基于进化算法的树突神经元模型疾病预测研究

摘要

现代医疗领域对疾病预测的需求日益增长，但高维非线性数据的复杂性使得传统方法难以实现高效预测。树突神经元模型（dendritic neuron model,DNM）因其优越的非线性处理能力和生物可解释性，成为疾病分类预测领域的潜在解决方法。然而，传统的训练方法存在易陷入局部最优等问题，限制了模型性能的提升。研究结合进化算法（遗传算法、差分进化算法、粒子群优化算法、生物地理学优化算法）对DNM模型进行优化训练，通过正交矩阵试验法在乳腺癌、宫颈癌、丙型肝炎和糖尿病4种疾病数据集上进行验证。研究结果表明，生物地理学优化算法在训练精度和稳定性方面表现最佳，为疾病预测模型的优化提供了高效的解决方法。

关键词

疾病预测 / 树突神经元模型 / 进化算法 / 生物医学数据

基金资助

连云港市科技成果转化揭榜挂帅项目（CA202406）