基于BP神经网络的睡眠呼吸综合症智能检测系统

提出了应用BP网络对睡眠呼吸暂停病症进行检测的技术方法。考虑到临床检测采集具有数据量大,伴有噪音干扰等特点,采用BP网络,其并行性、容错性较好,具有较强的自适应性及通过实例学习的能力,有助于克服单个诊断医师在知识获取方面存在的“瓶颈”问题。开发出来的睡眠呼吸综合症智能检测系统可以选择采集好的病人样本数据进行自学习,建立病人的特征模型,自动进行数据分析和异常情况的识别与分类,对病人的患病率进行预测。通过实验测试,该系统预测的准确率在88.5%左右,高于单纯的人工诊断,并显著提高了诊断效率。