[发明专利]一种基于神经网络和置信区间的疾病智能诊断技术在审
| 申请号： | 201910301611.2 | 申请日： | 2019-04-16 |
| 公开（公告）号： | CN110010246A | 公开（公告）日： | 2019-07-12 |
| 发明（设计）人： | 王森林;周军海;秦拯 | 申请（专利权）人： | 湖南大学 |
| 主分类号： | G16H50/20 | 分类号： | G16H50/20 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 410082 湖*** | 国省代码： | 湖南;43 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提出了一种基于神经网络和置信区间的疾病智能诊断技术。首先，对训练样本进行预处理及归一化操作，其次是用主成分分析(PCA)来减小维数以获得最优特征，然后使用BP神经网络来训练特征以获得诊断模型。在利用诊断模型对预测样本进行预测前，我们首先获得训练样本输出值分布的置信区间，然后根据预测值所属的置信区间确定最终预测结果，本发明将BP神经网络算法与置信区间结合起来，相较于传统的检测算法，可显著提高恶性肿瘤的检测率，且误检率低。 | ||
| 搜索关键词： | 置信区间 神经网络 训练样本 智能诊断 预测 预处理 归一化操作 输出值分布 主成分分析 诊断 检测算法 训练特征 预测结果 传统的 检测率 误检率 恶性肿瘤 疾病 减小 维数 样本 | ||
【主权项】：
1.一种基于神经网络和置信区间的疾病智能诊断技术，其特征是，对样本进行归一化操作，然后用主成分分析(PCA)来减小维数以获得最优特征，再使用BP神经网络来训练特征以获得诊断模型，再根据网络的输出值计算样本的置信区间，最后结合测试集落入的置信区间，对样本进行归类。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于湖南大学，未经湖南大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910301611.2/，转载请声明来源钻瓜专利网。
