基于结构自适应模糊神经网络的前列腺癌诊断方法

被引：16

作者：

夏江南 ^{[1
]}

王杜娟 ^{[1
]}

王延章 ^{[1
]}

Yaochu Jin ^{[1
,2
]}

江彬 ^{[3
]}

机构：

[1] 大连理工大学管理与经济学部

[2] 英国萨里大学计算机系

[3] 大连市友谊医院泌尿外科

来源：

系统工程理论与实践 | 2018年 / 38卷 / 05期

关键词：

前列腺癌诊断; 模糊神经网络; 规则提取; 粒子群优化算法; 可解释性;

D O I：

暂无

中图分类号：

R737.25 [前列腺肿瘤]; TP183 [人工神经网络与计算];

学科分类号：

100214 [肿瘤学]; 140502 [人工智能];

摘要：

前列腺癌是近年来严重危害男性健康的疾病.利用模糊神经网络方法可以实现前列腺癌诊断,并将诊断模型表示为模糊规则集合.针对模糊神经网络所提取规则解释性差的问题,提出结构自适应模糊神经网络方法,通过改进损失函数,在训练中控制相似隶属度函数的合并,实现模糊神经网络模型结构自适应调整,减少模糊规则数量,在保证诊断准确性情况下,提取出容易理解的可解释性规则.同时该方法在模型的训练过程中引入粒子群优化(PSO)算法进行结构和参数学习,有效减少计算量,提高训练效率.最后,使用临床医学科学数据中心提供的前列腺疾病检查数据进行数值实验,验证了所提出方法在前列腺癌诊断和可解释性规则提取中的有效性.

引用

页码：1331 / 1342

页数：12

共 16 条

[1]

一种基于Boosting的集成学习算法在不均衡数据中的分类 [J].

李诒靖 ;

郭海湘 ;

李亚楠 ;

刘晓 .

系统工程理论与实践, 2016, (01) :189-199

[2]

前列腺癌人工神经网络诊断模型的应用研究 [J].

邱志磊 ;

徐立柱 ;

贾魁 ;

梁鑫 ;

胡伟 ;

郑帅帅 .

临床泌尿外科杂志, 2015, 30 (10) :906-909

[3]

非线性时间序列的小波-模糊神经网络集成预测方法 [J].

张大斌 ;

李红燕 ;

刘肖 ;

张文生 .

中国管理科学, 2013, 21(S2) (S2) :647-651

[4]

改进粒子群算法优化BP神经网络的短时交通流预测 [J].

李松 ;

刘力军 ;

翟曼 .

系统工程理论与实践, 2012, 32 (09) :2045-2049

[5]

软件成本估算的粒子群算法类比模型及自助法推断 [J].

吴登生 ;

李建平 ;

蔡晨 .

管理科学, 2010, (03) :113-120

[6]

基于灰色关联分析的神经网络模型 [J].

苏博 ;

刘鲁 ;

杨方廷 .

系统工程理论与实践, 2008, (09) :98-104

[7]

前列腺疾病的手术治疗.[M].(法) 爱博 (Abbou;C.) ; 主编.人民卫生出版社.2011,

[8]

Application of a two-stage fuzzy neural network to a prostate cancer prognosis system.[J].Ren-Jieh Kuo;Man-Hsin Huang;Wei-Che Cheng;Chih-Chieh Lin;Yung-Hung Wu.Artificial Intelligence In Medicine.2014,

[9]

Adaptive synchronization for stochastic T–S fuzzy neural networks with time-delay and Markovian jumping parameters.[J].Dongbing Tong;Qingyu Zhu;Wuneng Zhou;Yuhua Xu;Jian'an Fang.Neurocomputing.2013,

[10]

Machine learning for improved pathological staging of prostate cancer: A performance comparison on a range of classifiers [J].

Regnier-Coudert, Olivier ;

McCall, John ;

Lothian, Robert ;

Lam, Thomas ;

McClinton, Sam ;

N'Dow, James .

ARTIFICIAL INTELLIGENCE IN MEDICINE, 2012, 55 (01) :25-35

← 1 2 →