基于混沌神经网络的影像学在预测儿童智力残疾中的应用

课题组在完成计算机模糊神经网络"语言障碍诊治仪" ZM2.1（版权号：2003SR13146）的基础上，运用混沌神经网络分形理论，结合分形维数等混沌理论物理指标，研究正常儿童脑形态学的分形维数标准，分析智残儿童早期神经影像与临床智力运动发育水平以及预后之间相互关系，构建搜索特定分形维数的数学模型，并以计算机图形分析进行识别及分类，模式特征提取采用从简单的吸引子到混沌的层次分支结构来描述，自适应学习采用神经网络的误差反传学习法，采用遗传算法使神经网络学习适应不同医学图像的处理，把模糊集合及其运算用于吸引子模型和搜索特定维数的形态，利用混沌现象对初始值的敏锐依赖性，建立基于混沌分形分析的数学形态学量化客观评判系统，判断儿童智力相关功能发育缺陷的早期形态学影像诊断之可靠征象，使临床提早采取智残期前干预，减少智残发生率，提高人口素质。