穆拉特·萨里;阿什德·艾哈迈德;乌斯卢，汉德 基于粒子群优化的医学模型估计。 （英语） Zbl 1489.90217号 Commun公司。传真。科学。瑞典安克大学。A1，数学。斯达。 70，第1号，468-482（2021）. 摘要：本文提出了一种基于观测变量的非线性医学模型，并采用了粒子群优化（PSO）技术，这是一种预测生物医学模型最佳参数的有效技术。这项研究是在由539名受试者组成的数据集上进行的。为了进行比较，还考虑了非线性回归分析、非线性深度学习和非线性回归神经网络方法，PSO结果似乎略优于其他方法。基于观察变量和发现，该模型有望成为医疗专业人员诊断疾病和规划患者治疗方案的良好指南。因此，我们坚信，对于那些对各种医学建模领域中新兴生物医学模型感兴趣的人来说，这篇文章将特别有用，例如感染性疾病和贫血等血液病。 MSC公司： 90 C59 数学规划中的近似方法和启发式 92 C50 医疗应用（通用） 62页第10页 统计学在生物学和医学中的应用；元分析 65千5 数值数学规划方法 90 C90 数学规划的应用 关键词：贫血;医学建模;非线性模型;粒子群优化 PDF格式BibTeX公司 XML格式引用 \textit{M.Sari}等人，Commun。传真。科学。瑞典安克大学。A1，数学。《法律总汇》第70卷第1期第468-482页（2021年；兹bl 1489.90217） 全文： 内政部 参考文献： [1] Gulbandilar，E.，Cimbiz，A.，Sari，M.，Ozden，H.，II型糖尿病受试者皮肤阻力水平和静态平衡之间的关系，糖尿病研究与临床实践，82（3）（2008），335-339。https://doi.org/10.1016/j.diabres.2008.09.011 [2] Ahmad，A.A.，Sari，M.，《系统医学物联网中具有多元回归支持的贫血预测》，《医学成像与健康信息学杂志》，10（1）（2020）261-267。https://doi.org/10.1166/jmihi.2020.2839 [3] Sari，M.，Cetiner，B.G.，使用人工神经网络预测物理因素对胫骨运动的影响，应用专家系统，36（6）（2009），9743-9746。https://doi。org/10.1016/j.eswa.2009.02.030 [4] Cetiner，B.G.，Sari，M.，使用人工神经网络进行胫骨旋转评估，数学和计算应用，15（1）（2010），34-44。https://doi.org/10.3390/mca15010034型 [5] Botesteanu，D.A.，Lipkowitz，S.，Lee，J.M.，Levy，D.，乳腺癌和卵巢癌的数学模型，《威利跨学科评论：系统生物学和医学》，8（4）（2016），337-362。https://doi.org/10.1002/wsbm.1343 [6] Loke，Y.H.，Harahsheh，A.S.，Krieger，A.，Olivieri，L.J.，法洛四联症三维模型在医学教育中的应用：对学习先天性心脏病的影响，BMC医学教育，17（1）（2017），54。https://doi.org/10.1186/s12909-017-0889-0 [7] Soler，M.J.、Riera，M.、Batlle，D.，《2型糖尿病小鼠模型中糖尿病肾病的新实验模型：复制人类肾病的实验》，《糖尿病实验研究》，2012年，（2012年）。https://doi.org/10.1155/2012/616313 [8] Stephens，M.H.，Grey，A.，Fernandez，J.，Kalluru，R.，Faasse，K.，Horne，A.，Petrie，K.J.，《改善骨质疏松症患者开始治疗的三维骨骼模型：一项随机对照试验》，《心理学与健康》，31（4）（2016），487-497。https://doi.org/10.1080/08870446.2015.1112389 [9] Rivera，S.，Ganz，T.，炎症性贫血的动物模型，《血液学研讨会》，46（4）（2009），351-357。https://doi.org/10.1053/j.semihell.2009.06.003 [10] Weiss，G.，Goodnough，L.T.，慢性病贫血，《新英格兰医学杂志》，352（10）（2005），1011-1023。https://doi.org/10.1056/NEJMra041809 [11] Weiss，G.，Gasche，C.，炎症性肠病贫血的发病机制和治疗，血液学，95（2）（2010），175-178。https://doi.org/10.3324/haematol.2009.017046 [12] Li，X.，Dao，M.，Lykotrafitis，G.，Karniadakis，G.E.，镰状细胞贫血中红细胞的生物力学和生物流变学，生物力学杂志，50（2017），34-41。https://doi。org/10.1016/j.jbiomech.2016.11.022 [13] Berzuini，C.，Franzone，P.C.，Stefanelli，M.，Viganotti，C.，《铁动力学：正常和贫血状态下的建模和参数估计》，计算机与生物医学研究，11（3）（1978），209-227。https://doi.org/10.1016/0010-4809(78)90008-3 [14] Dey，S.，Raheem，E.，印度东北部各州用于识别659个月儿童贫血相关因素的多水平多项式logistic回归模型，Cogent Mathematics，3（1）（2016），1159798。https://doi.org/10.1080/23311835.2016年11月159798日 [15] Mehrara，E.，Forssell-Aronsson，E.，Johanson，V.，Kölby，L.，Hultborn，R.，Bernhardt，P.，估计转移性肿瘤生长模型参数的新方法，理论生物学和医学建模，10（31）（2013），1-12。https://doi.org/10.1186/1742-4682-10-31 [16] Eberhart，R.，Kennedy，J.，《使用粒子群理论的新优化器》，MHS’95。《第六届微机械与人类科学国际研讨会论文集》，IEEE，（1995），39-43。https://doi.org/10.1109/MHS.1995.494215 [17] Abdullah，A.、Deris，S.、Mohamad，M.S.、Anwar，《参数估计和生物模型选择的改进群优化》，《公共科学图书馆·综合》，8（4）（2013），e61258。https://doi.org/10.1371/journal.pone.0061258 [18] Hong，X.，Ding，Y.，Ren，L.，Chen，L..，Huang，B.，通过粒子群优化的加权异方差高斯过程建模，化学计量学和智能实验室系统，172（2017），129-38。https://doi.org/10.1016/j.chemolab.2017.11.019 [19] Chang，W.D.，Cheng，J.P.，Hsu，M.C.，Tsai，L.C.，使用粒子群优化方法识别非线性系统的参数，2012年第三届网络与计算国际会议，IEEE，（2012），113-117。https://doi.org/10.109/ICNC.2012.24 [20] Chu，H.J.，Chang，L.C.，将粒子群优化应用于非线性马斯京根模型的参数估计，《水文工程杂志》，14（9）（2009），1024-1027。https://doi.org/10.1061/（ASCE）编号1943-5584.0000070 [21] Samareh，H.，Khoshrou，S.H.，Shahriar，K.，Ebadzadeh，M.M.，Eslami，M.，《使用组合粒子群优化遗传算法预测地面振动的非线性模型优化》，《非洲地球科学杂志》，133（2017），36-45。https://doi.org/10.1016/j.jafrearsci.2017.04.029 [22] Sapathy，S.C.，Murthy，J.V.，Reddy，P.P.，Misra，B.B.，Dash，P.K.，Panda，G.，用于数据分类的粒子群优化多元回归线性模型，应用软计算，9（2）（2009），470-476。https://doi.org/10.1016/j.asoc.2008.05.007 [23] 何寅，马文伟，张杰，粒子群算法参数选择对故障诊断性能的影响，MATEC会议网，6302019（2016）。https://doi.org/10.1051/matecconf/20166302019 [24] Sari，M.，Tuna，C.，使用遗传算法预测病理受试者，医学中的计算和数学方法，2018，（2018）。https://doi.org/10.1155/ 2018/6154025 [25] Gilli，Q.，Mustapha，K.，Frayret，J.M.，Lahrichi，N.，Karimi，E.，结肠癌护理轨迹模拟患者模型，《健康科学杂志》，11（6）（2017），1-16。https://doi.org/10.21767/1791-809X.1000536 [26] Kim，A.，Rivera，S.，Shprung，D.，Limbrick，D.，Gabayan，V.，Nemeth，E.，Ganz，T.，癌症贫血小鼠模型，PLoS One，9（3）（2014），e93283。https://doi.org/10.1371/日志.文件.0093283 [27] Barosi，G.，Cazzola，M.，Morandi，S.，Stefanelli，M.，Perugini，S.，通过数学模型对原发性获得性铁母细胞性贫血患者的铁动力学参数的估计，英国血液学杂志，39（3）（1978），409-423。https://doi.org/10.1111/j.1365-2141.1978.tb01112.x [28] Ozsoy，V.S.，Orkcu，H.H.，通过粒子群优化估计非线性回归模型的参数，Gazi大学科学杂志，29（1）（2016），187-199。 [29] Chen，S.，Yang，R.，Yang-R，Yaang，L.，Yaong，X.，Xu，C.，Xu、B.，Zhang，H.，Lu，Y.，Liu，W.，基于改进边界鸡群优化的非线性系统参数估计方法，自然与社会中的离散动力学，2016，（2016）。https://doi.org/10.1155/2016/3795961 [30] Hosseini，M.，Naeini，S.A.，Dehghani，A.A.，Khaledian，Y.，使用粒子群优化、遗传算法和多元回归方法估算土壤机械阻力参数，土壤与耕作研究，157（2016），32-42。https://doi.org/10.1016/j.still.2015.11.004 [31] Jau，Y.M.，Su，K.L.，Wu，C.J.，Jeng，J.T.，基于Choquet积分的广义非线性多元回归模型参数估计的改进量子粒子群优化，应用数学与计算，221（2013），282-295。https://doi.org/10.1016/j.amc.2013.06.050 ·Zbl 1329.62102号 [32] Jahandeh，H.，Namvar，M.，PSO在机器人动力学参数估计中的应用；第一部分：无需参数化，系统理论、控制和计算，ICSTCC，2012年，第16届国际会议，IEEE，（2012），1-6。 [33] Erdogmus，P.，Ekiz，S.，使用粒子群优化和遗传算法的非线性回归，国际计算机应用杂志，153（6）（2016）。https://doi.org/10.5120/ijca2016912081 [34] Alfiyatin，A.N.，Febrita，R.E.，Taufiq，H.，Mahmudy，W.F.，《使用回归分析和粒子群优化进行房价预测建模》，《国际先进计算机科学与应用杂志》，8（2017）。https://doi.org/10.14569/IJACSA.2017.081042 [35] Sari，M.，Tuna，C.，Akogul，S.，使用粒子群优化和K-means算法预测胫骨旋转病理，临床医学杂志，7（4）（2018），65。https://doi.org/10.3390/jcm7040065 [36] Shi，Y.，Eberhart，R.，改进的粒子群优化器，《进化计算学报》，1998年。IEEE计算智能世界大会，1998年IEEE国际会议，IEEE，（1998），69-73。https://doi.org/10.109/ICEC.1998.699146 [37] Kennedy，J.，Eberhart，R.，粒子群优化，神经网络，IEEE国际会议论文集，4（1995），1942-1948。http://doi.org/10.109/ICNN.1995。488968 [38] Yang，C.，Simon，D.，《一种新的粒子群优化技术》，第八届系统工程国际会议（ICSEng 05）（2005），164-169。https://doi.org/10.109/ICSENG.2005.9号 [39] Marini，F.，Walczak，B.，粒子群优化（PSO）。《化学计量学和智能实验室系统》教程，149（2015），153-165。https://doi.org/10.1016/j.chemolab。 2015.08.020 [40] Poli，R.，Kennedy J.，Blackwell，T.，粒子群优化，swarm Intelligence，1（1）（2007），33-57。http://doi.org/10.1007/s11721-007-0002-0 [41] 霍克，M.，霍克，E.，卡德，S.B.，南非夸祖鲁纳塔尔农村地区妊娠期贫血的风险因素：对健康教育和健康促进的影响，南非家庭实践，51（1）（2009），68-72。https://doi.org/101080/20786204.2009.10873811 [42] Sari，M.，Ahmad，A.A.，使用多元回归分析的贫血建模，《国际分析与应用杂志》17（5）（2019），838-849。https://doi.org/10.28924/2291-8639-17-2019-838 ·Zbl 1438.92021号 [43] Alzaidi，K.M.，Bayat，O.，Uçan，O.N.，配电系统优化规划和运营的启发式方法，优化杂志，2018，（2018）。https://doi.org/10.1155/2018/6258350 ·Zbl 1460.90215号 [44] Bai，Q.，《粒子群优化算法分析》，《计算机与信息科学》，3（1）（2010），180。https://doi.org/10.5539/cis.v3n1p180 [45] Wang，Y.，Li，B.，Yin，L.，Wu，J.，Wu.，S.，Liu，C.，速度控制粒子群优化（PSO）及其在横向磁通感应加热设备优化中的应用，能源，12（487）（2019）。https://doi.org/10.3390/en12030487 [46] Seber，G.A.，Wild，C.J.，非线性回归，John Wiley n&Sons，Hoboken，NJ。2003. ·Zbl 0721.62062号 [47] Rudolf，F.J.，William，J.W.，Ping，S.，《回归分析：响应变量的统计建模》，Elsevier，美国，2006年。 [48] Mohanty，S.D.，《粒子群优化和回归分析-I》，《天文学评论》，7（2）（2012），29-35。https://doi.org/10.1080/21672857.2012.11519700 [49] Ngwira，A.，Kazembe，法律公告，《马拉维儿童贫血严重程度分析：贝叶斯有序分类模型》，开放获取医疗统计，6（2016），9-20。https://doi.org/10.2147/OMS.S95159 [50] Chen，Y.M.，Miaou，S.G.，利用眼睑结膜图像进行无创性贫血检测的卡尔曼滤波和非线性惩罚回归方法，《医疗工程杂志》，（2017年）。https://doi.org/10.1155/2017/9580385 [51] Habyarimana，F.，Zewotir，T.，Ramroop，S.，《卢旺达儿童贫血决定因素的结构化加性分位数回归评估》，《国际环境研究与公共卫生杂志》，14（6）（2017），652。https://doi.org/10.3390/ijerph14060652 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。