工神經(jīng)網(wǎng)絡(luò)的訓(xùn)練法,其特征在于所說(shuō)的一組ED是指從16道腦電圖記錄中選取的15個(gè)ED片段。
4.一種根據(jù)權(quán)利要求1或2或3所述的基本人工神經(jīng)網(wǎng)絡(luò)訓(xùn)練法制成的自動(dòng)訓(xùn)練人工神經(jīng)網(wǎng)絡(luò)的裝置,包括成雙向電路聯(lián)結(jié)的數(shù)據(jù)采集器和計(jì)算機(jī),該數(shù)據(jù)采集器的輸入端與一多路腦電放大器輸出端相連接,而該計(jì)算機(jī)則與打印機(jī)相連接,在該計(jì)算機(jī)的內(nèi)存儲(chǔ)器中建立人工神經(jīng)網(wǎng)絡(luò)的輸入暫存區(qū),參數(shù)暫存器,并駐留有前饋逆?zhèn)鞑W(xué)習(xí)算法程序,每一路腦電信號(hào)在該神經(jīng)網(wǎng)絡(luò)中有相應(yīng)的輸入節(jié)點(diǎn),該人工神經(jīng)網(wǎng)絡(luò)由二個(gè)三層BP子網(wǎng)絡(luò)組成,分別稱為左子網(wǎng)絡(luò)和右子網(wǎng)絡(luò),左子網(wǎng)絡(luò)和右子網(wǎng)絡(luò)的輸出經(jīng)加權(quán)平均后,組成網(wǎng)絡(luò)輸出O,左、右子網(wǎng)絡(luò)各有三層輸入層、隱含層和輸出層,在該計(jì)算機(jī)的內(nèi)存中分別設(shè)置輸入層數(shù)據(jù)存貯區(qū)、隱含層數(shù)據(jù)存貯區(qū)和輸出層數(shù)據(jù)存儲(chǔ)區(qū),對(duì)于一個(gè)BP子網(wǎng)絡(luò),Wji表示輸入層第i個(gè)節(jié)點(diǎn)到隱含層第j個(gè)節(jié)點(diǎn)的聯(lián)接權(quán)重,Wlj表示隱含層第j個(gè)節(jié)點(diǎn)到輸出層第l個(gè)節(jié)點(diǎn)的聯(lián)接權(quán)重,隱含層和輸出層的節(jié)點(diǎn)含有偏置值;θj表示隱含層第j個(gè)節(jié)點(diǎn)的偏置值,θl表示輸出層第l個(gè)節(jié)點(diǎn)的偏置值;隱含層節(jié)點(diǎn)和輸出層節(jié)點(diǎn)的輸入輸出激勵(lì)函數(shù)采用“S”型函數(shù)f(X)=1/(1+exp(-X));一個(gè)輸入層有ni個(gè)節(jié)點(diǎn),隱含層有nj個(gè)節(jié)點(diǎn),輸出層有nl個(gè)節(jié)點(diǎn)的子網(wǎng)絡(luò),Pi表示子網(wǎng)絡(luò)第i個(gè)節(jié)點(diǎn)的輸入值,HINj表示隱含層第j個(gè)節(jié)點(diǎn)的輸入值,HOUTj表示隱含層第j個(gè)節(jié)點(diǎn)的激活值,OINl表示輸出層第l個(gè)節(jié)點(diǎn)的輸入值,OOUTl表示輸出層第l個(gè)節(jié)點(diǎn)的輸出值,其前饋按下列前饋公式進(jìn)行計(jì)算;HINj=Σi=1ni(Wji×Pi)+θj]]>HOUTj=1/(1+exp(-HINj))OINI=Σj=1nj(Wlj×HOUTj)+θl]]>OOUTl=1/(1+exp(-OINl))輸出層只有一個(gè)節(jié)點(diǎn),左、右兩個(gè)子網(wǎng)絡(luò)的輸出分別表示為Ol和Or,左子網(wǎng)絡(luò)的加權(quán)系數(shù)為φ,則右子網(wǎng)絡(luò)的加權(quán)系數(shù)為1-φ,網(wǎng)絡(luò)的輸出O=φOl+(1-φ)Or,其特征在于還在該計(jì)算機(jī)內(nèi)存儲(chǔ)器中建立基本人工神經(jīng)網(wǎng)絡(luò)和病人ED模式選取程序模塊和訓(xùn)練專(zhuān)用神經(jīng)網(wǎng)絡(luò)模塊。
5.根據(jù)權(quán)利要求4所述的自動(dòng)訓(xùn)練人工神經(jīng)網(wǎng)絡(luò)的裝置,其特征在于所說(shuō)的病人ED模式選取程序模塊,其流程結(jié)構(gòu)如圖4所示。
6.根據(jù)權(quán)利要求4所述的自動(dòng)訓(xùn)練人工神經(jīng)網(wǎng)絡(luò)的裝置,其特征在于所說(shuō)的訓(xùn)練專(zhuān)用神經(jīng)網(wǎng)絡(luò)程序模塊,其流程結(jié)構(gòu)如圖5所示。
全文摘要
一種基本人工神經(jīng)網(wǎng)絡(luò)的訓(xùn)練法及自動(dòng)訓(xùn)練人工神經(jīng)網(wǎng)絡(luò)的裝置,包括成雙向電路聯(lián)結(jié)的數(shù)據(jù)采集器和計(jì)算機(jī),并在該計(jì)算機(jī)內(nèi)存建立BP人工神經(jīng)網(wǎng)絡(luò)輸入暫存區(qū),參數(shù)暫存區(qū)等,特別是還包括基本神經(jīng)網(wǎng)絡(luò)和以程序聯(lián)結(jié)的病人ED模式選取程序模塊和訓(xùn)練專(zhuān)用神經(jīng)網(wǎng)絡(luò)程序模塊等,使得可依藉本發(fā)明裝置實(shí)現(xiàn)無(wú)醫(yī)生參與的全自動(dòng)定量檢測(cè)腦電圖中的癲癇樣放電。
文檔編號(hào)G06F15/18GK1261193SQ99124209
公開(kāi)日2000年7月26日 申請(qǐng)日期1999年12月3日 優(yōu)先權(quán)日1999年12月3日
發(fā)明者陳俊強(qiáng), 劉書(shū)朋 申請(qǐng)人:中國(guó)科學(xué)院上海生理研究所