29、基于分数阶微积分和人工神经网络的疾病诊断模型研究

基于分数阶微积分和人工神经网络的疾病诊断模型研究

1. 研究结构概述

本研究聚焦于具有高度复杂和瞬态特性的疾病（如癌症），旨在通过整合分数阶微积分和人工神经网络（ANN），结合前馈反向传播（FFBP）算法，建立准确且可靠的模型，为疾病的诊断和预测提供支持。研究结构如下：
- 不同复杂数据集的建模与方法，涵盖生物（癌细胞数据集）和神经（中风数据集）数据集，以及分数阶微积分、分数阶导数、Caputo分数阶导数和人工神经网络等方法。
- 实验结果与讨论，通过对比不同导数模型处理后的数据集性能，确定最适合疾病的分数阶导数模型。

2. 数据集介绍

2.1 中风数据集

美国马萨诸塞大学医学院对1217名被诊断患有临床中风亚型的个体进行了检查，包括大血管（481例）、小血管（228例）、心源性栓塞（689例）和隐源性（528例）中风。数据集包含治疗和药物数据、病史、人口统计信息以及实验室测试结果等属性，数据集大小为(1926 × 23)。具体详情见表1：
|中风亚型|属性（单位）|治疗和药物数据|病史|人口统计信息|实验室测试结果|
| ---- | ---- | ---- | ---- | ---- | ---- |
|1 = 大血管（481）|(神经干预、他汀类药物、CT灌注、抗糖尿病药物、抗血小板药物、抗凝药物、抗高血压药物)|(中风/TIA病史、PAD/颈动脉疾病、高血压、高血脂、饮酒、糖尿病、吸烟、心房颤动、CAD、CHF)|(性别、年龄)|(TPA、90天mRS、入院NIHSS、出血转化)|
|2 = 小血管（228）| | | | |
|3 = 心源性栓塞（689）| | | | |