首页 > 文献资料
-
导读
随着技术的进步，全自动血液细胞分析仪能够对绝大多数样本提供快速准确的测量结果。然而，由于全自动血细胞分析仪检测原理的特殊性，有很多因素可影响其检测结果的准确性。其中，脂质颗粒是常见的干扰因素之一。《粒子群分离度数字增强技术及其在去除脂质颗粒对WBC计数干扰中的应用研究》一文旨在分析脂质颗粒对全自动血细胞分析仪（BC-6800）白细胞（WBC）参数计数的影响，并在此基础上，介绍了一种全新的粒子群分离度数字增强技术，该方法能有效分离脂质颗粒和白细胞粒子，从而达到去除脂质颗粒干扰的目的。
-
粒子群分离度数字增强技术及其在去除脂质颗粒对WBC计数干扰中的应用研究
目的：介绍新的粒子群分离度数字增强技术及其去除脂质颗粒对WBC计数干扰的效果验证。方法：通过脉宽信号获取Baso散点图FS方向的增强信号，从而达到分离脂质颗粒与白细胞的目的，并收集3例体检样本，通过添加脂肪乳模拟脂血样本，对比分析使用新技术前后的WBC计数结果。结果：在使用新方法前，无论是低浓度组还是高浓度组，其WBC计数结果较对照组WBC结果均显著偏高，而使用新方法后其WBC结果得到明显的改善，与对照组结果一致性良好。结论：新技术的应用可以有效避免临床常见的脂血样本对血常规W B C参数计数可能造成的影响，使得B C-6800全自动血细胞分析仪的临床性能得到明显的提升。
-
采用粒子群优化的基因转录差异分析模型
高通测序技术可以更加全面地检测实验样本中基因转录水平,这使得对样本间基因转录差异的分析精度越来越准确.根据通过DNA高通测序技术获得的基因转录区内Pol Ⅱ蛋白个数,提出了两个样本间基因转录差异分析模型.该模型在考虑同一基因间转录差异的同时,引入了全基因的转录分布特性以提高模型分析精度.模型采用预测概率大化统计算法进行参数求取.在概率大化步骤中,由于难以得到模型参数解析解和提高算法效率,采用粒子群优化算法直接进行求取模型参数数值解.乳腺癌实验数据测试表明,该模型可有效分析不同样本间基因转录差异.
-
基于标记的改进分水岭的DTI胼胝体分割方法
目的 利用分水岭分割方法,提出了一种分割扩散张量胼胝体的改进算法,更快速、精确地分割出胼胝体.方法 对胼胝体的弥散张量成像(DTI)数据进行处理,得到其部分各向异性图像,然后将图像的大类间方差作为粒子群算法的适应度函数,求取佳阈值,用求得的阈值对图像进行标记分水岭分割.结果 实验结果表明,该方法可以有效滤除传统分水岭由噪声等引起的伪局部极小值,从而抑制过分割,并且对胼胝体的分割取得了较好的效果.结论 与传统标记分水岭分割方法相比,显著提高了分割速度与分割精度.
-
基于粒子群和人工神经网络的近红外光谱血糖建模方法研究
现有的近红外光谱无创血糖建模方法大多是基于多波长近红外光谱信号,不利于无创血糖仪在家庭中普及,并且这些建模方法没有考虑单个个体每天血糖变化规律的差异性.针对这些问题,本文以血糖吸收强的1 550 nm近红外光吸光度为自变量、血糖浓度为因变量,结合粒子群(PSO)算法和人工神经网络(ANN)建立了一种无创血糖检测模型——PSO-2ANN模型.该模型以两个结构和参数确定的人工神经网络为基本的子模块,通过粒子群算法优化两个子模块的权重系数得到终的模型.使用PSO-2ANN模型对10名志愿者的实验数据进行预测.结果表明,其中9名志愿者的预测相对误差率均小于20％;通过PSO-2ANN模型得到的血糖浓度预测值分布在克拉克误差网格A、B区域的比重为98.28％,证实了PSO-2ANN模型具有比传统人工神经网络模型更为理想的预测精度和稳健性.另外,单个个体由于外界环境、心情、精神状态等因素的影响,每天血糖的变化规律可能会出现一定程度的差异性,PSO-2ANN模型只需要调节一个参数便能修正这种差异性.本文提出的PSO-2ANN模型为克服血糖浓度预测的个体差异性提供了新的思路.
-
基于独立成分分析和量子粒子群算法的胎儿心电提取
胎儿心电图(FECG)是反映胎儿心脏电生理活动的一项客观指标,获取的FECG受到母体心电图(MECG)的干扰,如何快捷、有效的提取FECG成为重要的研究课题.在非侵入方式下,FECG的提取算法中独立成分分析(ICA)算法被认为是效果好的方法,但现有求解其分解矩阵的算法收敛性能都不太高.量子粒子群(QPSO)算法是一种收敛于全局的智能优化算法.因此,提出了一种结合QPSO的ICA方法.研究结果表明,与其他在非侵入方式下的主要提取算法相比,这种方法能更清晰准确地提取出有用信号,为胎儿的健康检测提供了更好的方法.
