遗传算法优化BP神经网络在中医按摩机器人中的应用

针对中医按摩设备的临床需求,研制了一种基于多种按摩手法的中医按摩机器人系统。同时,为了提高中医按摩机器人穴位寻找行为规划的精度,提出了一种基于遗传算法优化BP神经网络的中医按摩机器人穴位坐标预测方法,利用遗传算法弥补BP神经网络的缺陷,提高神经网络的预测精度,求解出最优解,保证了中医按摩机器人对患者做出精确的按摩治疗行为决策。并对上述方法进行了实现与仿真,结果表明,该方法对中医按摩机器人寻找患者穴位坐标具有较好的精度和较高的预测准确性。

BED-CEIA估计HIV-1新近感染率的有效性及其影响因素的评价

在艾滋病流行病学研究中,衡量艾滋病流行趋势最常用的指标是HIV累积感染率和新近感染率.与累积感染率相比,新近感染率对艾滋病流行趋势预测、干预效果评价以及防制策略的制定等能提供更直接的信息.在获取新近感染率的方法中,除了经典的流行病学队列随访方法,目前普遍使用的血清学方法之一是IgG捕获BED酶联免疫法（BED-CEIA）.2001年,美国疾病预防控制中心（CDC）艾滋病免疫和诊断室评估了16种基于不同抗体和原理的HIV-1新近感染检测方法,发现新近感染者与既往感染者相比,各种抗体滴度均较低;其中gp41抗体滴度在新近感染者和既往感染者中的差别最大,两者的滴度区间几乎没有重叠,新近感染者的gp41抗体亲和力低于既往感染者,从而认为gp41抗体能够区分新近感染者和既往感染者,并且酶联免疫实验操作相对简单、效果也较理想,因此该室着手开发基于gp41抗体的HIV-1新近感染检测的酶联免疫方法[1].