本文在總結(jié)研究國內(nèi)外HBV數(shù)學(xué)模型研究和參數(shù)辨識技術(shù)的基礎(chǔ)上,基于改進的乙肝病毒、肝細(xì)胞和免疫系統(tǒng)相互作用機理的HBV動力學(xué)模型,對乙型肝炎各種臨床典型癥狀進行了仿真,驗證了改進HBV動力學(xué)模型的有效性。同時,在改進的HBV動力學(xué)模型的基礎(chǔ)上,引進了參數(shù)辨識技術(shù),以臨床乙肝患者的臨床檢查數(shù)據(jù)為樣本,辨識出HBV動力學(xué)模型中與乙肝患者密切相關(guān)的HBV感染復(fù)制能力參數(shù)和T細(xì)胞治愈殺傷能力參數(shù)數(shù)值大小,仿真重現(xiàn)患者病情的發(fā)展情況以及發(fā)展趨勢,包括患者體內(nèi)健康肝細(xì)胞、感染肝細(xì)胞、肝細(xì)胞總量、HBV DNA含量、CTL含量以及丙氨酸轉(zhuǎn)氨酶（ALT）含量的發(fā)展變化過程,為臨床醫(yī)生對乙肝患者的診斷和療效評價提供一種新的方法和輔助手段。在針對HBV動力學(xué)模型參數(shù)辨識技術(shù)的研究和運用方面,本文采用了兩種不同的辨識方法,分別為多向單純形法和BP神經(jīng)網(wǎng)絡(luò)方法,介紹了兩種方法的特點。通過對實際乙肝患者的臨床檢測數(shù)據(jù)的辨識仿真的結(jié)果比較,分析了這兩種辨識方法的優(yōu)劣性和對HBV動力學(xué)模型的適應(yīng)性,討論了HBV動力學(xué)模型參數(shù)辨識的特點和辨識誤差存在的原因。最后,本文針對改進的HBV動力學(xué)模型,分析了目前存在缺陷和不... 

【文章來源】：華中科技大學(xué)湖北省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：67 頁

【學(xué)位級別】：碩士

【部分圖文】：

HBV動力學(xué)模型原理圖

‐5BP神經(jīng)網(wǎng)絡(luò)辨識模型圖

間與樣本采樣時間的不一致，我們采用一位插值函數(shù)interp1，得到患者的臨床HBVDNA的檢測數(shù)據(jù)在各采樣點的近似值。病人甲的BP網(wǎng)絡(luò)辨識結(jié)果如圖4-6所示：圖 4‐6 病人甲的 BP 網(wǎng)絡(luò)參數(shù)辨識結(jié)果 通過BP網(wǎng)絡(luò)得到病人甲的所對應(yīng)的HBV動力學(xué)模型中的四個關(guān)鍵參數(shù)的辨識結(jié)果為：1b = 0.0532，51k = 3.23 × 10，42k = 1.04 × 10，3k = 31.218，誤差為56.3982。

【參考文獻】：
期刊論文
[1]阿德福韋抗乙肝病毒感染治療動力學(xué)模型[J]. 蘇永美,閔樂泉,卓新建.  北京科技大學(xué)學(xué)報. 2007(06)
[2]BP人工神經(jīng)網(wǎng)絡(luò)隱層結(jié)構(gòu)設(shè)計的研究進展[J]. 范佳妮,王振雷,錢鋒.  控制工程. 2005(S1)
[3]非線性系統(tǒng)辨識方法的新進展[J]. 李秀英,韓志剛.  自動化技術(shù)與應(yīng)用. 2004(10)
[4]基于自適應(yīng)神經(jīng)網(wǎng)絡(luò)的不確定非線性系統(tǒng)的模糊跟蹤控制[J]. 劉亞,胡壽松.  控制理論與應(yīng)用. 2004(05)
[5]非線性規(guī)劃單純形算法的改進算法[J]. 沈飛.  測繪信息與工程. 2004(04)
[6]基于脈沖響應(yīng)的輸出誤差模型的辨識[J]. 黃祖毅,陳建清.  控制理論與應(yīng)用. 2003(05)
[7]RBF網(wǎng)絡(luò)在線辨識算法與應(yīng)用研究[J]. 宮赤坤,華澤釗.  甘肅工業(yè)大學(xué)學(xué)報. 2002(03)
[8]Hopfield網(wǎng)絡(luò)在優(yōu)化計算中的應(yīng)用[J]. 郭鵬,韓璞.  計算機仿真. 2002(03)
[9]神經(jīng)網(wǎng)絡(luò)綜述[J]. 巫影,陳定方,唐小兵,朱石堅,黃映云,李慶.  科技進步與對策. 2002(06)
[10]一種求解非線性函數(shù)優(yōu)化問題的混合遺傳算法[J]. 鄧建軍,徐立鴻,吳啟迪.  同濟大學(xué)學(xué)報(自然科學(xué)版). 2001(11)

博士論文
[1]乙型肝炎免疫模型與仿真[D]. 龍長江.華中科技大學(xué) 2007



本文編號：3449057