神經(jīng)網(wǎng)絡與MATLAB神經(jīng)網(wǎng)絡工具箱-liu

神經(jīng)網(wǎng)絡與MATLAB神經(jīng)網(wǎng)絡工具箱

一、神經(jīng)網(wǎng)絡的背景、發(fā)展和現(xiàn)狀

二、神經(jīng)網(wǎng)絡結(jié)構和BP神經(jīng)網(wǎng)絡

三、神經(jīng)網(wǎng)絡的應用與實例一、神經(jīng)網(wǎng)絡的背景、發(fā)展和現(xiàn)狀1.1認識神經(jīng)網(wǎng)絡1.2人工神經(jīng)網(wǎng)絡的產(chǎn)生1.3神經(jīng)網(wǎng)絡的發(fā)展與現(xiàn)狀1.4神經(jīng)網(wǎng)絡的研究類容1.5目前存在的問題1.1認識神經(jīng)網(wǎng)絡

大腦是由大量神經(jīng)細胞或神經(jīng)元組成的。每個神經(jīng)元可看作是一個小的處理單元，這些神經(jīng)元按某種方式連接起來，形成大腦內(nèi)部的生理神經(jīng)元網(wǎng)絡。這種神經(jīng)元網(wǎng)絡中各神經(jīng)元之間聯(lián)結(jié)的強弱，按外部的激勵信號做自適應變化，而每個神經(jīng)元又隨著所接收到的多個接收信號的綜合大小而呈現(xiàn)興奮或抑制狀態(tài)。從而生物可以對外界刺激做出恰當?shù)姆磻?/p>

人工神經(jīng)網(wǎng)絡是基于模仿生物大腦的結(jié)構和功能而構成的一種信息處理系統(tǒng)。

1.1認識神經(jīng)網(wǎng)絡

因此，我們給出人工神經(jīng)網(wǎng)絡的定義：

人工神經(jīng)網(wǎng)絡（ArtificialNeuralNetworks，NN）是由大的簡單的處理單元（稱為神經(jīng)元）廣泛地互相連接而形成的復雜網(wǎng)絡系統(tǒng)，它反映了人腦功能的許多基本特征，是一個高度復雜的非線性動力學系統(tǒng)。

1.2人工神經(jīng)網(wǎng)絡的產(chǎn)生

各種較為精確的分析和科學實驗的結(jié)果表明，任何一個實際的物理系統(tǒng)都是非線性的。所謂線性只是對非線性的一種簡化或近似，或者說是非線性的一種特例。線性系統(tǒng)理論在對現(xiàn)實進行理想化和近似處理有著不可避免的缺陷。另外隨著生產(chǎn)生活的日益復雜，人們對自動控制和人工智能的要求越來越高。這對傳統(tǒng)的處理問題的方式提出了新的挑戰(zhàn)，迫切需求一種能對復雜事物做出迅速靈敏而又準確反應的工作模式。

生物的神經(jīng)系統(tǒng)總能恰當、迅速的辨別處復雜環(huán)境并做出恰當判斷，這種高智能無疑為人類模擬生物神經(jīng)系統(tǒng)高效解決問題提供了借鑒。

1.2人工神經(jīng)網(wǎng)絡的產(chǎn)生

因此，由具有適應性的簡單單元組成的廣泛并行互連成網(wǎng)絡、能夠模擬生物神經(jīng)系統(tǒng)對真實世界物體所作出的交互反應的人工神經(jīng)網(wǎng)絡應運而生

它克服了傳統(tǒng)人工智能方法對于直覺，如模式、語音識別、非結(jié)構化信息處理方面的缺陷特別適合處理需要同時考慮許多因素和條件的、不精確和模糊的信息處理問題。1.3神經(jīng)網(wǎng)絡的發(fā)展與現(xiàn)狀

神經(jīng)網(wǎng)絡起源于20世紀40年代，至今發(fā)展已半個多世紀，大致分為三個階段。 1）20世紀50年代-20世紀60年代：第一次研究高潮自1943年M-P模型開始，至20世紀60年代為止，這一時間可以稱為神經(jīng)網(wǎng)絡系統(tǒng)理論發(fā)展的初期階段。這個時期的主要特點是多種網(wǎng)絡的模型的產(chǎn)生與學習算法的確定。 2）20世紀60年代-20世紀70年代：低潮時期到了20世紀60年代，人們發(fā)現(xiàn)感知器存在一些缺陷，例如，它不能解決異或問題，因而研究工作趨向低潮。不過仍有不少學者繼續(xù)對神經(jīng)網(wǎng)絡進行研究。 Grossberg提出了自適應共振理論；Kohenen提出了自組織映射；Fukushima提出了神經(jīng)認知網(wǎng)絡理論；1.3神經(jīng)網(wǎng)絡的發(fā)展與現(xiàn)狀Anderson提出了BSB模型；Webos提出了BP理論等。這些都是在20世紀70年代和20世紀80年代初進行的工作。 3）20世紀80年代-90年代：第二次研究高潮進入20世紀80年代，神經(jīng)網(wǎng)絡研究進入高潮。這個時期最具有標志性的人物是美國加州工學院的物理學家JohnHopfield。他于1982年和1984年在美國科學院院刊上發(fā)表了兩篇文章，提出了模擬人腦的神經(jīng)網(wǎng)絡模型，即最著名的Hopfield模型。Hopfield網(wǎng)絡是一個互連的非線性動力學網(wǎng)絡，它解決問題的方法是一種反復運算的動態(tài)過程，這是符號邏輯處理方式做不具備的性質(zhì)。20世紀80年代后期到90年代初，神經(jīng)網(wǎng)絡系統(tǒng)理論形成了發(fā)展的熱點，多種模型、算法和應用被提出，研究經(jīng)費重新變得充足，使得研究者們完成了很多有意義的工作。1.3神經(jīng)網(wǎng)絡的發(fā)展與現(xiàn)狀

進入20世紀90年代以來，神經(jīng)網(wǎng)絡由于應用面還不夠?qū)挘Y(jié)果不夠精確，存在可信度問題，從而進入了認識與應用研究期。 1）開發(fā)現(xiàn)有模型的應用，并在應用中根據(jù)實際運行情況對模型、算法加以改造，以提高網(wǎng)絡的訓練速度和運行的準確度。 2）充分發(fā)揮兩種技術各自的優(yōu)勢是一個有效方法。 3）希望在理論上尋找新的突破，建立新的專用/通用模型和算法。 4）進一步對生物神經(jīng)系統(tǒng)進行研究，不斷地豐富對人腦的認識。1.4神經(jīng)網(wǎng)絡的研究類容

神經(jīng)網(wǎng)絡的研究內(nèi)容相當廣泛，反映了多科學交叉技術領域的特點。目前，主要的研究工作集中在以下四方面[6]：

（1）生物原型研究：從生理學、心理學、解剖學、腦科學、病理學生物科學方面研究神經(jīng)細胞、神經(jīng)網(wǎng)絡、神經(jīng)系統(tǒng)的生物原型結(jié)構及其功能機理。

（2）建立理論模型：根據(jù)生物圓形的研究，建立神經(jīng)元、神經(jīng)網(wǎng)絡的理論模型，其中包括概念模型、知識模型、物理化學模型、數(shù)學模型等。1.4神經(jīng)網(wǎng)絡的研究類容

（3）網(wǎng)絡模型與算法研究：在理論模型研究的基礎上構成具體的神經(jīng)網(wǎng)絡模型，以實現(xiàn)計算機模擬或準備制作硬件，包括網(wǎng)絡學習算法的研究。這方面的工作也稱為技術模型研究。

（4）神經(jīng)網(wǎng)絡應用系統(tǒng)：在網(wǎng)絡模型與算法研究的基礎上，利用神經(jīng)網(wǎng)絡組成實際的應用系統(tǒng)，例如，完成某種信號處理或模式識別的功能、構成專家系統(tǒng)、制成機器人等。1.5目前存在的問題

人工神經(jīng)網(wǎng)絡的發(fā)展具有強大的生命力。當前存在的問題是智能水平還不高，許多應用方面的要求還不能得到很好的滿足；網(wǎng)絡分析與綜合的一些理論性問題還未得到很好的解決。例如，由于訓練中穩(wěn)定性的要求學習率很小，所以梯度下降法使得訓練很忙動量法因為學習率的提高通常比單純的梯度下降法要快，但在實際應用中還是很慢[7]。針對千變?nèi)f化的應用對象，各類復雜的求解問題，編制一些特定的程序、軟件求解，耗費了大量的人力和物力。而這些軟件往往只針對某一方面的問題有效，并且在人機接口、用戶友好性等諸多方面存在一定的缺陷。在微機飛速發(fā)展的今天，很多都已不能滿足發(fā)展的需要。二、神經(jīng)網(wǎng)絡結(jié)構和BP神經(jīng)網(wǎng)絡2.1生物神經(jīng)元與神經(jīng)網(wǎng)絡2.2人工神經(jīng)元與人工神經(jīng)網(wǎng)絡

2.2.1人工神經(jīng)網(wǎng)絡的結(jié)構 2.2.2人工神經(jīng)元 2.2.3人工神經(jīng)網(wǎng)絡原理 2.2.4人工神經(jīng)網(wǎng)絡學習規(guī)則 2.2.5人工神經(jīng)網(wǎng)絡模型 2.2.6人工神經(jīng)網(wǎng)絡特點2.3BP神經(jīng)網(wǎng)絡

2.3.1BP神經(jīng)網(wǎng)絡定義 2.3.2BP神經(jīng)網(wǎng)絡原理 2.3.3BP神經(jīng)網(wǎng)絡的特點 2.3.4BP網(wǎng)絡的主要功能 2.4.5BP神經(jīng)網(wǎng)絡的優(yōu)缺點2.1生物神經(jīng)元與神經(jīng)網(wǎng)絡2.1.1生物神經(jīng)元

人腦大約由1012個神經(jīng)元組成，神經(jīng)元互相連接成神

經(jīng)網(wǎng)絡。神經(jīng)元是大腦處理信息的基本單元，以細胞體為主體，由許多向周圍延伸的不規(guī)則樹枝狀纖維構成的神經(jīng)細胞，其形狀很像一棵枯樹的枝干。它主要由細胞體、樹突、軸突和突觸(Synapse，又稱神經(jīng)鍵)組成。

從神經(jīng)元各組成部分的功能來看，信息的處理與傳遞主要發(fā)生在突觸附近。當神經(jīng)元細胞體通過軸突傳到突觸前膜的脈沖幅度達到一定強度，即超過其閾值電位后，突觸前膜將向突觸間隙釋放神經(jīng)傳遞的化學物質(zhì)。2.1.1生物神經(jīng)元

基本工作機制：一個神經(jīng)元有兩種狀態(tài)——興奮和抑制平時處于抑制狀態(tài)的神經(jīng)元，當接收到其它神經(jīng)元經(jīng)由突觸傳來的沖擊信號時，多個輸入在神經(jīng)元中以代數(shù)和的方式疊加。進入突觸的信號會被加權，起興奮作用的信號為正，起抑制作用的信號為負。如果疊加總量超過某個閾值，神經(jīng)元就會被激發(fā)進入興奮狀態(tài)，發(fā)出輸出脈沖，并由軸突的突觸傳遞給其它神經(jīng)元。2.1.1生物神經(jīng)元

信息輸入信息傳播與處理信息整合處理后結(jié)果：興奮或抑制結(jié)果輸出2.1生物神經(jīng)元與神經(jīng)網(wǎng)絡2.1.2生物神經(jīng)網(wǎng)絡神經(jīng)元之間可以有復雜聯(lián)系，彼此可以有輸入輸出關系，輸入和輸出之間的變換關系一般是非線性的。神經(jīng)網(wǎng)絡是由大量的處理單元（神經(jīng)元）互相連接而成的網(wǎng)絡。神經(jīng)網(wǎng)絡的信息處理通過神經(jīng)元的互相作用來實現(xiàn)，即信息輸入、經(jīng)神經(jīng)單元處理、通過各神經(jīng)元之間信號傳遞和綜合、輸出信息、生物做出反應。2.2人工神經(jīng)元與神經(jīng)網(wǎng)絡

人工神經(jīng)網(wǎng)絡（artificialneuralnetwork，ANN）是模仿生物神經(jīng)網(wǎng)絡功能的一種經(jīng)驗模型。它若干簡單（通常是自適應的）元件及其層次組織，以大規(guī)模并行連接方式構造而成的網(wǎng)絡，按照生物神經(jīng)網(wǎng)絡類似的方式處理輸入的信息。模仿生物神經(jīng)網(wǎng)絡而建立的人工神經(jīng)網(wǎng)絡，對輸入信號有功能強大的反應和處理能力。

但是，它只是對生物神經(jīng)網(wǎng)絡進行了某種抽象、簡化和模擬。神經(jīng)網(wǎng)絡的信息處理通過神經(jīng)元的互相作用來實現(xiàn)，知識與信息的存儲表現(xiàn)為網(wǎng)絡元件互相分布式的物理聯(lián)系。神經(jīng)網(wǎng)絡的學習和識別取決于各種神經(jīng)元連接權系數(shù)的動態(tài)演化過程。

2.2人工神經(jīng)元與神經(jīng)網(wǎng)絡

其中的一個神經(jīng)元可以接受多個輸入信號，按照一定的規(guī)則轉(zhuǎn)換為輸出信號。由于神經(jīng)網(wǎng)絡中神經(jīng)元間復雜的連接關系和各神經(jīng)元傳遞信號的非線性方式，輸入和輸出信號間可以構建出各種各樣的關系，因此可以用來作為黑箱模型，表達那些用機理模型還無法精確描述、但輸入和輸出之間確實有客觀的、確定性的或模糊性的規(guī)律。因此，人工神經(jīng)網(wǎng)絡作為經(jīng)驗模型的一種，在化工生產(chǎn)、研究和開發(fā)中得到了越來越多的用途。2.2人工神經(jīng)元與神經(jīng)網(wǎng)絡單純型層次型結(jié)構2.2.1人工神經(jīng)網(wǎng)絡的結(jié)構分類：

神經(jīng)網(wǎng)絡按網(wǎng)絡連接的層次型結(jié)構分類將神經(jīng)元按功能分成若干層，如輸入層、中間層、隱藏層和輸出層，各層順序相連2.2人工神經(jīng)元與神經(jīng)網(wǎng)絡

神經(jīng)網(wǎng)絡按連接形式分類有以下幾種基本形式：

前向網(wǎng)絡

網(wǎng)絡中的神經(jīng)元是分層排列的，每個神經(jīng)元只與前一層的神經(jīng)元相連接。神經(jīng)元分層排列，分別組成輸入層、中間層（也稱為隱含層，可以由若干層組成）和輸出層。每一層的神經(jīng)元只接受來自前一層神經(jīng)元的輸入，后面的層對前面的層沒有信號反饋。輸入模式經(jīng)過各層次的順序傳播，最后在輸出層上得到輸出。感知器網(wǎng)絡和BP網(wǎng)絡均屬于前向網(wǎng)絡。2.2人工神經(jīng)元與神經(jīng)網(wǎng)絡前向網(wǎng)絡結(jié)構：2.2人工神經(jīng)元與神經(jīng)網(wǎng)絡

從輸出到輸入有反饋的前向網(wǎng)絡

輸出層對輸入層有信息反饋，這種網(wǎng)絡可用于存儲某種模式序列，如神經(jīng)認知機和回歸BP網(wǎng)絡都屬于這種類型。

層內(nèi)互連前向網(wǎng)絡

通過層內(nèi)神經(jīng)元的相互結(jié)合，可以實現(xiàn)同一層神經(jīng)元之間的橫向抑制或興奮機制。這樣可以限制每層內(nèi)可以同時動作的神經(jīng)元素，或者把每層內(nèi)的神經(jīng)元分為若干組，讓每一組作為一個整體進行運作。例如，可利用橫向抑制機理把某層內(nèi)的具有最大輸出的神經(jīng)元挑選出來，從而抑制其他神經(jīng)元，使之處于無輸出狀態(tài)。2.2人工神經(jīng)元與神經(jīng)網(wǎng)絡

相互結(jié)合型網(wǎng)絡

相互結(jié)合型網(wǎng)絡結(jié)構如圖2.7所示，這種網(wǎng)絡在任意兩個神經(jīng)元之間都可能有連接。Hopfield網(wǎng)絡和Boltzmann機均屬于這種類型。在無反饋的前向網(wǎng)絡中，信號一旦通過某神經(jīng)元，該神經(jīng)元的處理就結(jié)束了。而在相互結(jié)合網(wǎng)絡中，信號要在神經(jīng)元之間反復傳遞，網(wǎng)絡處于一種不斷變化狀態(tài)的動態(tài)之中。信號從某初始狀態(tài)開始，經(jīng)過若干次變化，才會達到某種平衡狀態(tài)。根據(jù)網(wǎng)絡的結(jié)構和神經(jīng)元的特性，網(wǎng)絡的運行還有可能進入周期振蕩或其他如混沌平衡狀態(tài)。2.2人工神經(jīng)元與神經(jīng)網(wǎng)絡 2.2.2人工神經(jīng)元模型生物神經(jīng)元是一個多輸入、單輸出單元。模擬生物神經(jīng)元，常用的人工神經(jīng)元模型如下：輸入和輸出的關系可表示為:

2.2.

2人工神經(jīng)元模型神經(jīng)元的傳遞函數(shù) f（X）是激發(fā)函數(shù)；它可以是線性函數(shù)，也可以是非線性函數(shù)．例如，若取激發(fā)函數(shù)為符號函數(shù)

2.2.

2人工神經(jīng)元模型神經(jīng)元的傳遞函數(shù)2.2人工神經(jīng)元和神經(jīng)網(wǎng)絡 2.2.3人工神經(jīng)網(wǎng)絡基本原理

生物神經(jīng)元信號的傳遞是通過突觸進行的一個復雜的電化學等過程,在人工神經(jīng)網(wǎng)絡中是將其簡化模擬成一組數(shù)字信號通過一定的學習規(guī)則而不斷變動更新的過程，這組數(shù)字儲存在神經(jīng)元之間的連接權重。網(wǎng)絡的輸入層模擬的是神經(jīng)系統(tǒng)中的感覺神經(jīng)元，它接收輸入樣本信號。輸入信號經(jīng)輸入層輸入，通過隱含層的復雜計算由輸出層輸出，輸出信號與期望輸出相比較，若有誤差，再將誤差信號反向由輸出層通過隱含層處理后向輸入層傳播。在這個過程中，誤差通過梯度下降算法，分攤給各層的所有單元，從而獲得各單元的誤差信號，以此誤差信號為依據(jù)修正各單元權值，網(wǎng)絡權值因此被重新分布。此過程完成后，輸入信號再次由輸入層輸入網(wǎng)絡，重復上述過程。這種信號正向傳播與誤差反向傳播的各層權值調(diào)整過程周而復始地進行著，直到網(wǎng)絡輸出的誤差減少到可以接受的程度，或進行到預先設定的學習次數(shù)為止。權值不斷調(diào)整的過程就是網(wǎng)絡的學習訓練過程。2.2人工神經(jīng)元與神經(jīng)網(wǎng)絡信息傳遞與數(shù)據(jù)處理示意圖如下：2.2人工神經(jīng)元與神經(jīng)網(wǎng)絡簡化：多層網(wǎng)絡簡化模型2.2人工神經(jīng)元與神經(jīng)網(wǎng)絡 2.2.4人工神經(jīng)網(wǎng)絡學習規(guī)則：

關鍵在于如何決定每一神經(jīng)元的權值，常用的學習規(guī)則有以下幾種：Hebb規(guī)則Delta規(guī)則(最小均方差規(guī)則)反向傳播學習方法Kohonen學習規(guī)則(用于無指導訓練網(wǎng)絡)Grosberg學習方法2.2人工神經(jīng)元與神經(jīng)網(wǎng)絡2.2.5人工神經(jīng)網(wǎng)絡模型共70多種，具有代表性的有：（1）感知器（Perceptron）（2）多層前饋（BP）網(wǎng)絡（3）Hopfield網(wǎng)絡(優(yōu)化)（4）Boltzmann機（在BP中加入噪聲）（5）雙向聯(lián)想記憶網(wǎng)絡（快速存儲）2.2人工神經(jīng)元與神經(jīng)網(wǎng)絡2.2.6人工神經(jīng)網(wǎng)絡的特點

（1）可處理非線性

（2）并行結(jié)構．對神經(jīng)網(wǎng)絡中的每一個神經(jīng)元來說；其運算都是同樣的．這樣的結(jié)構最便于計算機并行處理．

（3）具有學習和記憶能力．一個神經(jīng)網(wǎng)絡可以通過訓練學習判別事物；學習某一種規(guī)律或規(guī)則

（4）對數(shù)據(jù)的可容性大．在神經(jīng)網(wǎng)絡中可以同時使用量化數(shù)據(jù)和質(zhì)量數(shù)據(jù)（如好、中、差、及格、不及格等）．

（5）神經(jīng)網(wǎng)絡可以用大規(guī)模集成電路來實現(xiàn)．如美國用256個神經(jīng)元組成的神經(jīng)網(wǎng)絡組成硬件用于識別手寫體的郵政編碼．2.3BP神經(jīng)網(wǎng)絡 2.3.1BP神經(jīng)網(wǎng)絡定義 BP(BackPropagation)神經(jīng)網(wǎng)絡是一種神經(jīng)網(wǎng)絡學習算法。其由輸入層、中間層、輸出層組成的階層型神經(jīng)網(wǎng)絡，中間層可擴展為多層。相鄰層之間各神經(jīng)元進行全連接，而每層各神經(jīng)元之間無連接，網(wǎng)絡按有教師示教的方式進行學習，當一對學習模式提供給網(wǎng)絡后，各神經(jīng)元獲得網(wǎng)絡的輸入響應產(chǎn)生連接權值（Weight）。然后按減小希望輸出與實際輸出誤差的方向，從輸出層經(jīng)各中間層逐層修正各連接權，回到輸入層。此過程反復交替進行，直至網(wǎng)絡的全局誤差趨向給定的極小值，即完成學習的過程。2.3BP神經(jīng)網(wǎng)絡 2.3.2BP神經(jīng)網(wǎng)絡基本原理

同上（略）2.3BP神經(jīng)網(wǎng)絡 2.3.3BP神經(jīng)網(wǎng)絡特點1）信息分布存儲。人腦存儲信息的特點是利用突觸效能的變化來調(diào)整存儲內(nèi)容，即信息存儲在神經(jīng)元之間的連接強度的分布上，BP神經(jīng)網(wǎng)絡模擬人腦的這一特點，使信息以連接權值的形式分布于整個網(wǎng)絡。2)信息并行處理。人腦神經(jīng)元之間傳遞脈沖信號的速度遠低于馮·諾依曼計算機的工作速度，但是在很多問題上卻可以做出快速的判斷、決策和處理，這是由于人腦是一個大規(guī)模并行與串行組合的處理系統(tǒng)。BP神經(jīng)網(wǎng)絡的基本結(jié)構模仿人腦，具有并行處理的特征，大大提高了網(wǎng)絡功能。2.3BP神經(jīng)網(wǎng)絡3）具有容錯性。生物神經(jīng)系統(tǒng)部分不嚴重損傷并不影響整體功能，BP神經(jīng)網(wǎng)絡也具有這種特性，網(wǎng)絡的高度連接意味著少量的誤差可能不會產(chǎn)生嚴重的后果，部分神經(jīng)元的損傷不破壞整體，它可以自動修正誤差。這與現(xiàn)代計算機的脆弱性形成鮮明對比。4）具有自學習、自組織、自適應的能力。BP神經(jīng)網(wǎng)絡具有初步的自適應與自組織能力，在學習或訓練中改變突觸權值以適應環(huán)境，可以在使用過程中不斷學習完善自己的功能，并且同一網(wǎng)絡因?qū)W習方式的不同可以具有不同的功能，它甚至具有創(chuàng)新能力，可以發(fā)展知識，以至超過設計者原有的知識水平。2.3BP神經(jīng)網(wǎng)絡 2.3.4BP神經(jīng)網(wǎng)絡主要功能目前，在人工神經(jīng)網(wǎng)絡的實際應用中。絕大部分的神經(jīng)網(wǎng)絡模型都采用BP神經(jīng)網(wǎng)絡及其變化形式。它也是前向網(wǎng)絡的核心部分，體現(xiàn)了人工神經(jīng)網(wǎng)絡的精華。BP網(wǎng)絡主要用于以下四方面[3]。函數(shù)逼近：用輸入向量和相應的輸出向量訓練一個網(wǎng)絡以逼近一個函數(shù)。模式識別：用一個待定的輸出向量將它與輸入向量聯(lián)系起來。分類：把輸入向量所定義的合適方式進行分類。數(shù)據(jù)壓縮：減少輸出向量維數(shù)以便傳輸或存儲。2.3BP神經(jīng)網(wǎng)絡 2.3.5BP神經(jīng)網(wǎng)絡優(yōu)缺點優(yōu)點：具有極強的非線性映射能力有對外界刺激和輸入信息進行聯(lián)想記憶的能力對外界輸入樣本有很強的識別與分類能力具有優(yōu)化計算能力不足：穩(wěn)定性和學習效率存在矛盾尋優(yōu)的過程與初始點的選擇關系很大，不一定有全局最優(yōu)解網(wǎng)絡隱層神經(jīng)元的數(shù)目也對網(wǎng)絡有一定的影響三、神經(jīng)網(wǎng)絡的應用與實例3.1MATLAB中的神經(jīng)網(wǎng)絡3.2人工神經(jīng)網(wǎng)絡的應用領域3.3BP神經(jīng)網(wǎng)絡的解決問題實例3.1MATLAB中的神經(jīng)網(wǎng)絡神經(jīng)網(wǎng)絡工具箱幾乎涵蓋了所有的神經(jīng)網(wǎng)絡的基本常用模型，如感知器和BP網(wǎng)絡等。對于各種不同的網(wǎng)絡模型，神經(jīng)網(wǎng)絡工具箱集成了多種學習算法。BP網(wǎng)絡的常用函數(shù)表如下：3.1MATLAB中的神經(jīng)網(wǎng)絡3.1.1BP網(wǎng)絡創(chuàng)建函數(shù)(1)newff：創(chuàng)建一個BP網(wǎng)絡。調(diào)用格式為：net=newffnet=newff(PR,[S1S2..SN1],{TF1TF2..TFN1},BTF,BLF,PF)注：net=newff;用于在對話框中創(chuàng)建一個BP網(wǎng)絡。net為創(chuàng)建的新BP神經(jīng)網(wǎng)絡；PR為網(wǎng)絡輸入向量取值范圍的矩陣；[S1S2…SNl]表示網(wǎng)絡隱含層和輸出層神經(jīng)元的個數(shù)；{TFlTF2…TFN1}表示網(wǎng)絡隱含層和輸出層的傳輸函數(shù)，默認為‘tansig’；BTF表示網(wǎng)絡的訓練函數(shù)，默認為‘trainlm’；BLF表示網(wǎng)絡的權值學習函數(shù)，默認為‘learngdm’；PF表示性能數(shù)，默認為‘mse’。3.1MATLAB中的神經(jīng)網(wǎng)絡（2）newcf：用于創(chuàng)建級聯(lián)前向BP網(wǎng)絡，newfftd函數(shù)用于創(chuàng)建一個存在輸入延遲的前向網(wǎng)絡3.1MATLAB中的神經(jīng)網(wǎng)絡 3.1.2傳遞函數(shù)傳遞函數(shù)是BP網(wǎng)絡的重要組成部分。傳遞函數(shù)又稱為激活函數(shù)，必須是連續(xù)可微的。BP網(wǎng)絡經(jīng)常采用S型的對數(shù)或正切函數(shù)和線性函數(shù)。（1）logsig（2）tansig（3）purelin3.1MATLAB中的神經(jīng)網(wǎng)絡 3.1.3學習函數(shù)Learngd：為梯度下降權值/閾值學習函數(shù)，它通過神經(jīng)元的輸入和誤差，以及權值和閾值的學習效率，來計算權值或閾值的變化率。Learngdm：為梯度下降動量學習函數(shù)，它利用神經(jīng)元的輸入和誤差、權值或閾值的學習速率和動量常數(shù)，來計算權值或閾值的變化率。3.1MATLAB中的神經(jīng)網(wǎng)絡 3.1.4訓練函數(shù)

（1）train：神經(jīng)網(wǎng)絡訓練函數(shù)，調(diào)用其他訓練函數(shù)，對網(wǎng)絡進行訓練。該函數(shù)的調(diào)用格式為：[net,tr,Y,E,Pf,Af]=train(NET,P,T,Pi,Ai)[net,tr,Y,E,Pf,Af]=train(NET,P,T,Pi,Ai,VV,TV)

（2）traingd：為梯度下降BP算法函數(shù)。traingdm函數(shù)為梯度下降動量BP算法函數(shù)。3.2人工神經(jīng)網(wǎng)絡的應用領域

神經(jīng)網(wǎng)絡理論的應用取得了令人矚目的發(fā)展，特別是在人工智能、自動控制、計算機科學、信息處理、機器人、模式識別、CAD/CAM等方面都有重大的應用實例。下面列出一些主要應用領域：

（1）模式識別和圖像處理。印刷體和手寫字符識別、語音識別、簽字識別、指紋識別、人體病理分析、目標檢測與識別、圖像壓縮和圖像復制等。

（2）控制和優(yōu)化?；み^程控制、機器人運動控制、家電控制、半導體生產(chǎn)中摻雜控制、石油精煉優(yōu)化控制和超大規(guī)模集成電路布線設計等。3.2人工神經(jīng)網(wǎng)絡的應用領域

（3）預報和智能信息管理。股票市場預測、地震預報、有價證券管理、借貸風險分析、IC卡管理和交通管理。

（4）通信。自適應均衡、回波抵消、路由選擇和ATM網(wǎng)絡中的呼叫接納識別和控制。

（5）空間科學?？臻g交匯對接控制、導航信息智能管理、飛行器制導和飛行程序優(yōu)化管理等。3.3BP神經(jīng)網(wǎng)絡的解決問題實例BP網(wǎng)絡由很強的映射能力，主要用于模式識別分類、函數(shù)逼近、函數(shù)壓縮等3.3.1BP網(wǎng)絡在函數(shù)逼近中的應用

要求設計一個BP網(wǎng)絡，逼近以下函數(shù)：g(x)=1+sin(k*pi/4*x)，實現(xiàn)對該非線性函數(shù)的逼近。其中，分別令k=1，2，4進行仿真，通過調(diào)節(jié)參數(shù)（如隱藏層節(jié)點個數(shù)等）得出信號的頻率與隱層節(jié)點之間，隱層節(jié)點與函數(shù)逼近能力之間的關系。步驟1：假設頻率參數(shù)k=1，繪制要逼近的非線性函數(shù)的曲線步驟3：網(wǎng)絡的建立步驟3：網(wǎng)絡訓練步驟4：網(wǎng)絡測試步驟5：不同頻率下的逼近效果3.3.1BP網(wǎng)絡在函數(shù)逼近中的應用程序：k=1;n=3;p=[-1:.05:8];t=1+sin(k*pi/4*p);%創(chuàng)建網(wǎng)絡net=newff(minmax(p),[n,1],{'tansig''purelin'},'trainlm');%對于初始網(wǎng)絡，可以應用sim（）函數(shù)觀察網(wǎng)絡輸出。y1=sim(net,p);figure;plot(p,t,'-',p,y1,':')title('未訓練網(wǎng)絡的輸出結(jié)果');xlabel(‘時間’)；ylabel('仿真輸出--原函數(shù)-')%未訓練網(wǎng)絡時精度不夠，設置訓練時間和精度進行訓練net.trainParam.epochs=50;(網(wǎng)絡訓練時間設置為50)net.trainParam.goal=0.01;（網(wǎng)絡訓練精度設置為0.01）net=train(net,p,t);（開始訓練網(wǎng)絡）3.3.1BP網(wǎng)絡在函數(shù)逼近中的應用%訓練后的輸出與標準輸出值繪圖y2=sim(net,p);figure;plot(p,t,'-',p,y1,':',p,y2,'--')title('訓練后網(wǎng)絡的輸出結(jié)果');xlabel('時間');ylabel('仿真輸出');結(jié)論：

通過上述仿真結(jié)果可知，當k=1，n=3時；k=2，n=6時；k=4，n=8時；k=8，n=15時，BP神經(jīng)網(wǎng)絡分別對函數(shù)取得了較好的逼近效果。由此可見，n取不同的值對函數(shù)逼近的效果有很大的影響。改變BP網(wǎng)絡隱層神經(jīng)元的數(shù)目，可以改變BP神經(jīng)網(wǎng)絡對于函數(shù)的逼近效果。隱層神經(jīng)元數(shù)目越多，則BP網(wǎng)絡逼近非線性函數(shù)的能力越強。3.3BP神經(jīng)網(wǎng)絡的解決問題實例3.3.2

BP網(wǎng)絡在樣本含量估計中的應用實例：這是一個神經(jīng)網(wǎng)絡在醫(yī)學中應用的例子。擬設計一臺儀器，通過對血液樣本進行光譜分析來測試血清中膽固醇水平。共采集了264位病人的血液樣本，對其光譜分析共發(fā)現(xiàn)21種光譜波長。對這些病人，通過血清分離，同樣也測量了hdl、ldl、vldl膽固醇水平。步驟：

（1）將數(shù)據(jù)導入Matlab工作空間，進行主要成分的分析 (2)將這些數(shù)據(jù)分成幾個部分，分別用于訓練、驗證和測試3.3.2

BP網(wǎng)絡在樣本含量估計中的應用程序：%通過主要成分分析

loadcholes_all%matlab中有一個choles_all.mat文件它包含了本問題需要的原始數(shù)據(jù)[pn,meanp,stdp,tn,meant,stdt]=prestd(p,t);%prestd

函數(shù)對樣本數(shù)據(jù)作歸一化處理[ptrans,sransMat]=prepca(pn,0.001);%利用

prepca

函數(shù)對歸一化后的樣本數(shù)據(jù)進行主元分析%通過主要成分分析，由結(jié)果知原始數(shù)據(jù)有著很大的冗余度，因此自選少部分指標就行?，F(xiàn)將這些數(shù)據(jù)分成3個部分，1/2用于訓練、1/4驗證和1/4測試。iitst=2:4:Q;iival=4:4:Q;iitr=[1:4:Q3:4:Q];val.P=ptrans(:,iival);val.T=tn(:,iival);test.P=ptrans(:,iitst);test.T=tn(:,iitst);ptr=ptrans(:,iitr);ttr=tn(:,iitr);3.3.2

BP網(wǎng)絡在樣本含量估計中的應用%創(chuàng)建網(wǎng)絡net=newff(minmax(ptr),[53],{‘tansig’‘purelin’},‘trainlm’);%設置訓練參數(shù)net.trainParam.show=5;%訓練、驗證、并測試[net,tr]=train(net,ptr,ttr,[],[],val,test);plot(tr.epoch,tr.perf,‘-',tr.epoch,tr.vperf,':',tr.epoch,tr.tperf,'-.')legend('Training','Validation','Test',-1);ylabel('平方差');xlabel('時間')3.3.2

BP網(wǎng)絡在樣本含量估計中的應用%輸出結(jié)果回歸分析an=sim(net,ptrans);a=poststd(an,meant,stdt);fori=1:3figure(i)[m(i),b(i),r(i)]=postreg(a(i,:),t(i,:));%postreg()將三組輸出進行線性回歸分析End結(jié)論：

改變隱含層數(shù)值，比較輸出結(jié)果與標準值之間差異。其中當隱層神經(jīng)元為五個時，前面兩個輸出期望值的跟蹤較好，相應的R值幾乎達到了0.9，而第三個輸出則吻合得不是很理想，作進一步研究，在當隱層數(shù)據(jù)為15時，較第一種情況，它的輸出更加接近于期望值。比較可知，當隱層數(shù)目越多，則測試得到的樣本水平越接近于期望值。MagneticResonanceImaging磁共振成像發(fā)生事件作者或公司磁共振發(fā)展史1946發(fā)現(xiàn)磁共振現(xiàn)象BlochPurcell1971發(fā)現(xiàn)腫瘤的T1、T2時間長Damadian1973做出兩個充水試管MR圖像Lauterbur1974活鼠的MR圖像Lauterbur等1976人體胸部的MR圖像Damadian1977初期的全身MR圖像

Mallard1980磁共振裝置商品化1989

0.15T永磁商用磁共振設備中國安科

2003諾貝爾獎金LauterburMansfierd時間MR成像基本原理實現(xiàn)人體磁共振成像的條件:人體內(nèi)氫原子核是人體內(nèi)最多的物質(zhì)。最易受外加磁場的影響而發(fā)生磁共振現(xiàn)象(沒有核輻射)有一個穩(wěn)定的靜磁場（磁體）梯度場和射頻場：前者用于空間編碼和選層，后者施加特定頻率的射頻脈沖，使之形成磁共振現(xiàn)象信號接收裝置：各種線圈計算機系統(tǒng)：完成信號采集、傳輸、圖像重建、后處理等

人體內(nèi)的H核子可看作是自旋狀態(tài)下的小星球。自然狀態(tài)下，H核進動雜亂無章，磁性相互抵消zMyx進入靜磁場后，H核磁矩發(fā)生規(guī)律性排列（正負方向），正負方向的磁矢量相互抵消后，少數(shù)正向排列（低能態(tài)）的H核合成總磁化矢量M，即為MR信號基礎ZZYYXB0XMZMXYA:施加90度RF脈沖前的磁化矢量MzB:施加90度RF脈沖后的磁化矢量Mxy.并以Larmor頻率橫向施進C:90度脈沖對磁化矢量的作用。即M以螺旋運動的形式傾倒到橫向平面ABC在這一過程中，產(chǎn)生能量

三、弛豫（Relaxation）回復“自由”的過程

1.

縱向弛豫（T1弛豫）：

M0（MZ）的恢復，“量變”高能態(tài)1H→低能態(tài)1H自旋—晶格弛豫、熱弛豫

吸收RF光子能量（共振）低能態(tài)1H高能態(tài)1H

放出能量（光子，MRS）T1弛豫時間：

MZ恢復到M0的2/3所需的時間

T1愈小、M0恢復愈快T2弛豫時間：MXY喪失2/3所需的時間；T2愈大、同相位時間長MXY持續(xù)時間愈長MXY與ST1加權成像、T2加權成像

所謂的加權就是“突出”的意思

T1加權成像（T1WI）----突出組織T1弛豫（縱向弛豫）差別

T2加權成像（T2WI）----突出組織T2弛豫（橫向弛豫）差別。

磁共振診斷基于此兩種標準圖像磁共振常規(guī)h檢查必掃這兩種標準圖像.T1的長度在數(shù)百至數(shù)千毫秒（ms）范圍T2值的長度在數(shù)十至數(shù)千毫秒（ms）范圍

在同一個馳豫過程中,T2比T1短得多

如何觀看MR圖像：首先我們要分清圖像上的各種標示。分清掃描序列、掃描部位、掃描層面。正常或異常的所在部位---即在同一層面觀察、分析T1、T2加權像上信號改變。絕大部分病變T1WI是低信號、T2WI是高信號改變。只要熟悉掃描部位正常組織結(jié)構的信號表現(xiàn)，通常病變與正常組織不會混淆。一般的規(guī)律是T1WI看解剖,T2WI看病變。磁共振成像技術－－圖像空間分辨力，對比分辨力一、如何確定MRI的來源（一）層面的選擇1.MXY產(chǎn)生（1H共振）條件

RF=ω=γB02.梯度磁場Z（GZ）

GZ→B0→ω

不同頻率的RF

特定層面1H激勵、共振

3.層厚的影響因素

RF的帶寬↓

GZ的強度↑層厚↓〈二〉體素信號的確定1、頻率編碼2、相位編碼

M0↑--GZ、RF→相應層面MXY----------GY→沿Y方向1H有不同ω

各1H同相位MXY旋進速度不同同頻率一定時間后→→GX→沿X方向1H有不同ω沿Y方向不同1H的MXYMXY旋進頻率不同位置不同（相位不同）〈三〉空間定位及傅立葉轉(zhuǎn)換

GZ----某一層面產(chǎn)生MXYGX----MXY旋進頻率不同

GY----MXY旋進相位不同（不影響MXY大小）

↓某一層面不同的體素，有不同頻率、相位

MRS（FID）第三節(jié)、磁共振檢查技術檢查技術產(chǎn)生圖像的序列名產(chǎn)生圖像的脈沖序列技術名TRA、COR、SAGT1WT2WSETR、TE…….梯度回波FFE快速自旋回波FSE壓脂壓水MRA短TR短TE－－T1W長TR長TE－－T2W增強MR最常用的技術是：多層、多回波的SE（spinecho，自旋回波）技術磁共振掃描時間參數(shù)：TR、TE磁共振掃描還有許多其他參數(shù)：層厚、層距、層數(shù)、矩陣等序列常規(guī)序列自旋回波（SE）,快速自旋回波（FSE）梯度回波（FE）反轉(zhuǎn)恢復（IR），脂肪抑制（STIR）、水抑制（FLAIR）高級序列水成像（MRCP,MRU,MRM）血管造影（MRA,TOF2D/3D）三維成像（SPGR）彌散成像（DWI）關節(jié)運動分析是一種成像技術而非掃描序列自旋回波（SE）必掃序列圖像清晰顯示解剖結(jié)構目前只用于T1加權像快速自旋回波（FSE）必掃序列成像速度快多用于T2加權像梯度回波（GE）成像速度快對出血敏感T2加權像水抑制反轉(zhuǎn)恢復（IR）水抑制（FLAIR）抑制自由水梗塞灶顯示清晰判斷病灶成份脂肪抑制反轉(zhuǎn)恢復（IR）脂肪抑制（STIR）抑制脂肪信號判斷病灶成分其它組織顯示更清晰血管造影（MRA）無需造影劑TOF法PC法MIP投影動靜脈分開顯示水成像（MRCP，MRU，MRM）含水管道系統(tǒng)成像膽道MRCP泌尿路MRU椎管MRM主要用于診斷梗阻擴張超高空間分辨率掃描任意方位重建窄間距重建技術大大提高對小器官、小病灶的診斷能力三維梯度回波（SPGR） 早期診斷腦梗塞

彌散成像MRI的設備一、信號的產(chǎn)生、探測接受1.磁體（Magnet）:靜磁場B0（Tesla,T）→組織凈磁矩M0

永磁型（permanentmagnet）常導型（resistivemagnet）超導型（superconductingmagnet）磁體屏蔽（magnetshielding）2.梯度線圈（gradientcoil）:

形成X、Y、Z軸的磁場梯度功率、切換率3.射頻系統(tǒng)（radio-frequencesystem，RF）

MR信號接收二、信號的處理和圖象顯示數(shù)模轉(zhuǎn)換、計算機，等等；MRI技術的優(yōu)勢1、軟組織分辨力強（判斷組織特性）2、多方位成像3、流空效應（顯示血管）4、無骨骼偽影5、無電離輻射，無碘過敏6、不斷有新的成像技術MRI技術的禁忌證和限度1.禁忌證

體內(nèi)彈片、金屬異物各種金屬置入：固定假牙、起搏器、血管夾、人造關節(jié)、支架等危重病人的生命監(jiān)護系統(tǒng)、維持系統(tǒng)不能合作病人，早期妊娠，高熱及散熱障礙2.其他鈣化顯示相對較差空間分辨較差（體部，較同等CT）費用昂貴多數(shù)MR機檢查時間較長1.病人必須去除一切金屬物品，最好更衣，以免金屬物被吸入磁體而影響磁場均勻度，甚或傷及病人。2.掃描過程中病人身體（皮膚）不要直接觸碰磁體內(nèi)壁及各種導線，防止病人灼傷。3.紋身（紋眉）、化妝品、染發(fā)等應事先去掉，因其可能會引起灼傷。4.病人應帶耳塞，以防聽力損傷。掃描注意事項顱腦MRI適應癥顱內(nèi)良惡性占位病變腦血管性疾病梗死、出血、動脈瘤、動靜脈畸形（AVM）等顱腦外傷性疾病腦挫裂傷、外傷性顱內(nèi)血腫等感染性疾病腦膿腫、化膿性腦膜炎、病毒性腦炎、結(jié)核等脫髓鞘性或變性類疾病多發(fā)性硬化（MS）等先天性畸形胼胝體發(fā)育不良、小腦扁桃體下疝畸形等脊柱和脊髓MRI適應證1.腫瘤性病變椎管類腫瘤（髓內(nèi)、髓外硬膜內(nèi)、硬膜外），椎骨腫瘤（轉(zhuǎn)移性、原發(fā)性）2.炎癥性疾病脊椎結(jié)核、骨髓炎、椎間盤感染、硬膜外膿腫、蛛網(wǎng)膜炎、脊髓炎等3.外傷骨折、脫位、椎間盤突出、椎管內(nèi)血腫、脊髓損傷等4.脊柱退行性變和椎管狹窄癥椎間盤變性、膨隆、突出、游離，各種原因椎管狹窄，術后改變，5.脊髓血管畸形和血管瘤6.脊髓脫髓鞘疾?。ㄈ鏜S），脊髓萎縮7.先天性畸形胸部MRI適應證呼吸系統(tǒng)對縱隔及肺門區(qū)病變顯示良好，對肺部結(jié)構顯示不如CT。胸廓入口病變及其上下比鄰關系縱隔腫瘤和囊腫及其與大血管的關系其他較CT無明顯優(yōu)越性心臟及大血管大血管病變各類動脈瘤、腔靜脈血栓等心臟及心包腫瘤，心包其他病變其他（如先心、各種心肌病等）較超聲心動圖無優(yōu)勢，應用不廣腹部MRI適應證主要用于部分實質(zhì)性器官的腫瘤性病變肝腫瘤性病變，提供鑒別信息胰腺腫瘤，有利小胰癌、胰島細胞癌顯示宮頸、宮體良惡性腫瘤及分期等，先天畸形腫瘤的定位（臟器上下緣附近）、分期膽道、尿路梗阻和腫瘤，MRCP，MRU直腸腫瘤骨與關節(jié)MRI適應證X線及CT的后續(xù)檢查手段－－鈣質(zhì)顯示差和空間分辨力部分情況可作首選：1.累及骨髓改變的骨?。ㄔ缙诠侨毖詨乃溃缙诠撬柩?、骨髓腫瘤或侵犯骨髓的腫瘤）2.結(jié)構復雜關節(jié)的損傷（膝、髖關節(jié)）3.形狀復雜部位的檢查（脊柱、骨盆等）軟件登錄界面軟件掃描界面圖像瀏覽界面膠片打印界面報告界面報告界面2合理應用抗菌藥物預防手術部位感染概述外科手術部位感染的2/3發(fā)生在切口醫(yī)療費用的增加病人滿意度下降導致感染、止血和疼痛一直是外科的三大挑戰(zhàn)，止血和疼痛目前已較好解決感染仍是外科醫(yī)生面臨的重大問題，處理不當，將產(chǎn)生嚴重后果外科手術部位感染占院內(nèi)感染的14%～16%，僅次于呼吸道感染和泌尿道感染，居院內(nèi)感染第3位嚴重手術部位的感染——病人的災難，醫(yī)生的夢魘

預防手術部位感染（surgicalsiteinfection,SSI)

手術部位感染的40%–60%可以預防圍手術期使用抗菌藥物的目的外科醫(yī)生的困惑★圍手術期應用抗生素是預防什么感染？★哪些情況需要抗生素預防？★怎樣選擇抗生素？★什么時候開始用藥？★抗生素要用多長時間？定義：指發(fā)生在切口或手術深部器官或腔隙的感染分類：切口淺部感染切口深部感染器官／腔隙感染一、SSI定義和分類二、SSI診斷標準——切口淺部感染

指術后30天內(nèi)發(fā)生、僅累及皮膚及皮下組織的感染，并至少具備下述情況之一者：

1．切口淺層有膿性分泌物

2．切口淺層分泌物培養(yǎng)出細菌

3．具有下列癥狀體征之一：紅熱，腫脹，疼痛或壓痛，因而醫(yī)師將切口開放者（如培養(yǎng)陰性則不算感染）

4．由外科醫(yī)師診斷為切口淺部SSI

注意：縫線膿點及戳孔周圍感染不列為手術部位感染二、SSI診斷標準——切口深部感染

指術后30天內(nèi)（如有人工植入物則為術后1年內(nèi)）發(fā)生、累及切口深部筋膜及肌層的感染，并至少具備下述情況之一者：

1.切口深部流出膿液

2.切口深部自行裂開或由醫(yī)師主動打開，且具備下列癥狀體征之一：①體溫＞38℃；②局部疼痛或壓痛

3.臨床或經(jīng)手術或病理組織學或影像學診斷，發(fā)現(xiàn)切口深部有膿腫

4.外科醫(yī)師診斷為切口深部感染

注意：感染同時累及切口淺部及深部者，應列為深部感染

二、SSI診斷標準—器官／腔隙感染

指術后30天內(nèi)（如有人工植入物★則術后1年內(nèi)）、發(fā)生在手術曾涉及部位的器官或腔隙的感染，通過手術打開或其他手術處理，并至少具備以下情況之一者：

1.放置于器官/腔隙的引流管有膿性引流物

2.器官/腔隙的液體或組織培養(yǎng)有致病菌

3.經(jīng)手術或病理組織學或影像學診斷器官/腔隙有膿腫

4.外科醫(yī)師診斷為器官/腔隙感染

★人工植入物：指人工心臟瓣膜、人工血管、人工關節(jié)等二、SSI診斷標準—器官／腔隙感染

不同種類手術部位的器官/腔隙感染有：

腹部：腹腔內(nèi)感染（腹膜炎，腹腔膿腫）生殖道：子宮內(nèi)膜炎、盆腔炎、盆腔膿腫血管：靜脈或動脈感染三、SSI的發(fā)生率美國1986年～1996年593344例手術中，發(fā)生SSI15523次，占2.62%英國1997年～2001年152所醫(yī)院報告在74734例手術中，發(fā)生SSI3151例，占4.22%中國？SSI占院內(nèi)感染的14～16%，僅次于呼吸道感染和泌尿道感染三、SSI的發(fā)生率SSI與部位：非腹部手術為2%～5%腹部手術可高達20%SSI與病人：入住ICU的機會增加60%再次入院的機會是未感染者的5倍SSI與切口類型：清潔傷口 1%～2%清潔有植入物 ＜5%可染傷口＜10%手術類別手術數(shù)SSI數(shù)感染率(%)小腸手術6466610.2大腸手術7116919.7子宮切除術71271722.4肝、膽管、胰手術1201512.5膽囊切除術8222.4不同種類手術的SSI發(fā)生率：三、SSI的發(fā)生率手術類別SSI數(shù)SSI類別（%）切口淺部切口深部器官/腔隙小腸手術6652.335.412.3大腸手術69158.426.315.3子宮切除術17278.813.57.6骨折開放復位12379.712.28.1不同種類手術的SSI類別：三、SSI的發(fā)生率延遲愈合疝內(nèi)臟膨出膿腫，瘺形成。需要進一步處理這里感染將導致:延遲愈合疝內(nèi)臟膨出膿腫、瘺形成需進一步處理四、SSI的后果四、SSI的后果在一些重大手術，器官/腔隙感染可占到1/3。SSI病人死亡的77%與感染有關，其中90%是器官/腔隙嚴重感染

——InfectControlandHospEpidemiol,1999,20(40:247-280SSI的死亡率是未感染者的2倍五、導致SSI的危險因素（1）病人因素：高齡、營養(yǎng)不良、糖尿病、肥胖、吸煙、其他部位有感染灶、已有細菌定植、免疫低下、低氧血癥五、導致SSI的危險因素（2）術前因素：術前住院時間過長用剃刀剃毛、剃毛過早手術野衛(wèi)生狀況差（術前未很好沐?。τ兄刚髡呶从每股仡A防五、導致SSI的危險因素（3）手術因素：手術時間長、術中發(fā)生明顯污染置入人工材料、組織創(chuàng)傷大止血不徹底、局部積血積液存在死腔和/或失活組織留置引流術中低血壓、大量輸血刷手不徹底、消毒液使用不當器械敷料滅菌不徹底等手術特定時間是指在大量同種手術中處于第75百分位的手術持續(xù)時間其因手術種類不同而存在差異超過T越多，SSI機會越大五、導致SSI的危險因素（4）SSI危險指數(shù)（美國國家醫(yī)院感染監(jiān)測系統(tǒng)制定）：病人術前已有≥3種危險因素污染或污穢的手術切口手術持續(xù)時間超過該類手術的特定時間（T）

（或一般手術＞2h)六、預防SSI干預方法根據(jù)指南使用預防性抗菌藥物正確脫毛方法縮短術前住院時間維持手術患者的正常體溫血糖控制氧療抗菌素的預防/治療預防

在污染細菌接觸宿主手術部位前給藥治療

在污染細菌接觸宿主手術部位后給藥

防患于未然六、預防SSI干預方法

——抗菌藥物的應用125預防和治療性抗菌素使用目的：清潔手術：防止可能的外源污染可染手術：減少粘膜定植細菌的數(shù)量污染手術：清除已經(jīng)污染宿主的細菌六、預防SSI干預方法

——抗菌藥物的應用126需植入假體，心臟手術、神外手術、血管外科手術等六、預防SSI干預方法

——抗菌藥物的應用預防性抗菌素使用指征：可染傷口(Clean-contaminatedwound)污染傷口（Contaminatedwound）清潔傷口（Cleanwound）但存在感染風險六、預防SSI干預方法

——抗菌藥物的應用外科預防性抗生素的應用：預防性抗生素對哪些病人有用?什么時候開始用藥?抗生素種類選擇?使用單次還是多次?采用怎樣的給藥途徑？六、預防SSI干預方法

——抗菌藥物的應用預防性抗菌素顯示有效的手術有：婦產(chǎn)科手術胃腸道手術(包括闌尾炎)口咽部手術腹部和肢體血管手術心臟手術骨科假體植入術開顱手術某些“清潔”手術六、預防SSI干預方法

——抗菌藥物的應用外科預防性抗生素的應用：預防性抗生素對哪些病人有用?什么時候開始用藥?抗生素種類選擇?使用單次還是多次?采用怎樣的給藥途徑？六、預防SSI干預方法

——抗菌藥物的應用

理想的給藥時間？目前還沒有明確的證據(jù)表明最佳的給藥時機研究顯示：切皮前45～75min給藥，SSI發(fā)生率最低，且不建議在切皮前30min內(nèi)給藥影響給藥時間的因素:所選藥物的代謝動力學特性手術中污染發(fā)生的可能時間病人的循環(huán)動力學狀態(tài)止血帶的使用剖宮產(chǎn)細菌在手術傷口接種后的生長動力學

手術過程

012345671hr2hrs6hrs1day3-5days細菌數(shù)logCFU/ml六、預防SSI干預方法

——抗菌藥物的應用132術后給藥，細菌在手術傷口接種的生長動力學無改變

手術過程抗生素血腫血漿六、預防SSI干預方法

——抗菌藥物的應用Antibioticsinclot

手術過程

血漿中抗生素予以抗生素血塊中抗生素血漿術前給藥，可以有效抑制細菌在手術傷口的生長六、預防SSI干預方法

——抗菌藥物的應用134ClassenDC,etal..NEnglJMed1992;326:281切開前時間切開后時間予以抗生素切開六、預防SSI干預方法

——抗菌藥物的應用不同給藥時間，手術傷口的感染率不同NEJM1992;326:281-6投藥時間感染數(shù)（%）相對危險度(95%CI)早期（切皮前2-24h）36914(3.8%)6.7(2.9-14.7)4.3手術前（切皮前45-75min)170810(0.9%)1.0圍手術期（切皮后3h內(nèi)）2824(1.4%)2.4(0.9-7.9) 2.1手術后（切皮3h以上）48816(3.3%)5.8(2.6-12.3)

5.8全部284744(1.5%)似然比病人數(shù)六、預防SSI干預方法

——抗菌藥物的應用結(jié)論：抗生素在切皮前45-75min或麻醉誘導開始時給藥，預防SSI效果好136六、預防SSI干預方法

——抗菌藥物的應用切口切開后，局部抗生素分布將受阻必須在切口切開前給藥?。?！抗菌素應在切皮前45～75min給藥六、預防SSI干預方法

——抗菌藥物的應用外科預防性抗生素的應用：預防性抗生素對哪些病人有用?什么時候開始用藥?抗生素種類選擇?使用單次還是多次?采用怎樣的給藥途徑？有效安全殺菌劑半衰期長相對窄譜廉價六、預防SSI干預方法

——抗菌藥物的應用抗生素的選擇原則：各類手術最易引起SSI的病原菌及預防用藥選擇六、預防SSI干預方法

——抗菌藥物的應用

手術最可能的病原菌預防用藥選擇膽道手術革蘭陰性桿菌，厭氧菌頭孢呋辛或頭孢哌酮或

(如脆弱類桿菌）頭孢曲松闌尾手術革蘭陰性桿菌，厭氧菌頭孢呋辛或頭孢噻肟；

(如脆弱類桿菌）＋甲硝唑結(jié)、直腸手術革蘭陰性桿菌，厭氧菌頭孢呋辛或頭孢曲松或

(如脆弱類桿菌）頭孢噻肟；＋甲硝唑泌尿外科手術革蘭陰性桿菌頭孢呋辛；環(huán)丙沙星婦產(chǎn)科手術革蘭陰性桿菌，腸球菌頭孢呋辛或頭孢曲松或

B族鏈球菌，厭氧菌頭孢噻肟；+甲硝唑莫西沙星（可單藥應用）注:各種手術切口感染都可能由葡萄球菌引起六、預防SSI干預方法

——抗菌藥物的應用外科預防性抗生素的應用：預防性抗生素對哪些病人有用?什么時候開始用藥?抗生素種類選擇?使用單次還是多次?采用怎樣的給藥途徑？六、預防SSI干預方法

——抗菌藥物的應用單次給藥還是多次給藥？沒有證據(jù)顯示多次給藥比單次給藥好傷口關閉后給藥沒有益處多數(shù)指南建議24小時內(nèi)停藥沒有必要維持抗菌素治療直到撤除尿管和引流管手術時間延長或術中出血量較大時可重復給藥細菌污染定植感染一次性用藥用藥24h用藥4872h數(shù)小時從十數(shù)小時到數(shù)十小時六、預防SSI干預方法

——抗菌藥物的應用用藥時機不同，用藥期限也應不同短時間預防性應用抗生素的優(yōu)點：六、預防SSI干預方法

——抗菌藥物的應用減少毒副作用不易產(chǎn)生耐藥菌株不易引起微生態(tài)紊亂減輕病人負擔可以選用單價較高但效果較好的抗生素減少護理工作量藥品消耗增加抗菌素相關并發(fā)癥增加耐藥抗菌素種類增加易引起脆弱芽孢桿菌腸炎MRSA（耐甲氧西林金黃色葡萄球菌）定植六、預防SSI干預方法

——抗菌藥物的應用延長抗菌素使用的缺點：六、預防SSI干預方法

——抗菌藥物的應用外科預防性抗生素的應用：預防性抗生素對哪些病人有用?什么時候開始用藥?抗生素種類選擇?使用單次還是多次?采用怎樣的給藥途徑？正確的給藥方法：六、預防SSI干預方法

——抗菌藥物的應用應靜脈給藥，2030min滴完肌注、口服存在吸收上的個體差異，不能保證血液和組織的藥物濃度，不宜采用常用的-內(nèi)酰胺類抗生素半衰期為12h，若手術超過３４h，應給第２個劑量，必要時還可用第３次可能有損傷腸管的手術，術前用抗菌藥物準備腸道局部抗生素沖洗創(chuàng)腔或傷口無確切預防效果，不予提倡不應將日常全身性應用的抗生素應用于傷口局部（誘發(fā)高耐藥）必要時可用新霉素、桿菌肽等抗生素緩釋系統(tǒng)（PMMA—青大霉素骨水泥或膠原海綿)局部應用可能有一定益處六、預防SSI干預方法

——抗菌藥物的應用不提倡局部預防應用抗生素：時機不當時間太長選藥不當，缺乏針對性六、預防SSI干預方法

——抗菌藥物的應用預防用藥易犯的錯誤：在開刀前45-75min之內(nèi)投藥按最新臨床指南選藥術后24小時內(nèi)停藥擇期手術后一般無須繼續(xù)使用抗生素大量對比研究證明，手術后繼續(xù)用藥數(shù)次或數(shù)天并不能降低手術后感染率若病人有明顯感染高危因素或使用人工植入物，可再用1次或數(shù)次小結(jié)預防SSI干預方法

——正確的脫毛方法用脫毛劑、術前即刻備皮可有效減少SSI的發(fā)生手術部位脫毛方法與切口感染率的關系：備皮方法 剃毛備皮 5.6%

脫毛0.6%備皮時間 術前24小時前 ＞20%

術前24小時內(nèi) 7.1%

術前即刻 3.1%方法/時間 術前即刻剪毛 1.8%

前1晚剪/剃毛 4.0%THANKYOUMagneticResonanceImagingPART01磁共振成像發(fā)生事件作者或公司磁共振發(fā)展史1946發(fā)現(xiàn)磁共振現(xiàn)象BlochPurcell1971發(fā)現(xiàn)腫瘤的T1、T2時間長Damadian1973做出兩個充水試管MR圖像Lauterbur1974活鼠的MR圖像Lauterbur等1976人體胸部的MR圖像Damadian1977初期的全身MR圖像

Mallard1980磁共振裝置商品化1989

0.15T永磁商用磁共振設備中國安科

2003諾貝爾獎金LauterburMansfierd時間PART02MR成像基本原理實現(xiàn)人體磁共振成像的條件:人體內(nèi)氫原子核是人體內(nèi)最多的物質(zhì)。最易受外加磁場的影響而發(fā)生磁共振現(xiàn)象(沒有核輻射)有一個穩(wěn)定的靜磁場（磁體）梯度場和射頻場：前者用于空間編碼和選層，后者施加特定頻率的射頻脈沖，使之形成磁共振現(xiàn)象信號接收裝置：各種線圈計算機系統(tǒng)：完成信號采集、傳輸、圖像重建、后處理等

人體內(nèi)的H核子可看作是自旋狀態(tài)下的小星球。自然狀態(tài)下，H核進動雜亂無章，磁性相互抵消zMyx進入靜磁場后，H核磁矩發(fā)生規(guī)律性排列（正負方向），正負方向的磁矢量相互抵消后，少數(shù)正向排列（低能態(tài)）的H核合成總磁化矢量M，即為MR信號基礎ZZYYXB0XMZMXYA:施加90度RF脈沖前的磁化矢量MzB:施加90度RF脈沖后的磁化矢量Mxy.并以Larmor頻率橫向施進C:90度脈沖對磁化矢量的作用。即M以螺旋運動的形式傾倒到橫向平面ABC在這一過程中，產(chǎn)生能量

三、弛豫（Relaxation）回復“自由”的過程

1.

縱向弛豫（T1弛豫）：

M0（MZ）的恢復，“量變”高能態(tài)1H→低能態(tài)1H自旋—晶格弛豫、熱弛豫

吸收RF光子能量（共振）低能態(tài)1H高能態(tài)1H

放出能量（光子，MRS）T1弛豫時間：

MZ恢復到M0的2/3所需的時間

T1愈小、M0恢復愈快T2弛豫時間：MXY喪失2/3所需的時間；T2愈大、同相位時間長MXY持續(xù)時間愈長MXY與ST1加權成像、T2加權成像

所謂的加權就是“突出”的意思

T1加權成像（T1WI）----突出組織T1弛豫（縱向弛豫）差別

T2加權成像（T2WI）----突出組織T2弛豫（橫向弛豫）差別。

磁共振診斷基于此兩種標準圖像磁共振常規(guī)h檢查必掃這兩種標準圖像.T1的長度在數(shù)百至數(shù)千毫秒（ms）范圍T2值的長度在數(shù)十至數(shù)千毫秒（ms）范圍

在同一個馳豫過程中,T2比T1短得多

如何觀看MR圖像：首先我們要分清圖像上的各種標示。分清掃描序列、掃描部位、掃描層面。正常或異常的所在部位---即在同一層面觀察、分析T1、T2加權像上信號改變。絕大部分病變T1WI是低信號、T2WI是高信號改變。只要熟悉掃描部位正常組織結(jié)構的信號表現(xiàn)，通常病變與正常組織不會混淆。一般的規(guī)律是T1WI看解剖,T2WI看病變。磁共振成像技術－－圖像空間分辨力，對比分辨力一、如何確定MRI的來源（一）層面的選擇1.MXY產(chǎn)生（1H共振）條件

RF=ω=γB02.梯度磁場Z（GZ）

GZ→B0→ω

不同頻率的RF

特定層面1H激勵、共振

3.層厚的影響因素

RF的帶寬↓

GZ的強度↑層厚↓〈二〉體素信號的確定1、頻率編碼2、相位編碼

M0↑--GZ、RF→相應層面MXY----------GY→沿Y方向1H有不同ω

各1H同相位MXY旋進速度不同同頻率一定時間后→→GX→沿X方向1H有不同ω沿Y方向不同1H的MXYMXY旋進頻率不同位置不同（相位不同）〈三〉空間定位及傅立葉轉(zhuǎn)換

GZ----某一層面產(chǎn)生