一个神经网络计算结构的分数顺序乳腺癌模型
Zhenglin Huang1, Qusain Haider2,3, Zulqurnain Sabir4
1North China Institute of Computing Technology, Beijing, 100000, China. Hzl_2970558385@163.com.
Scientific reports
|December 20, 2023
概括
这项研究引入了一种使用先进神经网络的新型分量乳腺癌模型. 分数模型为癌症动态提供了更精确的解决方案,通过强大的数值性能来验证.
科学领域:
- 计算生物学 计算生物学
- 数学瘤学数学瘤学
- 生物医学工程 生物医学工程
背景情况:
- 乳腺癌建模对于了解疾病动态至关重要.
- 分数计算为复杂的生物系统提供了比整数顺序模型更高的精度.
- 结合癌症干细胞,健康细胞,瘤细胞,雌激素和免疫细胞,提供了一个全面的FKBC模型.
研究的目的:
- 开发和数量解决一个分数顺序的乳腺癌模型 (FKBC).
- 调查微分衍生品对乳腺癌动态精度的影响.
- 为了实现一个可靠的随机计算方案,使用莱文伯格·马奎特反向传播神经网络 (LMBNNS) 为FKBC模型.
主要方法:
- 制定了一种包含五种细胞类型的分数顺序乳腺癌模型 (FKBC).
- 一个Levenberg Marquardt反向传播神经网络 (LMBNNS) 方案被用于数值解决方案.
- 使用Adam解决器生成了一个数据集,其中82%用于培训,9%用于验证和测试.
主要成果:
- 在解决FKBC模型时,LMBNNS解决器表现出高精度和可靠性.
- 微不足道的绝对误差和不同分数顺序的匹配解决方案验证了模型的正确性.
- 错误组图,过渡状态和回归分析证实了解决者的准确性和一致性.
结论:
- 拟议的分数顺序乳腺癌模型和LMBNNS解答器为模拟癌症动态提供了精确可靠的方法.
- 分数计算提高了与传统的整数顺序方法相比,生物系统建模的准确性.
- 这项研究证实了随机计算和神经网络在解决复杂的生物医学问题的有效性.
