首页 > 文献资料
-
基于一维卷积神经网络的患者特异性心拍分类方法研究
目的 提出一种基于一维卷积神经网络的患者特异性心电分类方法,提升心拍自动分类性能,特别是室上性早搏(Superventricular Premature Beat,SVEB)分类性能,为临床心电诊断提供辅助依据.方法 将多层一维卷积神经网络自动学习的心电特征和心电的RR间期特征进行融合,送入多层感知器,再通过softmax分类器进行分类;选择少量公共心拍数据加上患者特定的心拍数据用于训练分类模型,实现患者特异性心拍识别.结果 采用麻省理工学院提供的标准心律失常数据库(MIT-BIH Arrhythmia Database)评估算法的分类性能,与已有研究结果相比,分类性能得到提升,其中SVEB识别的灵敏度达到88.7%.结论 该方法可为医护人员诊断心脏疾病提供可靠的辅助依据.
-
基于特征融合和判别式学习的胎盘成熟度自动分级
胎盘成熟度分级错误可能会导致小于胎龄儿、死产、死胎等的发生.目前,胎盘成熟度分级主要依赖于临床医生的经验和观察,主观性很强,分级准确性易受医生工作强度、工作时长和工作经验的影响.提出一种基于特征融合和判别式学习的胎盘成熟度自动分级算法.首先,对共544例的B型超声图像和彩色能量多普勒(CDE)胎盘图像,采用提取关键点、对关键点提取特征、进行融合并加以判别式特征编码的方法,形成码书,经过归一化,后用支持向量机(SVM)进行分类,得到胎盘成熟度分级结果.在测试阶段,将胎盘成熟度测试结果与临床医生的分级结果进行对比,得到如下结果:准确率92.7％,敏感性91.1％,特异性97.6％,平均精度97.3％.结果表明,该方法对胎盘成熟度自动分级具有较高的指导意义.
关键词： 胎盘成熟度评估 特征融合 多层Fisher向量 彩色多普勒能量成像 -
基于特征融合和相关反馈的医学图像检索技术
目的探索新型医学图像检索技术,以方便用户高效快速地查询到所需图像.方法在分别研究基于颜色聚类、颜色纹理和形状等单一特征医学图像检索算法的基础上,提出了基于特征融合和相关反馈的医学图像检索算法.结果通过对800幅标准临床内窥镜图像构成的数据库进行实验研究,分别给出了基于单一特征、特征融合以及相关反馈图像检索的查准率和查全率,并进行了比较分析.结论利用特征融合和相关反馈逐步求精的方法,实现了更有效、更快捷的医学图像检索能力.
-
艾滋病患者外周血单个核细胞核纹理分析
2003年,Simon[1]发现在某些病毒感染下外周血中增多出现的非典型淋巴细胞的形态以及核酸、酸性磷酸酶、糖原等含量都有一定变化.2005年,Guillaud等[2]以染色宫颈上皮细胞纹理特征为基础计算了人类乳头瘤病毒(HPV)的阳性概率,揭示了细胞染色质凝聚纹理特征与HPV的相关性.因此我们将Curvelet变换特征系数图像的累积信号强度、图像的几何不变矩、表面曲率等特征融合起来,用偏小二乘回归方法建模,分析艾滋病患者外周血单个核细胞核纹理改变与患者体内病毒载量间的关系.将图形图像变化与DNA、RNA、蛋白质等分子(变化)联系起来,是计算机图形图像处理技术在实验医学中的一种应用尝试.
-
基于特征融合视觉显著性的医学图像分割
医学图像分割结果的准确性对医生诊断病情并制定相应的治疗策略具有重要价值.针对现有的医学图像进行分割时由于没有考虑人类视觉显著性机制因素导致分割精度不高的问题,提出一种基于特征融合视觉显著性的医学图像分割方法.首先基于频率调谐生成待分割医学图像的显著图,得到图像的显著区域并突出医学图像的边缘轮廓,然后分别提取其颜色特征和纹理特征将其作为反向传播神经网络的输入向量,在此基础上用神经网络分类器模型对图像进行分割.通过实验进行验证,结果表明该方法获得了较好的分割精度和分割效率,本文所提方法为医学图像的准确分割提供了一种新途径.
-
一种改进脑电特征提取算法及其在情感识别中的应用
音乐诱发下的情感状态评估结果可为辅助音乐治疗提供理论支持与帮助.情感状态评估的关键是情感脑电的特征提取,故本文针对情感脑电特征提取算法的性能优化问题开展研究.采用Koelstra等提出的分析人类情绪状态的多模态标准数据库DEAP,提取8种正负情绪代表各个脑区的14个通道脑电数据,基于小波分解重构δ、θ、α、β四种节律波;在分析比较小波特征(小波系数能量和小波熵)、近似熵和Hurst指数三种脑电特征情感识别效果的基础上,提出一种基于主成分分析(PCA)融合小波特征、近似熵和Hurst指数的脑电特征提取算法.本算法保留累积贡献率大于85％的主成分,并选择特征根差异较大的特征参数,基于支持向量机实现情感状态评估.结果表明,使用单一小波特征(小波系数能量和小波熵)、近似熵和Hurst指数特征量,情感识另别的正确率均值分别是73.15％、50.00％和45.54％,而改进算法识别准确率均值在85％左右.基于改进算法情感识别的分类准确率比传统方法至少能提升12％,可为情感脑电特征提取以及辅助音乐治疗提供帮助.
-
融合脑电特征的弹性网特征选择和分类
脑机接口系统的核心问题之一是信号分类.本文针对脑电信号的异构融合特征的分类问题提出了一种新方法:封装式弹性网特征选择和分类.首先,对预处理后的脑电(EEG)信号联合应用时域统计、功率谱、共空间模式和自回归模型方法提取高维异构融合特征.其次,采用封装方式进行特征选择:对训练数据采用弹性网罚逻辑回归拟合模型,通过坐标下降法估计模型参数,运用10倍交叉验证选择出优特征子集.后采用已训练的优模型对测试样本进行分类.实验中采用国际BCI竞赛Ⅳ的EEG数据,结果表明,该方法适用于高维融合特征的优特征子集选择问题,对于EEG信号的识别不仅效果好、速度快,而且能够选出与分类更相关的子集,获得相对简单的模型,平均测试正确率达到了81.78％.
-
基于多颜色空间特征融合的彩色白细胞图像识别
针对白细胞图像色彩多样、纹理复杂,在单个颜色空间下多特征融合分类效果不佳等问题,本文提出一种多颜色空间颜色直方图和纹理粒度特征融合分类算法.首先比较RGB、HSV和Lab三种颜色空间下颜色直方图、纹理粒度两种特征,以及归一化距离、欧氏距离、x2度量距离和马氏距离四种相似度计算方法之间的交互性能;然后对人体外周血六种白细胞彩色图片逐一选择高精度、低计算成本的分类计算方式,并进行树状融合,从而建立针对彩色白细胞图像的多颜色空间特征融合分类算法.经实验证明,该方法优于单一颜色空间分类方法,分类精度提高了12.3％.
