曹扬
- 作品数：3 被引量：10H指数：2
- 供职机构：中南大学地球科学与信息物理学院更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：医药卫生更多>>
- 遗传算法优化BP神经网络的异丙酚血药浓度预测被引量：3
- 2013年
- 针对静脉麻醉异丙酚时变性强,房室结构复杂的特性,经典的非线性混合效应模型参数估计法存在变量繁多,人为因素多等弊端,而BP神经网络又存在极易陷入局部极值,网络训练不稳定致使预测误差大。利用遗传算法优化BP神经网络的权值和阈值,调整神经网络中异丙酚血药浓度和时间、病人年龄、体重、身高、体表面积、采样时间、总剂量、注射率的关系,然后建立异丙酚血药浓度预测模型,并与NONMEM方法、BP神经网络进行比较。比较结果,GA-BP网络的平均误差为1.2%,BP网络的平均误差为29.59%,NONMEM为14.61%,GA-BP网络的绝对平均误差15.76%,BP网络的绝对平均误差31.9%,NONMEM为22.99%。实验结果表明:GA-BP网络对于半衰期较短的麻醉药物异丙酚药物具有较好的非线性拟合能力和更高的预测准确性。
- 汤井田曹扬肖嘉莹郭曲练
- 关键词：BP神经网络遗传算法异丙酚血药浓度
- 基于大脑状态指数的粒子群优化-模糊麻醉闭环控制
- 2014年
- 针对麻醉用药的个体差异,术中麻醉维持的复杂性和不确定性,以及当前监测手段存在的缺陷,传统麻醉深度PID控制器不能满足其非线性控制需要,而以往麻醉深度(DOA)模糊控制器的规则完全依赖于经验调节,因此无法达到预期的控制效果。本研究建立了以大脑状态指数(CSI)为反馈变量的模糊麻醉闭环控制系统,并采用粒子群算法同时优化基于CSI的变化和异丙酚输出率之间的模糊控制规则和隶属度函数。通过系统仿真将CSI值的目标设定在40和30,并加入高斯噪声以模拟临床干扰。实验表明,该系统能准确、快速、平稳地达到CSI预设值,且在噪声干扰下,无明显扰动。经粒子群优化(PSO)过的基于CSI模糊控制器应用在DOA闭环控制系统具有较好的稳定性及鲁棒性。
- 汤井田曹扬肖嘉莹郭曲练
- 关键词：粒子群优化算法模糊控制大脑状态指数
- 基于粒子群优化支持向量机的瑞芬太尼血药浓度预测模型被引量：7
- 2013年
- 目的建立基于粒子群优化算法的瑞芬太尼血药浓度支持向量和模型。方法本实验采用粒子群算法(particle swarm optimization,PSO)优化支持向量机(support vector machine,SVM)算法,建立粒子群优化支持向量机(PSO-SVM)瑞芬太尼血药浓度预测模型。该模型能从较少的采样数据中准确捕捉血药浓度和时间、病人体征、给药方案之间的非线性关系。结果粒子群优化支持向量机的平均误差为-1.07%,非线性混合效应模型(nonlinear mixed effects modeling,NONMEM)为-2.24%,粒子群优化支持向量机网络的绝对平均误差9.09%,非线性混合效应模型为19.92%。结论粒子群优化支持向量机模型能迅速,稳定预测瑞芬太尼血药浓度,且准确度高,误差较小。该方法原理简单,实现便捷,运算速度快,适用于半衰期较短的麻醉速效药等多房室结构药物的群体药代药效学研究和分析。
- 汤井田曹扬肖嘉莹郭曲练
- 关键词：瑞芬太尼血药浓度
