首页 > 文献资料
-
新疆高发病食管癌图像的特征提取及分类
目的 结合灰度共生矩阵和小波变换的纹理分析方法提取新疆哈萨克族高发病食管癌X射线钡剂造影图像的特征,旨在为放射科医生的诊断决策提供具有实际参考价值的辅助信息,提高食管癌诊断的准确率和效率.方法 选取2种中晚期食管癌——蕈伞型和缩窄型,以及正常食管图像各100张,利用基于灰度共生矩阵的纹理特征提取方法分别提取食管癌X射线图像的角二阶矩、熵、惯性矩、逆差矩及相关性的方差作为纹理特征,同时使用小波变换对食管癌X射线图像进行二层小波分解,获取其高频子图,并提取高频子图的能量特征作为纹理特征.然后,使用C4.5决策树算法构造一个分类器,对正常食管和中晚期食管癌图像进行分类研究.结果 共计提取11维特征,利用单一特征算法进行分类,灰度共生矩阵法分类准确率为64.66％,小波变换法分类准确率为77％.而综合的灰度共生矩阵和小波变换法的分类准确率为81.67％,更适用于正常食管和中晚期食管癌的分类.结论 本研究将灰度共生矩阵、小波变换算法与决策树C4.5相结合,对正常食管与蕈伞型和缩窄型食管癌进行特征提取及分析,结果表明本算法分类准确率较高,为开发食管癌的计算机辅助诊断系统奠定了基础.
-
基于支持向量机的中医舌图像质量评价研究
目的 在中医舌诊客观化研究实践中,现有舌象仪所采集的大量舌图像不符合临床诊察要求,这将直接影响到舌象分析的终结果.本文主要是对舌图像质量评价进行研究,为临床上图像的准确挑选提供帮助.方法 首先分析中医诊断学中望舌的标准,提取基于自然场景统计的特征、纹理、颜色和几何特征,然后通过支持向量机(support vector machines,SVM)进行分类,并通过分类准确率验证此方法能否为临床上图像的准确挑选提供帮助.结果 提取的舌象特征可以较好地完成对舌图像质量的评价,并且能准确挑选出临床上能使用的舌图像.结论 中医舌图像的质量评价具有可行性,这一方法将有望应用在新一代的舌象采集装置中,为中医舌图像辅助分析提供高质量的参考数据.
-
基于锁相值和图论的脑功能网络特征提取方法
目的 为了研究大脑运动想象时脑功能网络的状态变化,并区分运动想象任务,本文提出一种基于锁相值和图论的脑功能网络特征提取方法.方法 首先获取Mu节律和Beta节律的运动想象脑电信号(motor imagery electroencephalography,MI-EEG),计算任意两导相同节律MI-EEG之间的锁相值;然后分别构建两个节律的脑功能网络,并提取6种全局网络特征参数,对其归一化处理后进行串行融合获得特征向量;后以支持向量机(support vector machine,SVM)作为分类器,采用10折交叉验证法,在BCI Competition III Data Sets IIIa数据集上对两种运动想象任务进行分类.结果 相比于其他脑网络特征提取方法,本文方法获得了较高的识别率,高识别率和平均识别率分别达到100.00％和83.33％.结论从脑功能网络的角度,通过构建Mu节律和Beta节律两个运动节律MI-EEG的脑功能网络,提取多个反映大脑网络整体信息的特征,相对于构建单一运动节律MI-EEG的脑功能网络,提取单个网络特征参数,能够有效改善运动想象任务的识别效果,为MI-EEG信号的特征提取方法提供了一种新的思路.
-
基于想象左右手运动脑电特征提取及其统计特性分析
目的 基于想象运动的脑-机接口(BCI)系统中,探讨如何获取思维脑电、提取特征并对其进行准确而有效地分类.方法 利用小波变换方法构建小波系数提取不同思维脑电特征,并从统计学的角度对这些特征进行分析.结果 在实际动作前0.5～1 s左右,想象左右手运动时C3和C4处各自具有明显不同的脑电特征,且这些特征存在显著性差别(P＜0.05)说明小波系数能很好的反映不同思维脑电的特征.结论 小波分析方法可以有效抑制或消除噪声和提取反映不同思维的脑电特征,通过对构建出的小波系数特征作统计学上的特性分析发现不同思维脑电具有显著性差别,该特征为后续分析中得以被准确地转换(识别分类)提供了更为可靠的保证.
-
基于EMD和Hilbert变换的自发脑电信号特征提取
在脑机接口研究中,针对脑电信号的特征提取,提出一种基于EMD的Hilbert变换的方法.在变换过程中根据信号的局部特征自动选择基函数,求得信号在每个时间段的希尔波特谱;以时频窗口内的统计特性作为特征,利用Fisher距离选择佳特征集输入分类器.后利用BCI 2003竞赛数据,通过对特征矢量的可分性和识别精度两个指标的评估,表明了所提出方法的有效性.
-
基于次生特征提取方法预测蛋白质同源寡聚体
寡聚蛋白质相对于单体蛋白质具有许多优势,广泛地参与多种生命活动.本文提出次生特征提取方法 , 使用支持向量机作为分类器, 采用" 一对一"的多类分类策略, 基于蛋白质一级序列提取特征方法 ,对四类同源寡聚体进行分类研究.结果 表明, 在Jackknife检验下, 基于次生特征和氨基酸组成成分特征构成的特征集, 加权情况下,其总分类精度高达到了78.41%, 比氨基酸组成成分特征提高13.09%,比参考文献好特征集BG提高了6.86%,比好原生特征集CM1提高了5.53%.此结果 说明次生特征提取方法 对于蛋白质同源寡聚体分类是一种非常有效的特征提取方法 .
-
小波变换在心电信号特征提取中的应用
采用分段阈值和模极大值对斜率判据相结合的补偿策略,提出了一种精确提取QRS波群特征值的算法.经过对MIT/BIH心电数据库和临床实测的心电信号的大量实验,结果显示即使在有严重噪声干扰的情况下,运用本算法也很容易实现对QRS波群特征的有效提取,特别是对R波峰具有相当高的定位精度(其误差不超过一个采样点)和分析精度(没有累积误差).
-
基于中层特征的医学图像分割研究进展
图像的中层特征将图像中的全局信息和局部信息结合,同时具备代表性和特异性,能够更好地表达图像的信息.已有的研究工作成功地将中层特征用于医学图像的分割,主要的方法包括稀疏编码和空间金字塔匹配(spatial pyramid matching,SPM)算法,词典学习,以及神经网络等算法.中层特征的应用提高了算法性能.本文介绍了现有的基于中层特征的医学图像分割算法,并对今后的研究工作进行了展望.
-
运动想象脑电信号的特征提取和分类进展
运动想象脑电信号是指想象肢体运动而没有实际的肢体动作所产生的脑电信号.信号处理和模式分类方法是运动想象脑电信号以及整个BC1系统的核心技术.本文对基于运动想象的脑电信号的识别算法进行了综述.阐述了运动想象脑电特征提取和分类的方法,比较了各种方法的特点,分析了几种典型的特征提取和识别算法的组合,并且总结了运动想象脑电信号的特征提取和分类的发展现状和前景.
-
基于体表心电图的房颤自动识别算法综述
首先介绍了房颤的症状、发病率及危害,然后重点阐述了基于体表心电图的房颤时域、频域和非线性分析自动识别技术,后对文献报道的房颤识别算法辨别房颤的灵敏性、特异性、阳性预测率、准确率进行统计,并对各种方法的优缺点进行了比较.经过对比发现,利用多个R-R间期关联性的信息进行特征提取可以提高检测房颤的精度.此外,仅基于R-R间期的算法需较长的心电才能准确识别房颤,结合心房活动识别精度明显提高,当房性室性心动过速发生时,或者当心电节律快速改变时,此时信号更加适用于频域分析.非线性算法是对时域基于R-R间期算法的一种改进,能够进一步提高识别精度.
-
运动想象脑电信号算法研究进展
对脑电信号的研究,不仅可以提高人们对大脑的认知程度,还能够建立大脑与外界沟通的新途径.本文从运动想象脑电信号的特点出发,首先概述了近年来运动想象脑电信号分析与处理算法的发展状况,及脑电信号的特点;然后,着重分析了近年来常用的运动想象脑电信号特征提取与识别方法相关处理算法的优势、不足及其适用条件,包括功率谱分析法、小波分析法、样本熵法和共同空间模式法,以及线性判别、支持向量机等4种分类器;后,总结了目前运动想象脑电信号处理算法发展中存在的识别种类单一,识别率不高,自适性不足等问题,探讨了运动想象脑电信号进一步研究的思路.
-
基于人工智能和临床诊断的上肢康复评估方法研究进展
脑卒中导致患者肢体运动功能障碍或缺失,严重影响了患者的生活质量.在上肢康复治疗中,医生需要对患者的上肢进行主观康复评估,但这种方法误差大、成本高.因此,人们将人工智能技术应用到医疗康复领域.本文总结了基于sEMG信号特征、运动轨迹误差特征、关节运动角度特征、关节角速度特征的客观评估方法,以及Brunnstrom等级评价法、上田敏评价法、Fugl-Meyer量表评价法、Wolf运动功能测试评价方法等主观评估方法.后,本文认为现有的客观评估方法普遍受到训练资料过少、特征单一等因素影响.主观评估方法普遍受到评估时间过长、易受主观影响等因素影响.未来的客观评估算法还应在算法准确性、训练资料规模、多特征融合等方面继续改进.
-
被动式立体视觉研究进展
计算机视觉应用在近几年里得到了迅猛发展,立体视觉是计算机视觉领域的一个重要分支,被动式立体视觉主要研究如何借助成像技术从两幅或多幅图像里获取场景中物体的三维几何信息.本文介绍了被动式立体视觉中图像采集、特征提取、立体匹配、摄像机标定、深度信息计算与插值、后期处理方面的研究进展.
-
基于医学图像纹理特征的疾病诊断方法及其应用现状
纹理特征是图像分析的重要线索.本文介绍了几种纹理特征提取方法及其在医学领域中应用,在此基础上提出了医学图像纹理分析技术在疾病诊断中面临的重点和难点,并指出了其发展前景.
-
心电信号预处理与心电信号分析
本文介绍了在一种便携式心电监护仪器中是如何对心电数据进行预处理和智能分析的.为了适应便携式仪器的特征,我们在心电信号预处理中采用了FFT滤波和滑动平均滤波的方法去除各种干扰并使图像得以平滑,同时采用了差分阈值法提取特征点.考虑到监护仪器的实用性,在心电信号分析阶段,我们采用了分析特征间期异常情况的方法来替代对病症的智能诊断功能.
-
本期提示
工程学日新月异的发展对医学影像学尤其是MRI的进展起了极大的促进作用。动态对比增强MRI （DCE?MRI）因其可以多时相扫描，产生连续动态的图像，获得一系列半定量及定量参数，近年来逐渐成为国际研究的“香饽饽”。DCE?MRI能运用快速MRI序列连续采集静脉注射对比剂前、中、后的图像，显示对比剂进入靶器官或组织血管通过毛细血管床并终被清除过程中的信息。其信号增强的程度反映了器官或组织的物理及生理特性，包括组织灌注、毛细血管表面积、毛细血管通透性、血管外?细胞外间隙等特性，分析内容广度远胜于只反映固定时间点增强的普通对比增强MRI。支持向量机（SVM）是Corinna Cortes和Vapnik等于1995年首先提出的，由于MRI图像存在一定程度的噪声，医护人员有必要对原始MRI图像进行预处理，机器学习处理就是其中引人关注的新方法。但对于有限样本，传统模式具有一定的局限性，而SVM却可以在小样本，高维特征的情况下大限度提高数据预报的可靠性，因此对于脑图像分割实验的特征提取的应用有着不错的前景。
-
基于希尔伯特-黄变换的白细胞信号分析
白细胞信号(WBS)具有脉冲形状多样和时频特性各异的特点,目前临床上用细胞信号脉冲计数的方法来分析WBS通常难以反映其所携带的丰富的生理和病理信息,并直接影响到细胞分类问题.针对这一问题,探索能自适应地分解非线性非平稳信号的希尔伯特-黄变换算法在WBC时频分析和分类中的应用效果.通过对血细胞中的WBC进行HHT变换,获取WBC的本征模态函数(IMF)分量、分量的Hilbert边际谱以及信号Hilbert谱；利用瞬时频率、瞬时幅值等进行计算提取健康人与患者的WBS平均强度、谱质心以及能量贡献率等特征作对比分析,根据其时频特征分布规律构建用于分类实验的特征向量；采用支持向量机(SVM)分类器,对58名健康人和60名患者的白细胞实验样本进行分类实验.结果表明,该方法提取的健康人和患者的WBS分量谱质心分布、平均强度值以及能量贡献率具有较好的区分度,分类正确率到达了94.83％.HHT方法能有效提取WBS特征,可辅助临床WBS的处理和分析.
-
核共空域子空间分解特征提取算法研究
脑-机接口中特征提取算法是脑电信号处理的关键步骤.提出一种基于核方法的核共空域子空间分解特征提取算法,将用于多通道两类别分类的共空域子空间分解算法推广到核空间.应用新算法对BCI竞赛Ⅱ的数据集Ⅳ进行实验仿真.实验中核函数使用的是线性核函数,求解空域滤波器时,为了减小计算的压力,在原空间对每一个试验的训练数据进行层次聚类,训练的分类器为近邻分类器,实验的测试集结果为84％,与数据集Ⅳ的竞赛胜利者的分类结果相同.
-
基于分数阶Hilbert变换二维纹理特征的罗音检测算法
为了自动化地检测肺音中间断性异常呼吸音——罗音,基于新兴的分数阶Hilbert变换信号分析手段,提出一种新的检测算法.在不同阶数下,将分数阶Hilbert变换作用于肺音信号,由此可生成一个与该信号对应的二维纹理图像,纹理图像中呈现的明暗相间条纹组合的特征与罗音信号特征相对应,据此可实现罗音检测.分别进行两组检测实验,一组采用仿真的罗音叠加于实际肺音上进行罗音检测,100％的罗音被检测出,另一组采用美国胸科学会教学数据库包含真实罗音的肺音信号进行检测,敏感性指标达到97％,从而验证基于分数阶Hilbert变换的方法检测罗音的有效性.
关键词： 信号检测 分数阶Hilbert变换 特征提取 罗音检测 -
一种基于有监督奇异值分解和随机森林的卵巢癌磷脂代谢物特征提取方法
卵巢癌是一种常见的妇科肿瘤,死亡率占各类妇科肿瘤的首位.选取既有较高的分类疾病模式能力又具有生物学关联的特征肿瘤标志物用于肿瘤的诊断是目前研究的重点.本研究针对卵巢癌磷脂代谢物数据的问题,提出了一种融合有监督奇异值分解和基于信息增益的随机森林决策的方法用于特征标志物的选择.首先应用有监督奇异值分解计算各标志物的权重值,并根据权重值粗选出候选标志物;其次应用基于信息增益的随机森林决策理论从候选标志物中选出特征标志物;后通过SVM分类器测试,分类率高达90%以上.本研究方法与其他常用方法比较具有一定优势,其中一个明显的特点是所选特征标志物不但保持了较高的分类率,而且具有生物学关联意义,从而证实本研究方法具有较高的可行性和实用性.
