科学技术的发展能极大地促进各个领域的发展，医学的进步也一直得益于科学技术的支 持。现代信息技术的发展的重要标志就是希望能使用机器来承担部分社会生产。医学领域也 引入了许多的高新技术提高医疗水平，而神经网络应用于现代医学就是医学领域智能化的成 果。

医生在进行临床诊断时一般是凭借患者症状和各种医学仪器的检查结果，最后结合自己 的临床经验做出诊断，但是由于每个医生的经验积累有深有浅，经验不足的医生很难判断哪 些指标是重要的参考。再者就是临床医学诊断的问题非常复杂，疾病形形色色，症状不一， 影响因素也多，更是加大了治疗的难度。因此我们开始寻求解决之法，而神经网络就具备通 过大量样本的学习最终获得诊断疾病的能力。

现代医学的需求及神经网络自身的优势，使神经网络更加活跃，也其进一步发展提供了 广阔的应用场景。神经网络是进行生物医学信号处理的有效工具[1]，通常我们只需要建立适 当的神经网络模型，选择合适的训练样本，经过网络模型来训练医学专家的知识和经验，便 可以使操作变得智能化，并且得到的结果比较准确，这将提高医务人员的工作效率。

1。1 研究的目的以及意义

医生通常根据各种医疗仪器对病人的检查结果并结合医生自身累积的经验和知识，对病 人的情况进行分析和判断，从而给出诊断结果。但是这种方式对医生个人的能力和水平要求 较高，而且医生自身的主观影响会比较大。而我们知道，每种疾病常常有许多类型，相关因 素也多，导致医生在判断时会花费很多功夫，而且对于一些疑难杂症的判断往往难以确保正确。文献综述

我们通过学习神经网络发现神经网络可以通过大量实际病例（样本）进行科学的模拟预 测，能智能的得到准确、客观的诊断结果。而且我们研究的BP神经网络在模式分类方面具有 优秀的能力，而且学习能力和容错性能也比较不错，能很好地应用于医学信号的处理实际应 用等问题。通过神经网络用大量样本训练模拟而预测得到结果的方式，能为医生的判断提供 信息依据，提高效率以及减少误诊率。

1。2 研究的内容

神经网络在医学信号处理上的应用主要是对医学仪器测出的数据进行处理。本文主使用 BP神经网络进行科学模拟，研究大脑脉冲信号的传输并对其进行预测。

除了本章绪论的内容，本课题其余章节内容如下： 第二章 神经网络基本理论。

第三章 BP神经网络及其结构，研究BP神经网络并且了解相关知识；其次，由于BP神经 网络的隐含层节点数并没有准确的公式或定理来确定，虽然有一些总结出来的经验公式，但 是并不是一定准确，所以一般在神经网络创建时需要不断的尝试才能找到较好的节点数。本 文中我们结合一些经验公式使用了一种更加精简化的确定最佳隐含层节点数的方法——限制 界限法，使用两个不同经验公式进行计算，取其中最小值与最大值组成节点数取值范围，在 此区域逐一验证，比一般方法更快速方便。在第四章中对这个方法加以了运用。

第四章 运用BP神经网络研究大脑脉冲信号传输过程，我们立足于MATLBA的“神经网络 工具箱”，使用BP神经网络通过对采集的数据的训练，最终达到预测大脑脉冲信号的目的。通 过输入测试数据不需要使用仪器测量就能对得到的大脑脉冲信号进行预测，能简化医生在诊 断癫痫等有脑部异常放电疾病时的效率，为医生提供数据参考。