审查
数量:11 (5)人工智能在卫生保健的作用
- *通信:
-
Mishra SG
Shobhaben Pratapbhai Patel药学院和技术管理,SVKM NMIMS大学诉L Mehta路,城镇就算(W),孟买- 400056,印度马哈拉施特拉邦
电话:91224233 2034;电子邮件: (电子邮件保护)
收到日期:2017年10月10日接受日期:2017年10月18日发表日期:2017年10月24日
引用:Mishra SG, Takke AK Auti圣等作用人工智能在健康护理。印第安纳州j . 2017;11 (5):120
文摘
的目的人工智能是使电脑更有用的解决问题吗医疗保健挑战,通过电脑我们可以解释数据是通过不同的诊断慢性疾病像老年、糖尿病、心血管疾病和各种类型的癌症如乳腺癌,结肠癌癌症等它有助于早期发现不同慢性疾病这样可以减少经济负担和疾病严重程度。各种自动化系统和工具如脑-机接口(bci),动脉自旋标记(ASL)成像,ASL-MRI,生物标志物,这胸罩,自然语言处理(NLP)和各种算法有助于减少错误和控制疾病进展。计算机辅助诊断、决策支持系统、专家系统和实现软件可以协助医生减少内部和inter-observer可变性。精简的过程诊断人工智能特别是人工神经网络(ANN)方法、模糊方法可以实现来处理不同类型的医疗数据。安技术发现隐藏的模式和相关医疗数据和有效的设计支持系统在临床领域。人工智能的应用有助于解释结果与精度高和速度。本文将探讨人工智能和机器学习可以拯救生命,帮助个别病人。的一些例子人工智能下面给出各种疾病的辅助诊断。
关键字
生物标志物;动脉自旋标记;脑-机接口;自然语言处理;糖尿病的并发症
介绍
机器学习已经彻底改变了我们的生活方式,从语言识别、图像检索、手写识别、天气预报和GPS路线的在线搜索引擎。现在,是时候集中精力成功机器学习生物发现,造福人类健康。人工智能是的一个分支计算机科学这有可能分析复杂的数据。他们的潜力是与一组数据中提取出有意义的关系,可用于诊断、治疗和预测结果在许多临床场景。的目的人工智能是使电脑更有用的和理解的原则。非传染性疾病(NCDs),也被称为慢性疾病,不是从一个人传给另一个人。他们通常是长期的和缓慢的进展。四个主要类型的非传染性疾病是心血管疾病(如心脏病和中风)、癌症、慢性呼吸道疾病(如慢性阻塞肺疾病和哮喘)和糖尿病(1]。
任何慢性疾病的早期诊断很有帮助减少编译的疾病。它有助于在决定治疗方案。有各种诊断和治疗协议证明人工智能都是一种福利健康护理。的目的人工智能是使电脑更有用的解决问题吗医疗保健挑战,通过电脑我们可以解释数据获得的各种慢性疾病的诊断。一些地区将揭示如何覆盖人工智能有助于诊断和治疗各种慢性疾病。
实验
使用生物标记物检测的各种类型的癌症
癌症是一种疾病,发生在一群正常的变化细胞体内导致失控的增长产生的肿瘤;这适用于所有类型的癌症,除了白血病(血液癌症)(1数据。- - - - - -6)。如果不及时治疗,肿瘤生长和扩散到周围的正常组织,或身体的其他部位通过血液和淋巴系统,会影响消化,机体的神经和循环系统。(肿块)可以良性或恶性肿瘤1]。
癌症是分为以下几类:
一)癌-一个癌症这起源于上皮细胞(衬细胞这有助于保护或附上器官)。癌可能侵入周围组织和器官和淋巴结转移和身体的其他部位。最常见的形式的癌症在这组乳腺癌、前列腺癌、肺和结肠癌。
b)肉瘤——一种恶性的肿瘤骨或软组织(脂肪、肌肉、血管、神经和其他支持和周围器官结缔组织)。最常见的形式的肉瘤平滑肌肉瘤、脂肪肉瘤、骨肉瘤。
c)淋巴瘤——淋巴瘤癌症淋巴系统的运行所有通过人体,因此可以发生在任何地方。两个主要形式非霍奇金开始不受控制的增长白血cells-lymphocytes-of免疫系统)和霍奇金淋巴瘤细胞淋巴结的癌变。
d)白血病,白血病是a癌症的白细胞细胞和骨髓血细胞组织形式。有几个亚型;通常是淋巴细胞性白血病和慢性淋巴细胞白血病。
生物标记生物分子,发现血液中,其他体液或组织,正常或异常的标志过程或状态或疾病。一个生物标志物可以衡量一个诊断测试来预测如果身体会对治疗疾病,如癌症。如果测试表明,水平或一定的存在生物标志物是不同于通常在正常组织,它可能意味着癌症依赖于变化了吗生物标志物,也许会有不同的反应2]。生物标志物的例子包括:雌激素/孕激素受体在乳腺癌中,人类表皮生长因子受体在乳腺癌癌症小鼠肉瘤病毒致癌基因同族体B在黑色素瘤、人类表皮生长在胃癌。
的识别肿瘤生物标志物包括生物样本的集合,那么他们进一步进行识别过程通过使用各种微阵列,质量分光光度计等。
生物标记物用于的例子癌症检测
大多数候选人一直在跟踪研究显示可怜的诊断价值较大,即使是那些已经被批准用于临床使用敏感性和特异性表现出低于知名的标记,如急性心血管事件。下面给出一些USFDA生物标记的例子(表1)[3]。
老不。 | 标记 | 疾病 | 切断 | 灵敏度 | 特异性 |
---|---|---|---|---|---|
1 | 东航 | 腹膜癌症传播 | 0.5 ng / mL | 75% | 90.8% |
2 | 东航 | 恶性胸腔积液 | NA | 57.5% | 78.6% |
3 | 膀胱肿瘤抗原 | 泌尿道上皮细胞癌 | NA | 52.8% | 70% |
4 | her - 2 / neu | 四期乳腺癌 | 15 ng / mL | 40% | 98% |
5 | 甲胎蛋白 | 肝细胞癌 | 20毫微克/毫升 | 50% | 70% |
6 | Thyro-globulin | 甲状腺癌症转移 | 2.3 ng / mL | 74.5% | 95% |
7 | PSA | 前列腺癌 | 4.0 ng / mL | 46% | 91% |
8 | CA 125 | 非小细胞肺癌症 | 95国际单位/毫升 | 84% | 80% |
9 | CA19.9 | 胰腺癌 | NA | 75% | 80% |
10 | CA 15.3 | 乳腺癌 | 40 U /毫升 | 58.2% | 96.0% |
11 | 瘦素、催乳素、 骨桥蛋白和IGF-II |
卵巢癌 | NA | 95% | 95% |
12 | b型利钠 | 充血性心力衰竭 | 8 pg / mL | 98% | 92% |
13 | 肌钙蛋白我 | 心肌梗死 | 0.1 microg / L | 93% | 81% |
表1。生物标志物的例子[3]。
结果与讨论
人工智能在乳腺癌
乳房癌症是一个全球关注的主要原因。这是最常见的诊断女性癌症,也可以发生在男性。乳房癌症出现的时候细胞成长,不受控制地增殖,产生一个肿瘤或肿瘤。女性乳房癌症小于50岁的年龄,化疗会增加他们15年存活率10%;在老年女性增加为3%。
早期发现乳腺癌癌症是至关重要的。有越来越多的乳房癌症病人在世界有需要等新技术在诊断相关类型的患者和预测癌症其不同的形式。这可能导致的死亡率下降(4,5]。
处于初级阶段癌症能被探测到的帮助下筛选试验。检测乳腺癌最有效的工具癌症最早的和最可治疗阶段是乳房x光检查。此外,这次考试允许其他疾病的检测和可能会建议性质,如正常,良性或恶性。美国癌症社会的建议癌症筛查指南对于大多数成乐动KENO快乐彩年人。引入数字乳房x光检查被认为是最重要的改善乳房成像(6]。
越来越多的研究领域相关技术的使用人工智能应用于医学诊断所必需的信息的处理。
人工智能(AI)的子域计算机科学展出的机器或软件,成为一个受欢迎的,因为它在许多领域提高了人类的生活。人工智能开发系统,可靠地解释乳房x光检查数据,直观地将病人的图表转化为诊断信息,准确地预测乳腺癌癌症风险。
技术,依靠神经网络等智能系统的原则,最近邻方法、计算机辅助设计(CAD)算法,模糊逻辑方法,决策树和线性规划方法。目前Curemetrix算法,胸罩,NLP(自然语言处理)软件,乳腺癌基因系统癌症数据库(G2SBC)和三阴性乳腺癌癌症数据库智能系统用于乳房癌症检测。
计算机辅助诊断(CAD)系统使用计算机技术来检测不规则在乳房x光检查和使用这些结果放射科医生的诊断起着重要的作用。CAD性能可以改变从一个条件,因为一些比其他的病变是很难发现的,这是因为他们有正常乳腺组织类似的特征7]。
乳腺密度通常表示一个高恶性组织存在的可能性。人类观察者可以区分不同的结构很好,没有信息的整体亮度。在自动乳腺密度分类是很重要的决定哪些参数给最好的划分类别(8]。
智能可穿戴设备iTBra Cycardia开发的健康每月对乳房扫描。这可能是一个重要的人工智能技术,早期乳腺癌癌症检测。
Cyrcadia健康是一个基于美国的医学生物传感器公司利用预测分析来完成早期乳腺癌癌症检测通过个性化的可穿戴设备。Cyrcadia乳房补丁安装传感器跟踪温度变化的方差随时间被认为是细胞生理变化引起的减少PER1(期吗雌激素受体)和PER2蛋白表达在乳腺癌的存在。当组织健康,Cyrcadia预测算法输出显示一个不规则的变体代谢模式。在癌症、代谢活动的不同模式成为压缩,或显示更多的平谱线轮廓组织注入癌症(10]。
自动乳腺密度软件(iReveal)准确地估计百分比乳腺密度(PBD),密集的区域组织,乳房总面积和不论(fda)成像传感器。
iReveal标识可能掩盖一个癌症的风险,然后地图的比例纤维腺组织密度类别对应BI-RADS(乳腺影像报告和数据系统)标准。
Curemetrix算法检测方向和投影引起的乳房被开发来创建一个独特的“乳房健康分数”为每个图像可能导致改善医学图像分析和异常量化。它还创建了一个独特的“乳房健康分数”为每个图像可能导致改善医学图像分析和异常量化(11]。G2SBC资源集数据基因转录和蛋白质改变乳房癌症细胞。这个数据库代表一个系统性生物学面向数据集成方法用于乳腺癌。
人工神经网络(ANN)是最好的之一人工智能常见的技术数据挖掘任务非线性统计数据建模工具。
安是用于分类癌和非癌变之间的形象。他们的学习能力从历史的例子,分析非线性数据,处理不精确的信息和推广支持的应用模型独立的数据使得他们在一个非常有吸引力的分析工具医疗保健(12]。模糊逻辑是用来预测乳腺癌患者的生存期癌症(13]。一个聪明的方法来协助乳腺癌的诊断和第二意见,用于处理和排序数据从乳房的涂片质量通过细针吸(14]。
自然语言处理(NLP)软件算法乳腺成像特点和乳房x光检查报告提供了一个自动化的方法来辅助临床决策支持系统(数据提取和分析15]。
的发展是非常重要的继续研究这些方法使正确的方向几乎在乳腺癌的诊断癌症并提供医学专家与第二个意见从而消除需要活检,切除,减少不必要的支出。
阿尔茨海默病与人工智能的管理
阿尔茨海默病(AD)是最常见的神经退行性疾病,没有治愈或预防治疗。广告的组织病理学特征包括沉积β-amyloid斑块和神经原纤维缠结形成的大脑。广告是痴呆的主要原因,特点是实质性的内存损失,损害多种认知功能和行为变化,影响到全球人口众多16]。世卫组织在2015年发表的一份报告估计,全球患有老年痴呆症的人数是4747万年将增加到7563万年的2030和1.3546亿年的205017,18]。诊断和管理广告仍然是昂贵的和艰苦的过程,完全是不可持续的老化人口。
的应用人工智能这个不治之症(AI)可能有助于早期发现。使用各种自动化系统和工具如脑-机接口(bci),动脉自旋labeling-magnetic磁共振成像(ASL-MRI)、脑电图(EEG),正电子发射断层扫描术(PET),单光子发射计算机断层扫描(SPECT)扫描和各种算法有助于减少错误,早期检测和控制疾病进展(19]。
使用不同的人工智能算法的大脑核磁共振扫描路径设置为区分阿尔茨海默病的早期阶段。脑-机接口(bci)帮助广告病人传达基本思想通过发送命令从大脑到外部设备。动脉自旋标记(ASL)成像是有前途的功能生物标志物创建灌注地图识别血液灌注模式在不同的大脑区域协助检测不同阶段的广告。MRI加上手语可以拦截从主观认知能力下降或减缓疾病发展到温和认知障碍广告(21,22]。使用的自动化机器学习有潜在的使用方法管理的广告。
测量(EEG)已被证明是一个广告的研究和诊断的可靠工具。它是简单的,非侵入性和潜在的移动脑成像技术。脑电图具有较高的时间分辨率和因此可能包含重要信息异常AD患者大脑动力学。三个主要的广告对脑电图的影响观察:脑电图的放缓,降低复杂性的EEG信号和扰动脑电图同步。广告似乎影响不同频带脑电图等特定的方式减少在更高频率的权力(α和β,8 Hz-30 Hz),增加的权力低频率(三角洲和乐队,0.5 Hz-8 Hz)与温和认知障碍(MCI)患者与健康对照组年龄(23]。此外,科学研究表明有前景的结果检测早期的广告等温和认知障碍(MCI) [24]。
正电子发射断层扫描(PET)扫描功能神经影像学技术提供的信息在大脑生理和生物过程。PET扫描测量大脑对葡萄糖的代谢率,这是进步和与广告25]。Flurodeoxyglucose (FDG)是广泛使用的PET代谢示踪的广告。FDG PET提供了一种很有前途的生物标志物疾病进展的广告摄入葡萄糖和FDG成为大脑受损。宠物已经被用于检测人广告的风险甚至在症状出现之前,作为早期诊断的有效工具(26]。单光子发射计算机断层扫描(SPECT)分子成像技术是能够得到一个印象的区域脑血流量。大多数的SPECT研究发现低灌注的模式在颞叶和顶叶皮层区域。这些SPECT灌注差异发生在大脑区域的正常和疾病状态有助于早期诊断的广告(27]。早期检测的广告人工智能有助于治疗的早期启动广告,减速疾病进展,提高了病人的的生活质量参与,进一步减少了经济负担医疗保健管理。
使用人工智能管理糖尿病并发症
糖尿病是一种慢性进行性代谢紊乱的特点是高血糖水平。增加血糖也观察到由于破坏胰腺β- (I型)或细胞胰岛素抵抗(II型),疾病进展导致严重的微型血管或宏血管并发症即神经病变、肾病、视网膜病、心肌病。
的管理糖尿病及其并发症是非常艰难的工作,有几个因素,使血糖水平控制。然而增加样本的诊断结果使它更加健壮。应用人工智能(AI)在糖尿病及其并发症的诊断或监视可以改善病人的生活质量。计算机辅助诊断、决策支持系统、专家系统和实现软件可以协助医生减少内部和inter-observer可变性。人工智能的应用有助于解释的结果精度高和最大速度。
脚截肢的糖尿病神经病变的晚期。监测和早期检测来自耶路撒冷希伯来大学的科学家和沙龙医疗中心已经开发出一种可洗的智能袜子(SenseGOTM)能够跟踪压力变化对病人的脚。senseGO包含数量的压力传感器收集信息关于压力,不正确的姿势,用力过度和不合身的变量负责足溃疡。进一步senseGO继电器这些信息的智能手机应用程序(28]。
外围糖尿病性神经病是糖尿病患者致残的最重要的原因。的早期诊断可以通过角膜神经的形态学参数。费雷拉和同事开发了一种全自动算法提取和分割角膜神经的形态学参数。他们提高了角膜图像通过相移分析,结构分类是由海赛矩阵计算,然后使用形态学方法建立了神经。发达算法产生好的结果神经搜索和神经长度测量(29日]。
微量白蛋白尿(MA)是糖尿病的独立预测指标肾病和心血管疾病。检测微蛋白尿检测工具来识别糖尿病非常重要肾病。马Marateb和同事开发的模糊分类器系统来预测马没有测量尿液白蛋白。他们通常使用临床参数监测的II型糖尿病患者。归纳法是由粒子群优化。统计,完成与多个逻辑回归。年龄、性别、体重指数、DD,收缩压,的边后卫,糖化血红蛋白,Bs2hpp,胆固醇,低密度脂蛋白,高密度脂蛋白和TG作为输入参数。马分类器的性能评估使用10倍交叉验证。最低的敏感性,特异性,精密度和准确度提出了模糊分类器系统的特征提取是95%,85%,84%和92%,分别为(30.]。
在糖尿病患者肾功能下降是可变的;因此很难预测糖尿病的决定因素肾病。赵和同事各种应用机器学习等技术特征选择方法和支持向量机(SVM)分类和开发了一种新的可视化系统。该系统利用一个列线图的方法。该方法可以预测糖尿病的发病肾病大约2 - 3个月之前实际的诊断。此外,可视化系统为医生提供了直观的信息风险因素分析31日]。
桑切斯和同事评估性能的综合计算机辅助诊断(CAD)系统糖尿病性视网膜病变(博士)筛查、使用公开可用的视网膜图像数据库和比较其性能与人类专家。他们以前开发的CAD系统应用于1200数字彩色眼底照片。系统实现的ROC曲线下面积0.876成功区分正常图像和那些博士的敏感性为92.2%,特异性为50%。这些比较顺利地和两位专家,他们取得了敏感的94.5%和91.2%,特异性为50% (32]。
人工神经网络在心血管疾病的诊断
重要的信息关于心血管疾病症状的从细节不同类型的生物化学成像设备的数据和结果被临床医生可以帮助诊断。人工神经网络(安)是一个数学或计算模型这灵感来自生物神经网络的结构和功能特征(33]。人工神经网络科技涉及广泛使用。它还可以用于预测概率疾病的病理学。它已被证明在白血病的分类中的应用,糖尿病和肺结核的诊断、x光照片和生活组织图像分析(34]。这种技术最重要的应用是在心血管疾病的诊断。这种技术可以根据信息预测心脏病等各种风险因素家庭历史、糖尿病、年龄、高血压、饮酒、高胆固醇、吸烟和缺乏运动。
结构安是由一系列的“神经元”,被安排在三层即输入层、隐藏层和输出层。每个重量连接连接神经元与每一层神经元下一层,权重的值显示连接的强度。的层数和数量神经元在层取决于系统的复杂性。输入层的神经元接收数据,并将其转换到第一隐层神经元通过加权链接的处理数据传输发生和结果输出层(35]。安在非线性数学工作模型模仿人类大脑的解决问题的能力,利用以前解决了使系统的例子神经元使一个新的决定。这个神经网络高度自适应,可以概括输入信息和陌生的数据也给予适当的解决方案36]。
Baxt安等人用于心肌梗死的诊断成人患者从331年前胸部疼痛和比较的诊断敏感性和特异性与病人临床医师参加。安在这项研究中使用的临床数据利用351例心肌梗死住院,后来安系统的数据是测试331年前胸痛患者。研究表明,ANN的结果可能是一个有价值的辅助诊断心肌梗死(37]。在另一项研究的系统已经用于诊断冠状心脏疾病使用传统和遗传因素。研究使用临床、实验室、功能,冠状动脉血管造影和单核苷酸多态性数据输入系统。此后系统被用于诊断487例结果准确性高达64%的正确诊断冠状心脏疾病(38]。也被有效地用于心音信号分类用听诊器诊断心脏瓣膜条件(39]。即使在情况下缺血在心肌灌注成像结果与重要的诊断准确性(非常令人鼓舞40]。
结论
早期检测的各种慢性疾病通过人工智能有助于治疗的早期开始,减速疾病进展,提高了病人的的生活质量参与,进一步减少了经济负担医疗保健管理。的发展是非常重要的继续研究这些方法使正确的方向近各种慢性疾病的诊断。
的生物标记物在各种类型癌症的诊断中扮演重要的角色。这将减少死亡率,让更多的时间专注于治疗协议。
人工智能系统最近被提升为一个关键的特性导致了真正的进步健康护理。以上提供的思想属于一个长期多目标研究挑战目标理论和实践的观点和乳房癌症研究通过高效的开发和实现AIS。
诊断和管理广告仍然是一个昂贵的、费力和压力的过程,完全是不可持续的老化人口。现代人工智能研究生产工具如动脉自旋labeling-magnetic磁共振成像(ASL-MRI),脑-机接口(bci)正电子发射断层扫描(PET)、脑电图(EEG)、单光子发射计算机断层扫描(SPECT)检查将有助于解决的挑战管理的广告。
AI打开网关用于糖尿病并发症的早期诊断可以缓解治疗相同。SenseGo共焦显微术和人工智能等技术帮助马在DN的早期和准确诊断智能分类器系统有助于早期发现肾病重要的准确度和精密度。的早期诊断糖尿病性视网膜病变可以用CAD系统。因此使用人工智能在治疗糖尿病并发症将是至关重要的。
人工智能可以显著帮助临床诊断心肌梗塞,冠状心脏疾病和心脏瓣膜疾病。ANN模型可以提供超过90%的准确性可以帮助在心血管疾病的诊断和预测软件。
引用
- (http://www.who.int/topics/noncommunicable_diseases/en/);25-01-2017
- Gaglio年代,Genoves M, Nicolinic C, et al。专家系统癌症化疗。C数学品。1987;14 (9 - 12):793 - 802。
- 波兰斯基M,安德森问。候选人的名单癌症生物标志物对目标蛋白质组学。生物标志物见解。2006;1:1-48。
- 安大略总部。癌症筛选与数字平均风险乳腺癌妇女的乳房x光检查,磁共振成像(MRI)高危女性:一个循证分析。安大略省的健康工艺评估Ser。2010; 10 (3): 1-55。
- 早期乳腺癌癌症实验合作组(EBCTCG)。化疗和激素治疗早期乳腺癌的影响癌症在复发,15年的生存:随机试验的概况。乐动体育在线柳叶刀》。2005;365 (9472):1687 - 1717。
- Gotzsche PC,约根森KJ。筛查乳腺癌癌症乳房x光检查。科克伦数据库系统启2013;6:CD001877。
- Fujita H,中山教授Y,中川T, et al。计算机辅助诊断:新兴的三个日本引起的CAD系统健康保健需求。第一版方法程序生物医学。2008;92 (3):238 - 48。
- Dandolu V,埃尔南德斯大肠乳腺乳腺密度。郑传经地中海J。2007; 356 (18): 1885 - 87。
- 乳房x光检查诊断支持系统。
- Cycardia健康乳腺癌的早期检测技术。
- Rakow-Penner R, Abdelgelil N, Eghtedari M, et al . Curemetrix拉霍亚。2016;92037年。
- sarita即预测乳腺癌癌症使用人工神经网络。J医疗系统。2012;(5):2901 - 2907。
- 克朗H, Odetayo莫,罗维奇D, et al。软特性评价指标显著图像的识别仪因素的评估节点参与乳腺癌癌症病人。L Alasio外科杂志2002;22:433-8。
- Sizilio GR、雷特CR Guerreiro, et al .模糊预诊断乳腺癌的方法癌症细针吸的分析。生物医学在线Eng。2012; 11 (1): 83。
- 高H,鲍尔斯EJA里,卡雷尔D,等。利用自然语言处理提取乳腺发现。生物医学通知。2015;54:77 - 84。
- 格罗索C, Valentao P,费雷尔F, et al .使用类黄酮在中枢神经系统疾病。咕咕叫地中海化学,2013;20 (37):4694 - 4719。
- (ADI)国际阿尔茨海默病;八国集团政府首脑的政策简报:痴呆的全球影响。2013;2013 - 50。
- Barua, Ghosh M,冰斗N, et al。患病率抑郁症的老年人。安沙特医学。2011;31 (6):620 - 4。
- 卡明斯杰,艾萨克森RS,施密特FA, et al . 2015:一个实用的算法管理阿尔茨海默氏症:什么,何时和为什么。安中国Transl。2015; 2 (3): 307 - 323。
- http://readanddigest.com/eight-amazing-ways-to-keep-your-brain-healthy-and-prevent-alzheimers-disease
- 刘TT,布朗GG。脑灌注测量动脉自旋标记:第1部分。方法。J Int Neuropsychol Soc。2007; 13 (03): 517 - 525。
- http://press.rsna.org/timssnet/media/pressreleases/14_pr_target.cfm?ID = 1890 06 2016年7月。
- 德乌森JAV, Vuurman EFPM, Verhey FRJ, et al .脑电图伽玛乐队活动增加在阿尔茨海默氏症和轻度认知障碍。J神经Transm。2008; 115(9): 1301 - 11所示。
- Dauwels J, Vialatte F, Cichocki a .诊断阿尔茨海默病的EEG信号:我们站在哪里?咕咕叫阿尔茨海默杂志2010;7 (6):487 - 505。
- 小吉瓦。西地中海J。1999; 171 (5 - 6): 293。
- 杨J,黄SC,尹浩然,兆。调查的部分大脑FDG PET研究体积校正方法。43 IEEE反式诊断Sci。1996; (6): 3322 - 7。
- Coimbra,威廉姆斯DS, Hostetler。MRI和PET / SPECT的角色老年痴呆症疾病。咕咕叫高级化学2006;6 (6):629 - 647。
- 耶路撒冷希伯来大学的。帮助糖尿病患者,聪明的袜子搭配智能手机。
- 费雷拉,Morgado,席尔瓦JS。角膜神经自动识别糖尿病神经病变的早期诊断和随访。:国际会议图像分析和识别激飞柏林海德堡。2010;60 - 69。
- Marateb人力资源,Mansourian M, Faghihimani E,等。一种混合智能系统诊断微蛋白尿2型糖尿病病人无需测量尿白蛋白。计算机在生物学和医学。2014;45:34-42。
- 曹BH, Yu H,金正日K,等。应用不规则和不平衡数据预测糖尿病肾病使用可视化和特征选择方法。Artif智能医学。2008;42 (1):37-53。
- 桑切斯CI, Niemeijer M, Dumitrescu AV, et al。评价的计算机辅助诊断系统糖尿病性视网膜病变在公共数据筛选。角膜切削Vis Sci投资。2011;52 (7):4866 - 71。
- 中岛以K,松尾年代,若林史江H, et al .诊断性能检测的人工神经网络缺血在心肌灌注成像。循环杂志。2015;79 (7):1549 - 56。
- 莫顿啊。介绍神经计算。Int汤森第一版出版社。1995年。
- 费尔南德斯CJ Gonzalez-Perez年代,Ramos-Diaz JC。人工神经网络的闭环控制在网上和特别的1型糖尿病。第一版冰毒课题生物医学。2012;106 (1):55 - 66。
- 嗯啊,Temurtas F, Tanr吗?使用人工神经网络库鲁a .肺结核病的诊断。J医疗系统。2008;34 (3):299 - 302。
- M Saghiri K Asgar, K Boukani, et al。一种新的定位方法小apicalforamen使用人工神经网络。Int Endod j . 2012; 45:257 - 265。
- Olaniyi E, Oyedotun O, a Khashman神经网络诊断心脏疾病。IJISA。2015;7:12。
- 祖潘J, Gasteiger J .神经网络在化学和药物设计。威利VCH。1999年。
- Atkov O, Gorokhova年代,Sboev, et al . JC。59 2012;(2):190 - 4。