首页 > 文献资料
-
基于B样条小波变换的视觉诱发电位的识别方法
针对已知的视觉诱发电位信号处理及特征提取存在的抗干扰能力差及识别率低的问题,提出一种基于B样条小波变换与BP神经网络的视觉诱发电位(VEP)的特征提取及识别方法.首先,对VEP进行少次平均预处理,以增强信号的信噪比;其次,基于B样条小波变换对VEP进行特征选取,并通过BP神经网络分类器对特征进行分类.与现有方法相比,所提出的方法能够较好地提取视觉诱发电位特征,对于含噪声的信号具有较好的抗干扰能力和识别能力.实验结果表明,采用B样条小波变换结合BP神经网络的方法,对视觉诱发电位的平均识别率为90.4%,优于其他方法,验证了所提出方法的正确性和有效性.
-
基于正向模型仿真的心室异位起搏点定位
减少导管射频消融术中心室异位起搏点的定位时间,可减少射线暴露时间并降低导管术中血栓发生的风险.采用基于虚拟人所构建的高精度的全心脏模型,探讨以多次正向仿真以求解逆问题的方法,对异位起搏点的定位问题进行仿真研究.以心内膜某片区域为例,设定不同位置异位起搏点,研究其位置和异常的体表电位标测图(BSPM)之QRS等积分图之间的关系;构建神经网络并进行泛化能力和人为加噪情况下的稳定性测试.神经网络对异位起搏点分区初步定位的精度达10 mm×5 mm,准确率为25/31(不加噪声)和23/31(信噪比2 dB).在此基础上,提出使用神经网络算法对异位起搏点初步定位,并通过BSPM误差相似度的定量分析,指导消融术中导管移动方向进行更加精细定位的方案.所提出的方法可有效克服单纯数学求解逆问题中的病态特性,同时显著减小了计算量,为进一步的深入研究提供了有益的思路和研究基础.
-
基于肌电信号的人手运动状态的辨识
研究的目的在于利用人体前臂的肌电信号进行人手动作模式的识别.根据采集的肌电信号,判断动作始末状态并对该肌电信号进行小波降噪预处理,利用小波变换的高频细节系数极值构造特征矢量,经过学习矢量量化(LVQ)神经网络训练,能够有效地识别握拳、展拳、手腕内旋和手腕外旋4种动作模式.和前馈型神经网络比较,LVQ神经网络具有更高的识别准确率和更稳定的再现性.
关键词： EMGs 小波变换 学习矢量量化网络(LVQ) 神经网络 -
病态嗓音特征的神经网络选择
病态嗓音自动检测和评价的关键是有效提取相关的特征,但一般的提取原则是尽可能的把相关特征纳入特征集,其结果就很难避免各种特征的相关和冗余信息,并对随后的识别效率和检测带来负面影响,因此特征优选工作就显得非常重要.本研究对待识别嗓音样本分别提取出两种特征参数(传统声学参数和基于小波变换提出的特征参数)后,利用神经网络分别对这两种特征参数进行了特征选择和优化,并分别对选出的各组特征进行了识别,结果表明基于神经网络的特征选择方法是有效的,从基于小波变换提出的特征中选出的7维特征矢量完全能取代原始特征矢量,并取得了正常95.06%,病态92.85%的识别结果.
-
功能电刺激腕关节运动的自适应控制技术研究
针对功能电刺激(FES)康复技术中肌肉的时变和高度非线性的特点,提出一种实时调整FES系统输出,实现康复患者自适应训练的方法.考虑到患者问和康复各阶段肌肉对电刺激响应能力的差异,利用神经网络良好的非线性逼近能力,采用神经网络辨识器辨识相关运动肌肉的FES模型,并在此基础上,利用神经网络控制器在线调节控制策略及刺激参数,提高FES系统的自适应能力.通过人体腕关节运动控制的FES实验,验证该方法具有较高的轨迹跟踪控制精度和较强的自适应能力.
-
人工神经网络在生物医学检测中的应用——生化测量数据处理方法的研究
为解决现有一般方法难以甚至无法辨识生化测量仪输出数据与样品中多种特定物质含量之间的非线性多元复杂函数关系这一难题,研究了运用人工神经网络处理生化测量数据如光谱扫描数据的新方法,使得在既不增加其它设备,也不对现有仪器及其测量方法作任何改动的情况下能够大量增加生化测量仪器的检测项目.以对胆固醇含量检测为例的仿真结果表明该方法是有效的.该方法不但简便易行,而且能高效快捷地批量处理测量数据.
-
三维超声影像导航机器人系统的临床应用
为了提高三维超声引导下微波消融治疗肝癌穿刺机器人系统的末端精度,本研究用指数积方法建立了穿刺机器人正运动学模型,设计了特殊神经网络标定方法,并对机器人末端位置进行了标定.标定实验结果表明,经过此种方法标定后的穿刺机器人,在手术常用工作空间内的末端位置精度提高100%以上.此系统已在北京301医院获得成功的临床实验应用,手术结果表明该系统可以准确定位病灶区域,精确放置手术器械,摆脱穿刺引导架的角度限制.介入治疗机器人实现了大角度准确穿刺并满足介入手术的需求,有效地提高了囊肿穿刺手术的治疗效果.
-
仿生光学人工鼻及其呼吸气体检测的实验研究
针对呼吸气体诊断的需要,介绍了一种新型的具有仿生特点的光学人工鼻实验系统,用于探索通过呼吸气味诊断疾病的可行性.该系统由气敏光纤传感器阵列和信号处理系统组成,利用光纤传感器易与多种聚合物敏感材料相结合和其对气味的响应快、精度高以及易获得嗅觉动态信息的特点,通过计算化学方法,实现了多种聚合物敏感材料与荧光试剂的定量配制,研究了具有不同选择性的气味光纤传感器阵列.此外,将生物嗅觉机理模型用于人工鼻系统的设计过程,采用模拟生物嗅觉的感受器-嗅球-线性延迟神经网络算法,实现了从光纤传感器阵列的响应数据中同时分离出混合气味的成分和浓度信息.实现结果表明,该光学人工鼻传感器实验系统具有一定的仿生特性和应用前景.
-
想象左右手运动的脑电特征提取及分类研究
针对想象运动的脑机接口(BCI)系统存在分类准确率低、抗干扰能力差等不足,提出一种将离散小波变换(DWT)和BP神经网络相结合的脑电识别方法(DWT-BP法).通过计算想象左、右手运动的C3、C4的平均功率,合理确定时间窗设置,对时间窗内的平均功率信号进行离散小波变换,并选取尺度6上的逼近系数A6的组合信号作为脑电信号特征,以BP神经网络为分类器实现对脑电观测数据的分析.实验结果表明,DWT-BP方法能够较准确地提取脑电信号的本质特征,具有较好的抗干扰能力和分类性能,以及识别运动想象脑电信号的有效性,同时为实现运动想象在线BCI系统打下基础.
-
基于神经网络的乳腺癌生存预测模型
本研究对SEER乳腺癌登记资料库中的数据进行预处理,以5年生存率为指标,建立基于神经网络的乳腺癌生存预测模型.经预处理后的数据类别分布呈现明显的不平衡状态,这种不平衡会严重影响模型的性能.采用过抽样、欠抽样技术来弥补数据类别分布不平衡对模型性能的不利影响.通过比较不同的抽样比例,采用ROC曲线下面积(AUC)、正确度、特异度、灵敏度评估模型.经过10折分层交叉验证,当抽样比例为650%,AUC达到大值0.761 3,特异度为0.741 5,灵敏度为0.781 1,正确度为0.775 8.
-
应用驱动电机参数估测叶轮式血泵输出流量的无创性测量方法
临床应用中,对人工心脏的输出流量进行及时、精确的检测十分必要,但实现起来却比较困难.作者针对江苏大学生物医学工程研究所研制的叶轮式人工心脏,提出采用驱动电机参数(功率和转速)间接测量血泵输出流量的方法,从而避免引入传感器探针,降低测量装置的复杂性,减小感染机会.实验结果表明:这种测量方法能够达到一定精度(误差<5%),具有进一步研究价值.
-
基于神经网络的环孢素血药浓度预测
通过研究肾移植病人环孢素A血药浓度的不同影响因子,分别采用广义神经网络、Elman网络、BP神经网络等模型,对环孢素A血药浓度进行预测.结果显示三种网络模型都达到了较好的预测结果,其中BP网络的预测结果好,平均相对误差为19.94%,Elman网络的平均相对误差为21.39%,广义神经网络的平均相对误差为25.93%.说明将神经网络应用于预测CsA血药浓度是可行的,其结果可以作为临床CsA的个体化给药的参考.
-
脑机接口中一种改进的模式识别方法
为提高脑机接口中脑电识别率,分析了特征提取方面时频特征组合法的缺点,探讨了一种改进的模式识别方法.该方法以样本类平均距离为判据,采用滑动窗优化技术,获取时域均值的佳时间段和频域功率谱均值的佳频率段.用经过优化的时域均值和功率谱均值组合作为特征,形成特征向量.基于该特征向量,用神经网络对脑电信号进行分类.以识别正确率为指标,将改进方法与原方法进行对比,实验结果表明改进方法能够提高脑电识别率,具有应用价值.
-
医学显微图像分割方法研究进展
医学显微图像分割是医学图像处理中的一个经典难题.针对近年来出现的新方法、新理论,对各种分割方法进行了系统论述,主要包括基于数学形态学方法、神经网络分割、模糊分割、小波分析、遗传算法、统计方法和基于特定模型等方法的图像分割.由于显微图像的复杂性,采用单一方法很难准确分割,故对混合方法也作了一定论述.文中还简要讨论了各种方法的特点和局限性.同时对分割的评价体系也做了简要论述.
-
根据孕妇参数预测胎儿体重的神经网络方法
本文采用反向传播神经网络算法,根据孕妇身高、体重、宫高及腹围预测胎儿体重.建立了一个预测胎儿体重的网络模型,讨论了确定网络拓扑结构的方法.采用该方法预测了140例胎儿体重,预测符合率高达85%,相对误差 10%者占预测总数的94.28%.采用神经网络分析输入对于输出的贡献的结果表明孕妇宫高对于胎儿体重影响大.
-
一种新的动态心电数据的神经网络压缩方法
本文提出了一种新的、性能更加稳定的动态心电数据的神经网络压缩算法.该方法采用一种不全联接的三层前馈神经网络,将一个ECG心搏表示为三个主要的波即P波,QRS波和T波.三个波的输入与输出只通过少量的隐层单元相联接,并通过各波的隐层单元将相邻波的边缘联系起来.这种方法的优点是在不增加计算量的情况下提高算法对波形的重现能力、较为有效地避免因为P波和T波受到干扰,波形变异或其它因素的影响而导致的波形重现失败,提高神经网络压缩方法的鲁棒性和实用性.
-
B型超声心动图中心脏组织及结构的识别
本文描述了一种从B型超声心动图识别心脏组织及结构的方法.该方法融合了空间特征信息及纹理特征信息,并用经神经网络进行识别进而给出心脏组织及结构的类别标号图象.在空间特征提取中,采用了基于模型的模糊分割方法,该方法可将各类组织交界附近隶属度带到识别过程中并融合纹理特征,因而有较好的识别率.该方法已在一台Pentium II PC机上进行了模拟,并获得了较好的实验结果.
-
基于LADT-BP算法的心电图快速分析
本文提出了一种应用LADT(Linear Approximation Distance Thresholding)压缩算法进行预处理的BP(Backpropagation)网络算法(我们称为LADT-BP算法)。实验证明该算法与现有的算法相比，在运算速度及正确识别率等方面，均有大幅度的提高。
-
单次事件相关电位聚类分析
本文用模糊神经网络对单次事件相关电位(single event-related potentials, sERP(P300))进行聚类分析,并提出应用奇异值分解确定佳聚类数的通用新方法,结果显示它们构成了提取和压缩sERP动态信息的有效方法.
-
基于肌电信号的手臂运动状态的辨识
本研究的目的是利用人体上肢肌肉的肌电信号辨识人体肘关节运动状态.当人体手臂做屈伸运动时,采集肱二头肌和肱三头肌的肌电(EMGs)信号和肘关节角度信号,对EMGs进行处理和特征提取.提取的特征值作为一个四层的神经网络模型的输入信号,运用改进后的误差反传学习算法优化网络各层权值,映射出人体表面肌电信号和手臂运动状态间的非线性关系,并将处理后的肌电信号转换为相应时刻的肘关节运动角度.试验结果表明神经网络预测出的肘关节运动角度与测角仪测出的实际运动角度大误差小于1度.
