一种改进的BP网络模型在唇裂手术预测分析中的应用

江琼琴，宋文广

（长江大学 计算机科学学院，湖北 荆州 434023）

1 改进BP网络模型的建模

BP网络是一种反向传播的学习方法，其英文全称为Back-Propagation Neural Network，简称为BP神经网络。该网络模型是一种由多层感知器构成的网络拓扑结构，主要由三部分构成：输入层、隐藏层、输出层。如下图1所示。

图1 原始的BP网络模型结构图

由图1可知，BP网络拓扑结构为网状结构，输入层到隐藏层之间可以有很多条不同的通道，隐藏层到输出层也有很多条不同的通道。其推理的基本思想是：如果在输入层输入a1，a2，…an等n个数据源，通过网络算法推理在输出层得到y1，y2，…yq等q个预测的结果数据。这q个预测结果数据与实际测量得到的c1，c2，…cq等q个数据之间的误差尽可能的小。该实测结果数据是输入数据的实测数据。利用这种思想，研究一套BP网络建模的算法，结合计算机编程，利用计算机软件实现当输入某些数据时，就能推理得到预测的结果数据与真实值比较接近。从而可以达到预测唇裂修复手术的结果图。其BP网络模型的建模过程如下所述。

第一步，设置BP网络模型的初始搜索方向为负梯度方向，如式（1）。

式（1）中d0为BP网络模型的搜索方向，

第二步，为了能让网络模型能在有限的时间内，准确的推算出输出结果数据，则必须设置合适的学习速度 ak，ak的值如式（2）。

式（2）中 dk为搜索的方向，ω(k)的值如式（1）所述。

第三步，改进的BP网络模型梯度的搜索方向，设置为如式（3）。

式（3）中，的值如式（1）所述。

根据前面的建模过程，在Matlab 2010中进行仿真测试，将预测结果值与实测值之间的误差设置为10-5这个范围内时，其预测过程的步长为185，如下图1所示。

图2 改进BP网络模型算法的仿真

由图2可知，在计算机内存2G，主频2.0G的主机下运行此算法模型是没有任何问题的，改进的神经网络算法模型其计算推理的性能可以被客户所接受。

2 改进BP网络模型在计算机软件中的实现

通过对改进BP网络模型的研究，利用计算机混合编程的技术，将Matlab 2010嵌入到Microsoft Visual Studio 2010中进行软件设计及编程实现。其利用Matlab 2010设计样本数据的流程图如3所示。

图3 Matlab中BP样本数据训练的流程图

将训练样本的计算模型，嵌入到Microsoft Visual Studio 2010中，其预测数据的输入输出端通过Microsoft Visual Studio 2010软件界面来实现，该软件设计流程如图4所示。

图4 混合编程实现软件设计流程图

混合编程的实现过程如图4所示，通过Microsoft Visual Studio 2010的软件界面将预测的数据输入到改进BP网络模型中，启用Matlab 2010中BP样本数据训练过的网络模型，接着装载样本数据，再找到样本数据中的最大的P，T进行样本训练，对输入的数据进行归一化的处理，得到预测的结果值。最后将预测结果值输出。

3 模型在荆州中心医院唇裂手术预测中的实验

根据BP网络的算法设计思想，设定维持软组织面结构的结构弹簧，防止软组织过度弯曲的弯曲弹簧，模拟软组织剪切性能的剪切弹簧，体现软组织粘弹性的虚拟弹簧。为了简化BP算法模型，采取现在虚拟手术中常用的拟线弹性模型。质点弹簧模型的运算在Microsoft Visual Studio 2010中事先实现。软件设计流程如图5所示。

图5 BP神经网络模型仿真实现流程图

根据软件设计流程，通过编程实现的软件界面如下图6所示。

图6 唇裂预测软件主界面窗口

在预测系统软件中，输入患者的唇裂图片就可以看到类似患者采用相同手术后实施手术前后的效果对比图。这帮助了患者理解手术过程带来的修复质量，为患者手术预测提供了有利的依据。

4 结束语

通过对BP网络模型的研究，利用计算机混合编程的技术，将网络训练样本模型通过Matlab 2010实现后，嵌入到Microsoft Visual Studio 2010中进行编程，实现一套唇裂修复预测软件系统。在荆州中心医院口腔科，将患者手术前的唇裂图片扫描输入到唇裂修复预测软件系统中，启动系统，选择相应的唇裂手术来实施，系统可以自动的输出得到唇裂修复后的效果图。帮助唇裂患者进行手术愈合的效果预测提供了直观、有力的科学依据，很好的协调了医患关系。

文章创新之处在于提出了一种改进的BP神经网络系统模型，结合计算机软件通过混合编程的技术对模型进行了仿真与实测，具有一定的研究参考价值。为唇裂手术预测修复，解决医患关系起到了重要作用，是唇裂手术预测修复中的一个创新。

[1]吕帅，刘磊，石莲，等.基于自动推理技术的智能规划方法[J].软件学报，2011(5):1226-1238.

[2]Wenguang Song，The Tactics Analysis about Early Phase Ends of the Partial Distortion Search[C]//2008 IEEE.DOI 10.1109/WGEC，2008:324-327.

[3]孙娓娓，刘琼荪.BP神经网络的联合优化算法[J].计算机工程与应用，2011(12):50-51，54.

[4]杜晓亮，蒋志方，谭业浩，基于样本自组织聚类的BP神经网络预测模型[J].计算机工程与应用，2011(21):167-170.

[5]Wenguang Song.The Research of One Self-Adapt Wireless Sensor Network Rate Flow Control[C]//NSWCTC 2009 Table of Contents Volume-2[EI]，2009:267-269.

[6]宋文广，Levenberg-Marquardt算法的建模及在水敏损害预测中应用[J].化工自动化及仪表，2010，37(4):86-88.

[7]宋文广，郭海敏，丁文波.Traingd算法模型在油田储层损害中的应用[J].化工自动化及仪表，2011，38(6):673-675.