第1章绪论
1.1麻醉深度的概念及临床意义
知识发现是指从己有的数据集合中抽取和提炼新的解决问题的方法。知识发现的实现手段主要是借助于计算机科学领域的各种技术方法，有效地分析计算机或其它学科的数据，如医疗领域产生的数据集合，从中发现有价值的知识和规律，从而提高该领域生产或研究实践的效率。这方面的研究己成为知识发现领域跨学在知识发现的过程中，首先应确定知识发现的对(即数据准备)，然后确立采用什么手段作为知识发现的方法(即数据挖掘)，最后对结果做出评价和解释。其中，数据准备是知识发现过程的基础，解释和评价是用来验证结论的正确性。而数据挖掘则是整个知识发现过程中的核心。
1.2当前评估麻醉深度的方法及局限
数据挖掘的基本方法有:人工神经网络、机器学习和统计学方法等。在知识发现的方法中，统计学的方法是基于一个类别已知的训练样本集(例如由人类专家评定的样本集)，机器学习则是以符号运算为基础。从麻醉深度研究的角度看，由于在麻醉深度方面并没有类别明确知的训练样本集和精确有效的符号系统，因此统计学方法和机器学习不适合作为本文研究中的知识发现的方法。同时统计学方法也不具备本项研究所要求的开放性和延续性。与统计学方法相反，人工神经网络可以是模型无关的，能够调整权值使系统的输出在特征空间逼近任意目标。而且人工神经网络具有学习能力，可随着输入参数的变化进行自调整，人工神经网络对于模型无关的问题是合适的，尤其是当训练集维数小于问题域的维数。基于上述比较，在本文的研究中，采用人工神经网络作为知识发现的主要方法。
………………
第2章数据准备
2.1确定知识发现的对象
Milier等人在1992年，建立了称之为专家系统，由该专家系统对病人的病情、麻醉手术风险作出估计，从而制定出较为理想的麻醉预案;1999年认厄tt等人在犬类中用人工神经网络法判断麻醉深度。该方法能对犬类脑电进行识别和分类。对犬的试验表明人工神经网络用于麻醉深度的判断，准确率达到人工神经网络的主要特点是，适合解决多输入参数的聚类分析等复杂问题，如模式识别;具备学习能力，随着参数的变化进行自调整等。这些特点使之在麻醉等医疗领域有着良好的应用前景。综上所述，人工神经网络可以作为一种知识发现的工具，为解决医领域的复杂问题提供一种相对来说比较有效的简单方法比较图3-1和图3-2，可以看出人工神经网络是对生物神经网络的一种结构模拟。其中人工神经网络的输入、权值和偏置值相当于生物神经网络的树突，完成接受并处理外界信号的功能。传输函数相当于生物神经元的细胞体和轴突，完成对净输入信号的记忆、分类、再传输等功能。虽然人工神经网络的结构不如生物神经网络那样复杂，但人工神经网络也可以有多层结构，每层也可以由多个神经元构成，并且神经元的传输函数可以不同。用于解决实际问题的人工神经网络的结构是由它所要实现的功能决定的。多层人工神经网的功能往往都比单层人工神经网络的功能强。比如，一个第一层具有S形函数，第二层具有线性函数的人工神经网络，经过训练可对大多数函数达到任意精度的逼近，而单层人工神经网络则不具备这种能力。
2.2建立麻醉病例数据库
感知机分为单层和多层，其中单层感知机只能解决线性可分问题。而多层感知机则可以解决非线性可分的问题。H~ing网络专门用于求解二值模式识别问题(要求问题输入向量的每元素只能是两个可能值中的一个)，其结构采用了前馈层和反馈层。H叩field网络则利用输入向量对网络中的神经元进行初始化，然后网络不断迭代直至收敛，最终输出结果为一个标准向量。经过对麻醉深度检测问题域的分析和对各种人工神经网络模型的比较，在本文的研究中采用学习向量量化LvQ(leamingvectorquantization)人工神经网络模型。下面重点介绍本文将要用到的学习向量量化人工神经网络模型的结构、原理和训练方法。在决定采用人工神经网络技术之前，应首先考虑是否有必要采用人工神经网络来解决问题。人工神经网络与其它计算或推理方法相比并非优越。只是在某些常规方法无法解决或效果不佳时可以考虑采用神经网络的方法例。尤其是当对问题的机理规律不甚了解，或不能用数学模型精确表示系统时人工神经网络是最佳工具。人工神经网络对处理包含大量原始数据而不能用规则或公式描述的问题表现出极大的灵活性和良好的适应性训。
……………………
第3章数据挖掘阶段的神经网络应用……12
3.1数据挖掘的基本方法……12
3.2人工神经网络在医疗领域的应用…12
3.3人工神经网络简介……13
3.4麻醉深度检测的神经网络设计…23
第4章结果的检验及评价……30
4.1诊断效能的评价方法……30
4.2在结果评价时应注意的原则和问题……32
4.3神经网络对麻醉深度的诊断效能…33
第4章结果的检验及评价
4.1诊断效能的评价方法
从上表可以看出，真阳性(truepositive，TP)例数代表了新诊断方法判断患者存在某种情况，而实际上确实有这种情况的患者例数;真阴性(truenegative，TN)例数代表了新诊断方法判断患者不存在某种情况，而实际上确实没有这种情况的患者例数;假阳性(falsepositive，FP)例数代表了新诊断方法判断患者存在某种情况，而实际上没有这种情况的患者例数;假阴性(falsenegative，FN)例数代表了新诊断方法判断患者不存在某种情况，而实际上有这种情的患者例数。由此不难理解，灵敏度反映了新诊断方法对确实有某种情况患者的检出率，越大，代表新方法的检出能力越强:特异性反映了新诊断方法对确实没有某种情况患者的检出率，越大，代表新方法排除某种情况的能力越强;而准确率是将灵敏度和特异性结合起来进行评价的指标。
………………
结论
在本课题的研究过程中发现，神经网络的训练数据和输入数据的采集耗费了较多的时间。虽然这一工作并不是课题的中心问题，但是训练用和检验用样本的数据量直接影响到对本文所确立的神经网络的评价。同时，为了后续研究的效率，某些具有潜在研究价值的数据也必须考虑在内，所以有必要进一步建立良好的数据采集方法和机制。由于手术中所使用的监护仪型号种类较多，找到一种兼容性好的采集方法非常困难并代价较大，所以本研究没有采用自动化的采集数据方法。是否能或者是否必要在术中进行自动化麻醉数据采集是个需要进一步探讨的问题。
参考文献（略）