[发明专利]一种用于提升骨髓干细胞活性的超声激励参数优化方法在审
申请号: | 201810417361.4 | 申请日: | 2018-05-02 |
公开(公告)号: | CN109146075A | 公开(公告)日: | 2019-01-04 |
发明(设计)人: | 曲志刚;王曼;宁广智;李继清;安阳;杨秀芷 | 申请(专利权)人: | 天津科技大学 |
主分类号: | G06N3/08 | 分类号: | G06N3/08;G06N3/12 |
代理公司: | 暂无信息 | 代理人: | 暂无信息 |
地址: | 300222 天津市河西区*** | 国省代码: | 天津;12 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 照射参数 骨髓干细胞 参数优化 超声激励 细胞活性 细胞 照射 骨髓间充质干细胞 人工神经网络 超声刺激 超声系统 活性预测 神经网络 细胞照射 医学试剂 验证 医学 治疗 | ||
1.一种用于提升骨髓干细胞活性的超声激励参数优化方法,其特征在于,包括以下过程:
S1、进行细胞照射实验;
S2、通过医学试剂CCK8处理经过步骤S1照射后的细胞得出细胞活性值数据;
S3、建立多种参数的GA-BP神经网络;
S4、训练在步骤S3所述GA-BP神经网络,通过所述GA-BP神经网络用于骨髓间充质干细胞活性预测事件;
S5、对GA-BP神经网络训练结果的验证。
2.根据权利要求1所述的用于提升骨髓干细胞活性的超声激励参数优化方法,其特征在于,所述步骤S3包括以下步骤:
S3.1、BP神经网络的建立,对网络的输入参数、输出参数以及网络结构层数进行确定;将驱动电信号、照射时长和照射频率这三个变量作为网络的输入参数,输出参数为已测出的细胞活性值;
输入输出的函数关系可表示为:
y(i)=f(T,X1,X2,X3)+di
其中,X1,X2,X3,是对应的实验变量驱动电信号,照射时长和照射频率;y(i)是组合输入,T是神经网络模型的代号,X1,X2,X3在BP网络模型T作用下的网络输出,di是非建模因素对实验结果数据的影响参量;
S3.2、以驱动电压,照射频率和照射时长为GA-BP神经网络的输入,训练及测试GA-BP神经网络以建立事件模式库,其中,采取的BP神经网络为3个输入节点,8个隐含层节点和1个输出节点的三层网络。
3.根据权利要求2所述的用于提升骨髓干细胞活性的超声激励参数优化方法,其特征在于,所述S3.2步骤中基于遗传算法的BP神经网络下进行预测处理包括以下步骤:
S3.2.1、通过遗传算法对样本数据进行编码操作,以成为遗传算法可操作的数据结构即染色体;
S3.2.2、对样本数据进行初始化;随之进行个体的适应度评估工作,通过对适应度大小的评估,来判断个体的优劣;
S3.2.3、对样本数据进行遗传算法操作,即进行选择、交叉以及变异操作;在进行选择算法时选用比例选择算子,通过计算各个个体的适应度的大小来确定遗传下一代的可能性的高低。
4.根据权利要求1-3所述的一种用于提升骨髓干细胞活性的超声激励参数优化方法,其特征在于,
S4、将完成训练的GA-BP神经网络用于骨髓间充质干细胞活性预测事件;
包括以下步骤:
S4.1、对遗传算法的各个参数进行设置,其中种群数设为40-60;迭代次数设为90-110;变异概率设为0.05-0.2;交叉概率设为0.7-0.85;
S4.2、将开始遗传算法的主程序计算,开始建立种群,进行初始化,进行染色体的变异和染色体的交叉的操作并且对染色体进行解码操作;
S4.3、对BP神经网络的权值和阈值进行初始化,对神经网络进行训练,并对网络的训练次数,精度和学习效率进行设置;
S4.4、进行训练操作,计算输出误差;进行判断,是否达到预期目标,如果达到预设误差,则跳出循环,输出优化后的神经网络的权值和阈值结果,输出算法预测实验条件,否则,调整参数继续训练,最终输出预测结果,用于后续试验。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于天津科技大学,未经天津科技大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201810417361.4/1.html,转载请声明来源钻瓜专利网。
- 上一篇:图像对象识别
- 下一篇:模型生成方法及装置、数据处理方法及装置