臺灣博碩士論文加值系統

人工智慧技術已經廣泛的應用在各種領域研究上，也常常應用於醫療決策輔助行為上。本研究主要是應用倒傳遞類神經網路，從腎臟移植病患的歷史病例中，建構出可用以預測免疫抑制劑環孢靈在腎臟移植病患上的作用結果之分類模式。實驗結果顯示，利用倒傳遞類神經網路可以提昇正確辨識率達到86.81%，比醫師以個人經驗判別的正確率66.29%高出許多。所以本研究可以有效協助醫療人員掌握環孢靈之血中濃度，提升環孢靈的用藥安全及用藥品質，且提高腎臟移植病患之存活率。

Artificial intelligence technology has been extensively used in various applications. It is also used as an auxiliary tool for medical policy decision making. The application of back-propagation network in this research builds the assortment model from the history of kidney transplant patients who took the cyclosporine. About 66.29% of patients can be correctly identified by doctor’s personal experience to differentiate the results from using cyclosporine, while 86.81% of correctness is achieved by the application of back-propagation neural network strategy. We hope the results could help the medical personnel master the effectiveness of cyclosporine and improve the drug safety, the quality of using medicine, and the survival rate of kidney transplant patients.

誌 謝 i
摘 要 ii
目 錄 iv
圖目錄 .vi
表目錄 viii
第一章 緒論 1
1.1 研究背景與動機 1
1.2 研究目的 3
1.3 研究範圍及限制 3
1.4 論文架構 4
第二章 文獻探討 5
2.1 末期腎臟病 5
2.1.1 腎臟移植 7
2.1.2 免疫現象 8
2.1.3 免疫抑制劑 9
2.1.4 環孢靈(Cyclosporine) 10
2.2 類神經網路 14
2.3 倒傳遞網路的架構 19
第三章 系統架構實作 25
3.1 實驗程序 25
3.2 資料前處理 26
3.2.1 資料與變數 27
3.2.2 資料分析 29
3.2.3 資料轉換 37
3.3 訓練模型 39
3.3.1 隱藏層 41
3.3.2 學習速率 42
3.3.3 權重值 42
3.3.4 慣性項(Momentum term) 43
3.3.5 轉換函數 43
3.3.6 學習收斂與誤差檢測 44
第四章 實驗結果與分析 46
4.1 開發環境 46
4.2 實驗目的 46
4.3 成效評估 47
4.4 倒傳遞網路模型效能 49
4.4.1 實驗結果及效能評估 49
4.4.2 效能比較與分析 57
4.5 模型之應用 58
第五章 結論 60
5.1 研究結論及貢獻 60
5.2 未來方向 61
參考文獻 62

[1]中央健康保險局，http://www.nhi.gov.tw/webdata/webdata.asp?menu=1&menu_id=&webdata_ID=2097。
[2]財團法人中華民國腎臟基金會，http://www.kidney.org.tw。
[3]台北榮總新陳代謝科衛教，http://homepage.vghtpe.gov.tw/~meta/neph.htm。
[4]行政為衛生署藥品不良反應通報系統，http://adr.doh.gov.tw/default.asp。
[5]李俊仁，臟器移植學--第十二冊，臺灣商務印書館，台北市，1989年。
[6]譚柱光，人工腎臟，金銘圖書有限公司，台北市，1988年。
[7]王水深、朱樹勳、李源德，心臟移植，台大醫院心臟移植團隊，第211-242頁，台北市，2001年。
[8]葉怡成，類神經網路模式應用與實作，儒林圖書有限公司，台北市，2004年。
[9]王進德、蕭大全，類神經網路與模糊控制理論入門，全華科技圖書股份有限公司，台北市，2002年。
[10]蘇木春、張孝德，機器學習、類神經網路、模糊系統以及基因演算法則，全華科技圖書股份有限公司，台北市，1997年。
[11]蔡瑞煌，類神經網路概論，三民書局，台北市，1995年。
[12]謝邦昌，資料採礦與商業慧-SQL Server 2005，鼎茂圖書出版股份有限公司，台北市，2005年。
[13]尹相志，SQL Server 2005 Data Mining 資料採礦與Office 2007，悅知文化，台北市，2007年。
[14]曾憲雄、蔡秀滿、蘇東興、曾秋蓉、王慶堯，資料探勘 Data Mining，旗標出版股份有限公司，台北市，2005年。
[15]王依蕾、蔡紫君、蔡昀岸、蘇宇平、許秉權，實用免疫學，藝軒圖書出版社，台北市，1994年。
[16]鄭淑蕙，免疫抑制劑的調查研究，朝陽科技大學應用化學系碩士論文，2004年。
[17]胡秀蓉，使用Cyclosporine不同的監測方法（C2與C0）應用於孩童肝臟移植的研究，高雄醫學大學藥學研究所碩士論文，2003年。
[18]施若琪，末期腎病患者疾病不確定感之相關因素及其對希望狀態之預測，輔英科技大學護理研究所碩士論文，2005年。
[19]李秀琴，應用人工智慧技術於人類慢性疾病管理，國立彰化師範大學資訊管理學系碩士論文，2003年。
[20]尤春惠，資料探勘在用藥安全上的應用：預測泛可黴素在腎衰竭病患的用量適當性，國立中山大學資訊管理學系碩士論文，2004年。
[21]林文綾，腎臟移植後病人生活品質及其相關因素之探討，國防醫學院護理研究所碩士論文，2000年。
[22]Wikipedia, http://en.wikipedia.org/wiki/Cyclosporine.
[23]Durham University website, http://www.dur.ac.uk .
[24]M.J.A Berry and G.S. Gordon, Mastering Data Mining, Jon Wiley & Sons, INC., Canada, 2000.
[25]Z.H. Tang and J. MacLnnan, Data Mining with SQL Server 2005, Wiley Publishing, Inc., Indianapolis, Indiana, USA, 2005.
[26]G. Camps-Valls, B. Porta-Oltra, E. Soria-Olivas, J.D. Martín-Guerrero, A.J. Serrano-López, J.J. Pérez-Ruixo and N.V. Jiménez-Torres, “Prediction of cyclosporine dosage in patients after kidney transplantation using neural Networks,” IEEE Trans. on Biomedical Engineering, vol. 50, no. 4, pp.442-448, April 2003.
[27]P. Belitsky, “Neoral used in the renal transplant recipient,” Transplantation Proceedings, vol. 32, no. 3, pp.310–319, May 2000.
[28]C. Campana, M.B. Regazzi and I. Buggia, “Clinically significant drug interactions with cyclosporine,” Clin. Pharmacokinetics, vol. 30, pp.141-179, Feb. 1996.
[29]S.J. Kim, H.H. Lee, K.W. Lee, J.W. Lee, D.H. Woo, G.Y. Kwon, H.Y. Oh, Y.G. Kim, W.S. Huh, D.J. Kim, G.S. Kim, S.K. Lee and B.B. Lee, “Prognostic factors affecting graft and patient survival in cadaveric and living kidney transplantation,” Transplantation Proceedings, vol. 36, pp.2038-2039, Aug. 2004.
[30]A. Lindholm, “Factors influencing the pharmacokinetics of cyclosporine in man,” Therapeutic Drug Monitoring, vol. 13, pp.465-477, Feb. 1996.
[31]B. Kijsirikul and K. Chongkasemwongse, “Decision tree pruning using backpropagation neural networks,” in Proc. of IEEE Int. Conf. on Neural Networks, Washington D.C., USA, vol. 3, pp.1876-1880, July 2001.
[32]G. Camps-Valls and E. Soria, “Neural networks ensemble for cyclosporine concentration monitoring,” Int. Conf. on Artificial Neural Networks ICANN, Berlin, Germany, pp.706-711, Aug. 2001.
[33]K. Bommanna Raja, M. Madheswaran and K. Thyagarajah, “Evaluation of tissue characteristics of kidney for diagnosis and classification using first order statistics and RTS invariants,” IEEE - ICSCN, MIT Campus, Anna University, Chennai, India, pp.483-487, Feb. 2007.