关于神经认知康复的神经网络模型的建议及其与模糊专家系统模型的比较
Martin Kotyrba1, Hashim Habiballa1, Eva Volna2
1Department of Informatics and Computers , University of Ostrava, Faculty of Science, 30.dubna 22, Ostrava, 70103, Czech Republic.
BMC medical informatics and decision making
|October 16, 2023
概括
本研究介绍了使用人工神经网络 (ANN) 创建个性化认知培训计划的智能神经康复系统. 在临床试验中,ANN的表现优于模糊专家系统,改善了神经康复的结果.
科学领域:
- 神经科学是一个神经科学.
- 人工智能的人工智能
- 康复医学 康复医学 康复医学
背景情况:
- 神经康复需要个性化的计划来有效地训练认知功能.
- 现有的系统可能缺乏适应性和准确性,以获得最佳的患者结果.
研究的目的:
- 开发和评估利用人工神经网络 (ANN) 的智能神经康复系统.
- 将基于ANN的系统与用于认知康复的模糊专家系统的有效性进行比较.
主要方法:
- 开发了一种新的算法,将ACE-R结果转移到CHC模型,用于个性化神经康复计划.
- 设计了一套6个难度级别,跨越9个CHC领域.
- 该ANN算法是在703名患者的数据上进行训练和验证的.
- 性能与模糊的专家系统和专家结论进行了比较.
主要成果:
- 与模糊专家系统相比,基于ANN的神经康复系统显示出明显优异的结果.
- 该系统根据患者数据自动生成个性化和优化的神经康复计划.
- 该系统成功地适应了真实患者数据,显示出强大的性能.
结论:
- 人工神经网络为智能神经康复提供了比模糊专家系统更有效的方法.
- 开发的系统为高级,个性化的认知训练提供了基础.
- 该系统集成到综合神经康复门户 (Eddie).
