基于支持向量回归的呼吸运动预测技术的研究
摘要： 胸腹部肿瘤放疗中,由于呼吸运动的影响需要对靶区进行实时跟踪以保证放疗精度,并通过预测来补偿系统延时.本研究提出一种基于支持向量回归的呼吸运动预测方法,该方法先选取一段呼吸运动序列进行训练得到回归模型,当有新的呼吸序列时,根据训练模型计算输出.并在此基础上,动态更新训练集,使模型在线更新,实现精确在线支持向量回归.实验中对7例呼吸运动样本数据分别用离线模型和在线模型进行训练并预测,平均绝对误差分别为0.42 mm和0.30 mm.在线精确支持向量回归能更准确刻画呼吸运动轨迹,拟合结果精度高,满足实际应用中的需求.
-
一次性使用输液器中环己酮的迁移研究
本研究建立了测定环己酮的气相方法,利用浸提及模拟滴注法对输液器中的环己酮进行迁移研究.色谱柱为GsBP－5毛细管柱(30 m×0.32 mm×0.25 μm),载气为氮气,进样口温度200℃,氢火焰离子化器(FID),检测器温度250℃,柱温90℃,分流比5∶1,进样量1.0 μL.结果显示环己酮浓度在0.98～97.91 μg／mL范围内线性关系良好( r＝0.9999 ),平均回收率为99.80%,RSD为0.87%.该方法简单、快速、准确,可用于一次性使用输液器中环己酮的迁移测定.
-
基于能量特征的脑电信号上肢运动意图智能识别
传统的对运动员上肢运动意图识别方法,没有对采集获得的大量脑电信号进行平滑滤波,存在较多毛刺干扰,导致识别准确率和识别率不高.我们提出一种基于能量特征的脑电信号上肢运动意图智能识别方法,采用快速傅里叶变换方法对采集获得的运动障碍患者脑电信号进行频率分析,获得患者脑电信号中的μ波和β波频率分布规律,找到脑电信号噪声所在频段;并采用Daubechies小波将患者脑电信号进行3阶分解,将患者脑电信号中低频部分的小波系数进行归零处理后,再进行脑电信号重构,即可消除低频脑电信号中的噪声干扰;在此基础上,采用小波包系数分析患者脑电能量,实现患者脑电信号能量特征提取;基于脑电信号能量特征,采用马氏距离判别方法对上肢运动意图进行智能识别.实验结果显示,所提方法能够去除原始脑电信号中的"毛刺"干扰,平均识别率结果为88.6%,识别准确率和识别率较高.
-
基于高斯过程回归高强度聚焦超声仪器采集图像的层间测距算法
提出基于高斯过程回归的层间测距算法,通过对已知样本的训练,求解模型的参数,得到回归器,用于层间测距.通过对各实体组织进行超声扫描,得到相应的序列图像.运用到由高强度聚焦超声( high intensity focused ultrasound ,HIFU)仪器采集的3组超声图像样本集中进行实验,验证方法的有效性和稳定性.测量绝对误差均值相对较小,在1～3 mm的范围内.绝对误差均值都低于0.5 mm,而且相对误差的均值保持在10%以内,标准差比较稳定,浮动不大.而在4 mm和5 mm处测量误差相对较大,绝对误差均值在1mm左右,相对误差也会出现变大的趋势.但总体的相对误差在25%内.本研究提出的基于高斯过程回归的方法在1～3 mm的范围内,具有良好的测距结果,当距离超过3 mm时,测距误差相对较大.
-
基于Python语言的海马结构分析软件的设计及验证
本研究基于Python语言开发了一款针对海马形态学分析的软件,该软件具有结构磁共振图像可视化、预处理、海马自动分割、构建海马结构共变网络、统计分析等功能,实现对海马形态学的系列分析.基于该软件,采用ADNI数据库中AD和NC 组数据进行了海马分割及分析,均得到显著性差异结果,并与Freesurfer和FSL－FIRST进行分割结果对比实验,证明该软件具有分割准确性高,速度快的优势.本研究成果为海马的形态学分析提供了集成化、自动化的工具.
-
穿山龙总皂苷对臭氧诱导的小鼠气道高反应性和IL－17A表达的影响
穿山龙总皂苷是中药穿山龙的提取物,可抑制哮喘动物的气道炎症,但其是否对气道高反应性有影响未见报道.本研究为观察穿山龙总皂苷对气道高反应性动物模型的疗效,并初步探讨其机制,采用臭氧为诱导因素,分别建立急性、亚急性气道高反应性模型小鼠,通过肺功能仪检测气道阻力的变化,肺泡灌洗液中炎症细胞总数和分类计数在光学显微镜下检测.并采用ELISA法测定肺泡灌洗液和肺组织匀浆液中IL－17A水平,结果显示小鼠在臭氧应激下诱导发生气道高反应性和IL－17A表达上升等哮喘典型特征的变化,而雾化吸入穿山龙总皂苷(20、40、80 mg／kg)后能不同程度地有效降低急性以及亚急性气道高反应模型的气道阻力及IL－17A的水平.穿山龙总皂苷具有作为一种治疗气道高反应性药物的潜在价值,可能为支气管哮喘的治疗提供新的手段.
-
基于机器人操作系统的机械臂辅助超声扫描系统研究
本研究提出了一种基于机器人操作系统( robot operating system ,ROS)的机械臂辅助超声扫描系统,旨在减轻超声医生的劳动强度,降低对操作者的依赖,标准化扫查流程,提高扫描操作的准确度和效率.系统由ROS、Kinect V2视觉传感器、六轴机械臂和超声采集装置等硬件平台组成.本系统首先利用 Kinect V2实时获取场景的RGB彩色和深度图像,经内外参标定、配准后形成RGB－点云数据用以充分描述三维空间信息.通过对点云进行去噪、分割、表面法向量分析和运动轨迹提取等系列处理,再经由坐标系统转换,本系统即可进行机械臂坐标系统下的路径规划,进而引导机械臂持超声探头到指定区域的表面实施扫描动作,完成超声影像的实时采集.结果表明,基于ROS搭建系统平台,结合Kinect V2视觉导航,本系统可引导机械臂夹持超声探头较快速、较准确、较稳定地到达待扫查区域,实现自主的超声图像采集.
-
基于FieldII的非衍射阵列波声场的仿真研究
本研究基于Capon波束形成算法提出适用于二维发射声场的Capon窗、并结合余弦窗提出这两种窗复合的加权方法.使用Field II对含噪声场进行加权仿真.在深度150 mm时,使用Capon窗加权仿真的分层阵列波波束形状清晰可见,这种方法有效的抑制了噪声,边缘旁瓣幅度相对含噪声场下降了15 dB.复合权方法集中了这两种方式的优点,在抑制噪声的同时也对边缘声场沿y轴方向的尾影具有一定的抑制作用.
-
CT图像特征的高精度区域分割
传统CT图像分割在进行为重要的边缘分割时,复杂空洞和非血管区域特征运用单一约束条件,缺少持续性操作过程,降低了分割精度.提出一种约束持续的CT图像特征的高精度区域分割方法,通过灰度腐蚀运算和滤波处理,获取灰度直方统计结果,据此确定种子点选取原则,实现对血管的初步分割,在此基础上采用更新均值和种子点持续分割作为约束条件,更新均值和种子点持续分割直至无满足灰度区间像素点,实现对CT图像特征的高精度区域分割.以肝脏CT图像为例的分割实验结果说明,所提方法可降低肝脏分割时产生的空洞和非血管信息的提取概率,相较于手工方法与传统方法,本研究所提方法的分割精度较高.
-
医疗设备档案数据挖掘研究
整理归纳医院现有医疗设备档案信息,与其中医疗设备全生命周期过程管理信息、医院信息系统(HIS)中涉及医疗设备的诊疗信息相结合,运用数据挖掘方法,建立医疗设备购置前既往设备数据层次比较回归模型,建立了一种可量化的增置同类医疗设备的指标评估体系,整合档案资源,提高档案管理水平.
-
基于改进人工蜂群优化与组合特征提取的手部运动意图识别
为了解决表面肌电信号混迭导致的手部运动意图识别率较低的问题,提出了一种基于改进的人工蜂群优化盲源有序分离算法.本算法以表面肌电信号的规范四阶累积量作为代价函数,使用改进的人工蜂群优化算法代替传统的梯度算法对代价函数进行优化,并以代价函数绝对值的降序逐次提取出源信号;对于肌电信号的非平稳性及易受干扰的问题,采用一种基于小波包变换和样本熵的特征提取方法,并与表征肌电信号细节和强度的特征峰度、偏度、肌电积分值组合构建特征向量,训练二叉树支持向量机分类器.实验结果表明,采用表面肌电信号的盲源分离预处理与组合特征提取的方法识别六种手部运动意图,平均准确率达到93.33%.
