基于BP算法的肝硬化患者中医治疗效果神经网络建模研究
BP神经网络在肝硬化治疗预测中的应用
ｒ ＋ ｓ （ １ ）
通 常 不计 式 中 ｒ ）的二 阶导 数项 ： （
于是 Ｈ ｓ ａ 矩 阵就可以近似认为等于 ｌ． 即 日 ＝．－ ｅｉ ｓｎ ，， ， ，，
神经 元 的个数 为 ７ 。
隐含层神经元 的个数的确定对于隐层神经元个数可以应用隐结点数确定 的公式采用试凑
法， 先设置较少的隐结点加 以训练网络 ， 然后逐渐增加 隐节点数 ， 中确定 网络误差最小是对 从
应 的隐节 点数 。由此 隐层 神经 元 的个数 选定 为 ５，，１ １． ８ １ ，４
２ ２ 网络训 练 函数 ．
Ｌ— 算 法推 导公 式 ： Ｂ Ｍ 对 Ｐ网络 ， 当输 出层 的激活 函数 为 ／ 目标 矢 量为 Ｄ， ， 网络 输 出 ０可 以表 示成 输 出层 的输 入 ｙ和权值 及 阈值 的 函数 ： ＝Ｉ Ｙ Ｗ） ０ 厂 ， （ 则 Ｅ ）可 以表示 为 ： （
输出层神经元个数 的选择 ， 在本文中 ， 研究对象 的期望输出预测患者的康复情况 ， 我们将
治愈设 为 （ ） 好转 设 为 （ ０ ， 亡设 为 （ ） １００ ， ０１ ） 死 ００１ 。
由于 ｓ型 函数 的可微性 ， 微分 式 简单 ， 于表示 ， 且 易 同时它 又有 很好 的非 线性 映射 能力 ， 所 以多作 为 映射 函数 。在 本文 研究 中 ， 采用 的是 对 数 Ｓ型激 励 函数 。
Ｇ ｏＸ ｕｕ ｎ ａ ｉｊａ
（ ｃ ｏ ｌ ｆ ｔ Ｓ ｉ Ｃ ｍ ｅｈ Ｃ ｎ ａ Ｓ ｕｈ Ｕ ｉ ｒｉ ｈ ｎ ｓ ａ ４ ０ ８ ） Ｓ ｈ ｏ ｏ ｈ ｃ ＆ ｏ ｐＴ ｃ ， ｅ ｔ ｌ ｏ ｔ ｎ ｅｓ ｙ Ｃ ａ ｇｈ ， １０ ３ Ｍａ ｒ ｖ ｔ
基于深度神经网络的肝硬化中医治疗预测研究
基于深度神经网络的肝硬化中医治疗预测研究肖瑞;裴卫;胡冯菊;肖勇【摘要】以中医电子病历中肝硬化数据为数据源,运用数据清洗、主成份分析技术构建致病指标与诊断结果二元组,通过训练神经网络和支持向量机分类器模型进行预测结果对比,结果表明该方法有效可行.【期刊名称】《医学信息学杂志》【年(卷),期】2019(040)005【总页数】5页(P56-59,76)【关键词】中医;电子病历;神经网络;文本挖掘;肝硬化【作者】肖瑞;裴卫;胡冯菊;肖勇【作者单位】湖北中医药大学信息工程学院武汉430065;湖北中医药大学信息工程学院武汉430065;湖北中医药大学信息工程学院武汉430065;湖北中医药大学信息工程学院武汉430065【正文语种】中文【中图分类】R-0561 引言中医病历又称医案、诊籍, 是中医临床各科医生对具体患者进行辨证论治的文字记录, 包括患者的生活习性、病情、诊断、治疗及预后等情况, 从而成为保存、查核、考评乃至研究具体医生开展具体诊疗活动的档案资料[1]。
但随着信息化、网络化的不断推进，电子病历已成为现今医疗记录的大趋势[2]。
应用电子病历不仅提高就诊效率、规范中医行业术语，还为后期中医药研究提供数据资源。
中医电子病历除具备一般电子病历的特征外还具有自身的特殊性。
在病历内容上不仅包括四诊、辩证、立法、处方，西医检查和诊断等现代医学诊疗信息，还包括中医学辨证论治的诊疗信息；在病历结构上既要满足医疗、法律、管理的要求，还要满足中医临床信息全面、准确采集的要求并做到高度结构化，以便对四诊信息中的定性描述进行量化记录；在标准规范化上，建立统一、全面、规范的中医治疗术语词表以便对诊疗用语进行规范；在诊疗处方上，中医处方及中药的药疗医嘱与西医处方和配药有很大不同，其配药流程和西医也不相同[3-4]。
肝硬化是由各种因素导致慢性肝损害的一类晚期肝纤维化疾病，肝移植是治疗肝硬化唯一有效手段,但受到供肝及费用等问题限制[5]。
BP神经网络在中医胃病病型诊断中的实现
BP神经网络在中医胃病病型诊断中的实现随着人们生活水平的提高和生活习惯的改变，胃病已经成为了一个普遍存在的健康问题。
而在中医的胃病诊断中，常常需要根据患者的症状和体征来判断病情和病型，然后再采取相应的治疗措施。
传统的中医诊断方法主要依赖于医生的经验和专业知识，但是由于每个医生的认知和经验不同，导致了诊断结果的不一致性。
为了解决这个问题，我们可以借助BP神经网络来实现中医胃病病型的诊断。
BP神经网络是一种常用的人工神经网络模型，它可以通过反向传播算法来训练网络的权值和偏置，从而实现对给定输入的输出预测。
在中医胃病病型诊断中，我们可以将病人的症状和体征作为神经网络的输入，将病型作为神经网络的输出。
通过训练神经网络，我们可以得到一个准确的模型，用于预测病人的胃病病型。
为了实现BP神经网络的中医胃病病型诊断，我们需要准备一个数据集。
这个数据集包含了大量胃病患者的症状和体征信息，以及对应的病型。
对于症状和体征信息，可以采用定性和量化的描述方式，比如将疼痛情况分为轻、中、重三个等级，将脉搏的强弱分为弱、中、强三个等级。
对于病型，可以采用编码的方式，比如将不同的胃病病型分别用1、2、3等数字表示。
然后，我们需要将数据集分为训练集和测试集。
训练集用于神经网络的权值和偏置的训练，测试集用于评估神经网络的性能和准确性。
接下来，我们需要确定神经网络的结构和参数，比如神经网络的层数、每层神经元的个数、学习率和迭代次数等。
我们可以使用训练好的神经网络来进行中医胃病病型的诊断。
当患者到医院就诊时，医生可以通过询问症状和检查体征来获取病人的输入，然后将这些输入输入到神经网络中，神经网络会输出一个预测的病型。
医生可以根据这个预测结果来制定相应的治疗方案和建议。
BP神经网络可以有效地实现中医胃病病型的诊断。
通过准备一个合适的数据集，并训练一个准确的神经网络模型，我们可以在医生的辅助下，实现胃病病型的快速、准确的诊断，从而提高治疗的效果和患者的满意度。
BP神经网络在中医胃病病型诊断中的实现
BP神经网络在中医胃病病型诊断中的实现中医胃病病型诊断是中医学的重要领域之一，本文将介绍BP神经网络在中医胃病病型诊断中的实现。
一、BP神经网络简介BP神经网络是一种前向反馈型神经网络，使用一种反向传播算法，可以有效解决非线性问题。
BP神经网络由输入层、隐含层和输出层组成，其中输入层接受输入信号，输出层产生输出信号，隐含层是神经元进行信息处理的中间层。
在BP神经网络模型中，每个神经元都有一个权重，该权重用于控制输入信号的强度和神经元的输出信号。
当输入向前传播时，每个神经元将按照其权重计算输入信号的总和，并将其传递到下一层。
在反向传播时，神经网络根据误差来调整每个神经元的权重，以更好地拟合训练数据。
中医胃病病型诊断是一项繁琐的工作，需要医生具备丰富的临床经验。
为了提高中医胃病病型诊断的准确性和效率，可以使用BP神经网络进行诊断。
在BP神经网络中，输入层将接收与胃病相关的各项指标，如脉象、舌象、症状等，隐含层将分析这些指标，并输出一个表示病型的数值。
输出层将给出病型的具体名称或编码。
为了训练BP神经网络，需要先收集大量的中医胃病病例数据，并将其整理成适合神经网络输入的格式。
然后，将其分为训练集和测试集，用训练集来训练神经网络，用测试集来评估神经网络的性能和准确度。
最后，经过多次训练和调整，BP神经网络可以在中医胃病病型诊断中表现出较高的准确度和效率。
由于中医胃病诊断需要全面考虑多个方面的因素，并需要结合临床经验进行判断，因此传统的人工诊断难以保证准确度和效率。
而BP神经网络可以利用大量的数据和先进的算法进行准确诊断，具有以下优点：1. 准确度高：BP神经网络可以利用大量训练数据，对各种不同的病例进行综合分析，从而提高学习能力和准确度。
2. 效率高：BP神经网络可以快速分析大量数据，提高诊断效率。
3. 可扩展性强：BP神经网络具有较强的可扩展性，可根据实际需求调整网络结构和算法参数。
BP神经网络在医疗诊断中的应用研究
BP神经网络在医疗诊断中的应用研究随着科技的发展和人民生活水平的提高，人们对医疗服务的要求也越来越高。
在这个过程中，好的医疗诊断技术不仅可以提高医疗效率，还可以提高医疗水平和医生的专业素养，这对于医疗领域的整个发展具有重要意义。
在这样的背景下，BP神经网络作为一种较为先进的人工神经网络，在医疗领域也得到了广泛的应用和研究。
本文将结合我国医疗诊断现状，探讨BP神经网络在医疗诊断中的应用研究。
一、BP神经网络介绍BP神经网络是一种基于反向传播算法的前馈型人工神经网络，它具有学习能力和适应性等特点，是一种常用的人工神经网络之一。
BP神经网络的训练过程是通过在高维空间中不断调整权值和阈值，从而实现对样本特征的提取和矫正，从而实现对样本分类的识别。
BP神经网络具有处理能力强、学习速度快、精度高等优点，被广泛应用于计算机视觉、语音识别、医疗诊断、金融分析、飞行控制等领域。
二、BP神经网络在医疗诊断中的应用1、医疗图像识别医疗图像识别是BP神经网络在医疗领域中的重要应用之一。
目前，很多医疗机构利用医学影像技术进行疾病的诊断、治疗和监测，如CT、MRI等医学影像技术，这些技术可以为医生提供详细的病灶信息，但是对于普通人来说，很难正确地解读这些医疗图像。
因此，使用BP神经网络可以对医疗图像进行识别和分析，准确地判断患者的病情和病变程度，帮助医生制定更加科学合理的治疗方案。
2、慢病诊断慢性疾病是指患者长期存在的疾病，由于患病的隐蔽性和病情的反复，很难进行准确的诊断和治疗。
针对这一问题，利用BP神经网络可以对患者的身体状况和病史等信息进行学习和分析，帮助医生更好地评估患者的病情，提供更加精准的慢病诊断结果，对于治疗和管理患者的病情也更加方便。
3、药物研发药物研发是医疗诊断领域中的一个比较困难的领域，传统的药物研发方法需要耗费大量的时间和金钱，而且成果也不一定会有预期效果。
而利用BP神经网络进行药物研发，可以快速筛选出具有潜力的化合物，并进行有效评价。
基于贝叶斯方法的中药治疗乙肝后肝硬化疗效评价-论文
２ ０ １ ｌ ， ６ （ １ ５） ： ６， ４ １ ０－ ４１ ３ ．
［ ３ ］ 郭立新 等．痛风．内科 学．北京大 学医学出版 社， ２ ０ １ ２ （ １ ） ： ８ ５ ６— ８ ６ ４ ． ［ ４ ］ 刘湘源 ， 郑 晓娟． 尿酸 持续达 标是 难治 性痛风 治疗 的关键 ． 北京 大 学学报 （ 医学
鱼、 凤尾鱼 、 鲑鱼和鲭鱼等 ； （ ３ ） 含 中等量 嘌呤 的食物 ： 荤食 ： 鸡 肉、 鸭肉、 猪 肉、 火腿、 牛 排、 兔 肉、 脑、 内脏 （ 胃和肠） 、 牡蛎 肉 、 虾和大 比目鱼 ， 及酸 苹果 、 菜豆 （ 肾形 豆） 、 小扁豆 、 蘑 菇或 菌类食品 、 豆制 品、 青豆 、 豌豆 、 菠菜 和花生等 （ ４ ） 低 嘌呤食 物： 茶、 咖啡、 果汁、 汽 水等饮料 ， 玉米粥 、 面条 、 空心 面、 面包等 谷类 ， 除 以上提 到的含 中等量 嘌呤蔬 菜以外 的 各 种蔬 菜水 果及坚果 ， 蛋类 、 乳制品 、 奶油制品 、 黄 油、 巧克 力等 。 ６ ． ２ ． 避免 过度劳累 、 紧张及剧 烈运动 、 损伤 。 ６ ． ３ ．限制体重 、 减 肥降脂。
７结 论
痛 风的发病率不断增加 ， 给患者的身体 造成严 重 的损伤 ， 应高 度重视 ， 结 合临 床症 状 和辅助 检查尽 早 治疗 和做好 预防保 健 ， 养 成 良好 的生 活 习惯 ， 提 高生 活质量 ， 促 进 健 康。
参 考 文 献
［ １ ］ 张琳 ， 闰雅更 ， 董凤利 ， 孙 文广 ， 郭晓微． 代谢综合征各组分对 无症状 高尿 酸血 症发
基于数据挖掘的中医治疗肝病临床用药规律与作用机制研究
基于数据挖掘的中医治疗肝病临床用药规律与作用机制研究北京中医药大学 | 宋京美目的本研究全面收集中医治疗肝病的处方,依托中医传承辅助平台系统构建数据库,并采用关联规则和复杂系统熵聚类方法,探讨中医治疗肝病时的组方规律。
同时应用网络药理学研究方法,对代表性药物组合进行机制研究,旨在阐明规律,为临床治疗肝病合理用药和新药开发研究提供一定的信息数据支持和参考依据。
方法收集了中医专著中治疗肝病的验案良方共有1181首。
首先依托于“中医传承辅助平台系统”构建数据库,进而采用关联规则apriori算法和复杂系统熵聚类方法,运用该软件的“数据分析系统”和“统计报表系统”项下的“方剂分析系统”进行数据分析。
同时还利用此分析方法对含有茯苓、丹参、白术、茵陈、柴胡的高频药物处方,进行深入分析,确定处方中各药物和药物组合的关联规则等。
以纳入1181首中医治疗肝病处方中的药物为研究基础,依托中药系统药理学分析平台(TCMSP)检索“茵陈、栀子、大黄”的化学成分和作用靶点,同时构建丙型肝炎的蛋白互作网络。
进而构建活性成分-预测靶点网络,活性成分-潜在靶点网络,进行基因本体(GO)功能富集分析、进行基于京都基因与基因组百科全书(KEGG)通路富集分析,研究该药物组合治疗丙型肝炎的作用机制。
结果(1)整体处方的组方规律研究:共收集六本中医专著中所有治疗肝病的验案良方1181首。
使用频次药物前五位药物为:茯苓(579次)、丹参(510次)、白术(480次)、茵陈(421次)、柴胡(374次);前5位高频次药物科属为:菊科、唇形科、毛茛科、伞形科、多孔菌科;处方中凉性药物使用最多,其次是温性、平性、寒性、热性;处方中归肝经药物频次最多,其次是脾经、肺经等。
高频次药物组合为:“丹参、茯苓”(259次)、“白术、茯苓”(221次)、“丹参、赤芍”(175次)、“丹参、郁金”(174次)、“丹参、茵陈”(169次);在支持度118,置信度>0.4以上的关联规则包括:“黄芪->丹参”(0.6525)、“白术->茯苓”(0.6424)、“黄芪->茯苓”(0.6144)、“党参→茯苓”(0.6142)、“赤芍->丹参”(0.5952);基于改进的互信息法的药物间关联度分析前五的分别为:“葛根-莪术(0.0119)”、“苦参-苍耳子(0.0116)”、“大黄-珍珠母(0.0114)”;基于复杂系统熵聚类的核心药物组合近80个;基于无监督的熵层次聚类的新处方分析,得到近40个新处方。
BP神经网络在中医疾病诊断中的实现
BP神经网络在中医疾病诊断中的实现作者：吴燎来源：《电脑知识与技术》2019年第22期摘要：疾病的诊断准确性是中医临床用药的关键，利用神经网络诊断中医疾病有利于提高疾病诊断的准确性，有利于中医数字化的发展。
在MATLAB环境下，利用BP神经网络技術，通过症状预测糖尿病、高血压、咳嗽、冠心病、胃病。
通过数据的整理，并提炼出网络模型，临床验证咳嗽的正确率达到93%，糖尿病正确率达到91%，高血压正确率达到94%，冠心病正确率达到97%，胃病的正确率达到90%，利用人工神经网络成功实现了疾病的诊断。
关键词：中医;神经网络;预测;诊断中图分类号：G642; ; ; ; 文献标识码：A文章编号：1009-3044（2019）22-0200-03开放科学（资源服务）标识码（OSID）：<E：＼知网文件＼电脑＼电脑22-24＼22＼5xs201922＼Image＼image1_1.png>1 引言通过国内期刊数据库对BP神经网络和中医临床诊断检索了87篇相关论文，其中关于神经网络报道16篇，BP神经网络报道27篇，人工神经网络报道10篇，与神经网络相关的论文一共43篇。
关于神经网络应用于疾病诊断，关于中医诊断9篇，中医证候9篇，中医专家系统6篇，高血压3篇，哮喘2篇，大肠癌2篇，冠心病3篇，糖尿病3篇。
在以前疾病的诊断中，一直试想如何提高诊断率是我们一直在努力思考的问题之一，虽然在利用BP神经网络达到了90%以上的准确率，大多数在92%左右。
此研究通过数据整理，增加了样本采集量，准确率可以达到98%左右。
之前，研究的病历资源较少，大肠癌症型分类研究中应用数据为338例，糖尿病肾病中医侯症中研究数据为449个，数据量往往只有200至400个左右。
本次增加了样本采集量，通过1565个数据实验，其中包括不同的疾病，糖尿病，高血压，冠心病，咳嗽，胃病。
使得疾病的类型覆盖面大大提高，得到各种急病的诊断率有所提高。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
ｓ ｎｄ ｏ ｃ ｒ ｓ ｅｇ ｅ ｔ ｓ ａ ｔ ｎｐ ｔ ｎ ｕ ｃ ｍｅ ． ｎ ｌ ｓ ｎ ＢＰ ｎ ｕ ａ ｅ ｏ ｋ ｉ ｕ ｔ ｂ ｅ ｆ ｒ ｈ ｅ ｔ ｎ ｆ ｈ ｈ ｒ ｃ ｅ ｉｔ ｓ ｙ ｒ ｍｅ ｓ ｏ ｅ ｒ ａｅ ｔ ｍｐ ｃ ａ ｉ ｔ ｔ ｏ ｓ Ｃｏ ｃｕ ｉ ： ｅ ｒ ｌ ｔ ｒ ｓ ｉ ｌ ｅｔ ａｍｅ ｔ ｅ ｃ ａａ ｔ ｒ ｉ ｈ ｔ ｉ ｏ ｅ ｏ ｏ ｎｗ ｓ ａ ｏ ｔ ｒ ｏ ｔ ｓｃ ｏ ｔ ｅｒ ｓ ｌ ｎ ａ ａｍｏ ｅｉ ｇ ｍｅｈ ｄ ｆ ｈ ｅ ｕ ｔ ｇ ｄ ｔ ｄ ｌ ｔ ｏ ． ｉ ｎ
预 测 和 影 响 因素 的 敏 感 度 分 析 ， 利 用 本研 究 的建 模 结 果 ， 为 Ｂ 神 经 网络 建模 的 方 法 学提 供 一 定 的参 考依 据 ，并 能 帮助 医 务人 员 Ｐ 做 出正 确 的 决 策 和 分 析 。 方 法 ：在 Ｓ Ｓ ｌ ｎｉｅ２０中进 行 建 模 和 预 测 ， 预 测 结 果 用 Ｓ Ｓ １ ． 行 Ｒ Ｃ 分 析 。 结 果 ：Ｂ Ｐ Ｓ Ｃｅ ｔ １． ｍｅ ｎ Ｐ Ｓ ３０进 Ｏ Ｐ神 经 网络 的 拟 合 度 和 预 测 准确 度 为 ８ ． ４ １ ２ ％， 门静 脉 内径 、 中医 症候 积 分 对 患者 的 治疗 结 果影 响 最 大 。结 论 ：Ｂ ２ Ｐ神 经 网络 是 比较 适 合 于 治疗 结 果 数 据 特 征 的 建模 方 法 。 【 键 词 】 治 疗 结 果 ：Ｂ 关 Ｐ神 经 网络 ：影 响 因素
Ｎｅ ｒ ｌ ｅｗｏ ｋ ｍｏ ｅｉ ｇ ｏ ａｉｎ ｓｗｉ ｉｒ ｏ ｉ ＣＭ ｅ ｔ ｅ ｔ ａ ｅ ｎ ｕ ａ ｔ ｒ ｄ ｌ ｆ ｔｅ ｔ ｔ ｃ ｒｈ ｓｓＴ ｎ ｎ ｐ ｈ ｔ ａｍ ｎ ｓ ｄ ｏ ｒ ｂ Ｂ ｌｏ ｉ ｍ Ｐ ａｇ ｒｔ ｈ
郑景辉 梁 健 邓 鑫 吴 发胜
（ 西 中 医学 院 附属 瑞 康 医 院 ，广 西 南 宁， ５ ０ １ ） 广 ３ ０ １
中图分类号 ：Ｒ６７３ 文章编号 ：１ ７ ．８ ０ （０ ２ ４０ ０ ．２ ６ ４７ ６ ２ １ ）１ ．１８０
要 】 目的 ：建 立基 于 Ｂ Ｐ神 经 网络 的 治 疗 结 果拟 合 模 型 ，并 在 已建 立 的 神 经 网络模 型 的 基 础 上 ，进 行 中 医 治 疗结 果 的
ｅ ｔｂ ｉｈ ｄ ｎ ｕ ａ ｅｗｏ ｋ ｍｏ ｅ ａ ｅ ｎ ｔ ｅｐ ｅ ｉ ｔ ｎ ｏ ｅｒ ｓ ｌ ｄ ｉ ａ ｔｆ ｃｏ ｓｏ ｅ Ｃ ｉ ｅ ｅ ｍｅ ｉ ｉ ｅｔｅ ｔ ｎ ａｙ ｉ， ｈ ｓａ ｌｓ ｅ ｅ ｒ ｌ ｔ ｒ ｄ ｌ ｓ ｄ ｏ ｒ ｄ ｃｉ ｆ ｈ ｅ ｕ ｔ ａ ｎ ｂ ｈ ｏ ｔ ｓｎ ｍｐ ｃ ａ ｔ ｒ ｆｔ ｈ ｎ ｓ ｄ ｃｎ ａ ｍｅ ｔ ｈ ｒ ｎ ａ ｌ ｓｓ ｔ ｅ ｕ ｅ ｏ ｅ ｍｏ ｅｉ ｇ ｒ ｓ ｌ ｆ ｈ ｓｓ ｙ ｓ ｈ ｏ ｏ ｐ ｏ ｉ ｅ ｓ ｍ ｅｒ ｆ ｒ ｎ ｅ ｆ ｒｔ ｅ ＢＰ ｎ ｕ ａ ｅ ｏ ｋ ｍｏ ｅｉ ｇ ｍｅ ｈ ｄ ａ ｄ ｃ ｎ ｈ ｌ ｈ ｓ ｆｔ ｄ ｌ ｅ ｕ ｔ ｏ ｉ ｔ ｃ ｏ ｌ ｒ ｖ ｄ ｏ ｅ ｅ ｅ ｃ ｏ ｅ ｒ ｌ ｔ ｒ ｄ ｌ ｔ ｏ ． ｈ ｎ ｓ ｔ ｕｄ ｔ ｈ ｎｗ ｎ ｎ ａ ｅｐ ｔ ｅ ｍｅ ｉ ａ ｔ ｆ ｋ ｅ ｒ ｈ ｅ ｉｉｎ ｎ ｎ ｌ ｓｓ Ｍ ｅｈ ｄ ：Ｓ Ｓ ｅ ｎ ｉ ｅ ２０ ｍｏ ｅｉ ｇ ａ ｄ ｆ ｒ ｃ ｓｉ ｇ ｎ ｄ ｆ ｒ ｃ ｓ ｒ ｓ ｌ ｄ ｃ ｌｓａ ｆｔ ｍａ ｅ ｔ ｉ ｔｄ ｃｓｏ ｓ ａ ｄ ａ ａｙ ｉ． ｏ ｈ ｇ ｔ ｏ ｓ Ｐ Ｓ Ｃｌｍｅ ｔ １ ． ｎ ｄｌ ｎ ｎ ｏ ｅ ａ ｔ ，ａ ｏ ｅ ａ ｔ ｅ ｕ ｔ ｎ ｓ
Ｓ Ｓ ３０ ＲＯＣ ａｙ ｉ． ｓ ｌ ： ｅ ｒ ｌｎ ｔ ｏ ｋ ｇ ｏ ｎ ｓ ｆｆ ｎ ｒ ｄ ｃｉ ｎ ａ ｃ ａ ｙ ｆ ｒ ８ ． ２ ％，ｐ ￣ａ ｅｎ ｄ ａ ｔ ｒ ＣＭ Ｐ Ｓ１ ． ｎ ａ ｌ ｓｓ Ｒｅ ｕ ｔ ＢＰ ｎ ｕ ａ ｅ ｓ ｗ ｒ ｏ ｄ ｅ ｓｏ ｔ ａ ｄ ｐ ｅ ｉｔｏ ｃ ｕ ｃ ｏ ２ ４ ｉ ｒ １ ｏ ｌｖ ｉ ｉｍｅ ｅ ，Ｔ
【 ｙ ｒ ｓ Ｔ ｅ ｔ ｎ ｔｏ ｓ Ｂ ｅ ｒ ｌ ｅ ｏｋ Ｉ ｆ ｅ ｃ ｇｆｃ ｒ Ｋｅ ｗｏ ｄ ］ ｒａ ｍｅ ｔ ｕ ｃ ｍｅ ； Ｐｎ ｕ ａ ｎ ｔ ｒ ；ｎ ｕ ｎ ｉ ｔ ｓ ｏ ｗ ｌ ｎ ａｏ
．
．
１ ８ ０． ．
Ｃｌ ｉａ ｏ ｒ ａ ｆ ｉ ｅ ｅＭ ｅ ｉ ｉ ｅ２ ２ Ｖ １ ４ ｉ ｃ ｌ ｕ ｎ ｌ Ｃｈ ｎ ｓ ｄ ｃｎ ０１ ｏ （） ｎ Ｊ ｏ
．
Ｎｏ１ ．４
基 于 ＢＰ算 法 的 肝 硬 化 患 者 中 医 治 疗 效 果
神 经 网 络 建 模 研 究