首页 > 文献资料
-
基于MOS和SAW传感器呼吸诊断肺癌的复合识别算法研究
目前国际上有关肺癌的呼吸检测诊断方法越来越受到关注,其具有简便、快速、无创伤、无标记以及非接触等显著特点.在前期大量肺癌呼出气体挥发性有机物(VOCs)标志物研究的基础上,采用基于MOS-SAW传感器联用的电子鼻技术,分析27例肺癌患者和27例健康人呼出气体样本,并对数据进行处理和识别,设计PCA、PLS、LDA以及ANN等多种诊断方法,比较不同算法的识别结果.实验结果表明,采用的人工神经网络复合模型对肺癌和健康人群的识别灵敏度和特异性分别达到92.59％和88.89％.所提出的复合识别方法对于电子鼻快速诊断肺癌患者是有效的.通过呼出气体中冷凝物标志物的检测和复合诊断算法,将进一步提高通过呼吸气体标志物诊断的新型电子鼻仪器在临床诊断中的广泛应用.
-
基于随机森林算法的小鼠micro-CT影像中骨骼关节特征点定位
随着小动物成像技术的发展,技术人员每天需要处理的小动物影像数量急剧增长,这使得自动化的小动物图像分析方法成为迫切的需求.在小鼠图像分析方面,小鼠灵活多变的身体姿态给自动化的图像分析带来困难.基于随机森林算法实现小鼠micro-CT图像中骨骼关节点的自动定位,为解决小鼠影像中身体姿态的自动识别打下基础.该算法主要分3步:先通过分类随机森林算法得到小鼠骨骼关节点的粗定位,再通过回归随机森林算法进一步减小定位误差,后通过图匹配的方法在备选点中挑选正确位置上的关节点.对49例不同身体姿态的小鼠全身三维micro-CT图像进行测试,全身关节点定位的成功率为98.27％,定位误差的中值为0.68 mm.同时验证联合使用分类与回归随机森林的必要性,并探究训练数据的数量对不同骨关节的识别效果的影响.研究为小鼠micro-CT影像中身体姿态的识别提供一种新方法,为后续的自动化图像配准、图像分割以及自动化图像测量提供重要的定位信息.
-
肺腺癌吸烟相关甲基化模式识别分类模型及特征基因的识别研究
吸烟是导致肺癌的一个重要诱导因素,从全基因组基因甲基化水平出发,利用生物信息学方法,通过建立对当前吸烟/不吸烟样本的模式识别分类模型,识别甲基化特征基因,为揭示不吸烟肺癌患者的患病机理奠定基础.为避免甲基化微阵列数据超高维小样本、高噪声、高相关性以及信息饱和现象淹没真正的特征基因,首次采用迭代多重筛选方法,分别从显著性差异、与基因表达水平的关系、生物功能、分类重要性等多个角度对全基因组甲基化数据进行多步筛选,从而识别吸烟相关特征基因.以TCGA数据库中127个肺腺癌样本为训练集,64个EDRN肺腺癌样本为独立测试集,终确定了48个关键基因.相应模式识别模型对训练集精度达到87.5％(敏感性、特异性分别为87.2％和87.8％),独立测试集分类精度达到76.4％(敏感性、特异性分别为80.2％和73.6％).交叉研究表明,其中17个基因对癌症发展的重要性已经在其他研究中有所证实,进一步的研究则证明其甲基化的重要性.同时,KEGG和IPA对特征基因在基因调控网络和代谢通路水平的分析表明,特征基因与癌症的发展以及生物功能、细胞发育等都有着密切的联系.
-
XRII图像引导手术系统的研究与实现
本研究拟就实现XRII图像引导的手术系统之关键技术进行探讨.采用圆霍夫变换(CHT)与连通体(CC)分析结合法进行标志物识别与数据提取;采用移动小二乘法 (MLS)与层次B样条法 (MBA)集成法进行XRII图像变形校正;采用Faugeras法进行C形臂成像系统标定.在此基础上,自行开发相关软件并结合手术工具设计制作,形成一整套实验型手术系统.人体脊柱标本实验表明,采用XRII图像引导的手术系统可明显提高椎弓根螺钉植入精度.
-
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.
-
蛋白质相互作用的文本挖掘研究进展
生物体的生理功能主要由细胞中的蛋白质调控,因此研究蛋白质间的相互作用成为理解生命活动的基础.使用文本挖掘方法研究蛋白质相互作用可以充分利用现有的大量文献揭示出与蛋白质相关的潜在知识,构造蛋白质相互作用网络.着重从相关的语料集和工具、所涉及的技术和方法等方面,对蛋白质相互作用的文本挖掘进行综述,并对研究前景进行展望.
-
癫痫发作前脑电行为的高阶统计量分析
由于癫痫的发作一般呈突发性,因在目前还做不到对癫痫发作的有效预测.本文利用高阶统计量对20例癫痫发作前的两段脑电信号分别建立AR模型并提取特征,然后通过对这些信号作模式识别,发现在癫痫发作前6s内,脑电信号中已蕴含有在时域看不到的异常变化,从而为癫痫的预测提供了可能.本文对这些脑电信号进一步做双谱分析,也得出了同样的结论.
-
伪随机体力负荷下心脏调节功能数学模型的研究
为了能既定性又定量地分析人体的心脏调节功能,建立一种基于控制论信息论的原理来检查人体心功能优劣的方法,我们对心功能正常与异常对照组,分别在直立位与仰卧位下,进行了伪随机运动负荷实验;采用相关分析法和参数信号模型法,建立了对应的心率曲线数学模型;运用逐步判别法和Logistic函数判别法,对所得的模型参数进行了心功能优劣的判别分类;运用大熵谱分析的Burg递推程序和FPE判阶准则,证明了所选模型阶次的正确性;建立了一种用伪随机体力负荷做输入用心率做输出,来判断心功能优劣的检查方法.
-
基于运动想象的脑机接口关键技术研究
基于运动想象的脑机接口技术,被广泛的认为是具有前景的一类脑机接口,但目前在该技术的发展过程中存在着一系列急需解决的问题.本文从信号获取、特征提取、模式分类、在线系统等方面,介绍了一些解决问题的方法,特别是基于笔者长期研究工作的系列解决方案.如信号获取中能够去除低频偏置的放大器设计方法;特征识别方面针对在运动想象脑机接口中广泛使用的共空间模式方法的改进算法,使其具有更强的抗噪音能力;模式识别方面所提出的基于线性判别分析的改进算法,以较大幅度提高分类准确率.后介绍了基于上述方法而设计实现的一种基于运动想象和运动启动电位的在线脑机接口系统.
关键词： 运动想象 放大器 共空间模式 模式识别 运动启动视觉诱发电位 -
一种基于结肠压力的结肠动力性能诊断方法的研究
消化道测压是其他检查手段不可替代的,广泛使用的评价消化道运动功能的检查手段,对消化道运动障碍型疾病的诊断有较高的价值.但由于测量压力均是介入性检查,实施起来很不方便,且影响因素较多,所以对结果的分析还需要不断积累经验.结肠压力测量的研究更是如此.本研究对实际采集的结肠压力信号进行特征提取,采用学习矢量量化的方法进行结肠压力信号的识别.学习结果表明,这种方法可以将结肠压力信号分为正常和异常两组,与初始的医疗诊断相符合,为进一步根据结肠压力信号识别肠道的动力性能奠定了基础.
-
基于雅可比-傅里叶矩的细胞模式识别
细胞学检查自动化是生物医学工程研究的重要课题.文中介绍了雅可比-傅里叶矩,它具有多畸不变性.多种临床细胞涂片模式识别表明,该矩不但是一种高度浓缩的图像特征,还有较好的抗畸变、抗噪声性能,可用于快速准确的细胞学自动化识别.
-
基于数据挖掘的地震创伤患者入院后结局预测模型
目的 模式识别技术(PRT)是一种挖掘重要信息的新型工具,可以从海量数据中提取新的知识.基于汶川特大地震中创伤患者的数据,笔者采用PRT建立地震伤员结局预测模型,旨在为提高灾难医学救援水平提供一种新的方法.方法 采用回顾性数据挖掘方法,数据来自于四川省医学科学院创伤数据中心2008年5月12日至20日收治的2316例住院地震伤患者病例信息.将患者资料按照生存与死亡、是否发生多器官功能不全综合征(multiple organ dysfunction syndrome,MODS)分组.根据正态性分布检验结果,计量资料以均数±标准差(-x±s)或者中位数(四分位数)表示,统计检验采用Student T检验或者Wilcox检验;计数资料采用构成比表示,统计检验采用x2检验或者Fishcr检验.多元统计分析采用偏小二乘法判别分析(partial least squarediscriminant analysis,PLS-DA).多元聚类图采用二维主成分的PLS的投影图,并采用重要性投影指标值(variable important projection,VIP)筛选与临床结局相关的重要变量,工效曲线(receiveroperating characteristic curve,ROC)作变量灵敏性分析.结果 经数据清理后1919例患者的病例资料纳入研究;筛选出31项人口学指标、生理-生化指标以及干预因素作为暴露参数;获得36例院内死亡病例和17例MODS病例.MODS相关病死率为47.1％.经过PLS-DA分析,二维主成分得分图可以辨识出生存、MODS和死亡模式.对病死率和MODS进行预测,ROC曲线下面积(area under curve,AUC)分别为0.882和0.979.PLS-DA的重要性投影指标值(VIP)确定了8项生理指标(pH,BE,PaCO2,PaO2,HCO3-1,SBHCO3,Cr和首日补液量)构成了与院内死亡和MODS发生的相关模型.结论 研究建立了一项可以预测特大地震创伤入院患者预后模型(由入院接受创伤治疗的生理-生化指标集合和液体复苏干预构成).基于该模型,将有助于开发帮助医务人员在特大灾难医学救援中早期预判高危患者的计算机辅助诊断系统.
-
灯盏细辛对大鼠缺血性脑损伤代谢物质的影响
目的 观察大鼠缺血性脑损伤对大、小脑波谱的影响以及灯盏细辛对大鼠缺血性脑损伤代谢物质变化的影响.方法 18只雄性Wistar大鼠,体重150～200 g,随机分成正常对照组(n=6)、缺血组(n=6)、灯盏细辛治疗组(n=6).采用大脑中动脉栓塞法(MCAO)制作大鼠急性脑缺血损伤模型,缺血3 h后,恢复血供或灯盏细辛治疗.采用离体高分辨魔角旋转波谱(HR MAS1H NMR)技术观察大、小脑波谱中胆碱(Cho)、肌酸(Cre)、N-乙酰天门冬氨酸(NAA)、γ-氨基丁酸(GABA)、谷氨酸(Glu)、天冬氨酸(Asp)等共振峰的变化.结果 除Cho、Glu、Asp升高,大鼠急性脑缺血时大多数代谢物浓度均明显低于正常对照组,经灯盏细辛治疗后其代谢物的浓度会有所增加.结论 缺血严重影响大、小脑神经元的存活和物质代谢,灯盏细辛对大鼠缺血性脑损伤有明显的保护作用.
-
基于表面肌电信号的手指运动模式识别系统
目的:建立一套基于表面肌电信号(sEMG)的手指运动模式识别系统.方法:研发了基于有源电极的sEMG检测装置和包含信号采集、分析、离线识别和在线识别模块的配套软件.结果:该系统能够同时采集4个通道sEMG数据,用16种时域、频域和时频域方法对其分析,并可以对7种sEMG特征提取及分类方法进行对比研究,还能在线控制假手.结论:本系统为多指、多自由度假手sEMG控制方法的研究提供了一个实验平台,该系统不仅可以用于手指运动模式识别,而且也可以用于人体其他运动模式的sEMG特征提取方法和分类器的对比研究.
-
基于痰涂片巴氏染色色度学特征的肺癌脱落细胞的模式识别研究
目的 探讨基于巴氏染色色度学参数的痰涂片肺癌脱落细胞的模式识别方法,为肺癌脱落细胞的计算机诊断奠定基础.方法 研究分为学习组和评价组,两组均进一步分为正常组和肺癌组;两个正常组又均分为正常的柱状上皮细胞、鳞状上皮细胞和组织细胞组;两个肺癌组又均分为鳞癌、腺癌、大细胞癌及小细胞癌细胞组.选取的参数包括上述细胞的红、绿、蓝三基色及三基色系数,核的红、绿、蓝三基色及其三基色系数.根据学习组测试结果建立判别函数,计算回代判别符合率;用评价组细胞判别诊断的准确率.结果 所建立的判别函数对学习组正常与肺癌细胞判别的符合率分别为62.5%、95.9%,对评价组两组细胞判别诊断的准确率分别为63.4%、95.5%;对学习组鳞癌、腺癌、大细胞癌和小细胞癌癌细胞判别的符合率分别为72.5%、46.2%、81.2%、56.5%,对评价组四类癌细胞判别的准确率分别为71.8%、44.7%、82.7%、57.9%;对正常组柱状上皮细胞、组织细胞及鳞状上皮细胞判别的符合率分别为100.0%、95.8%、94.2%,对评价组三类正常细胞判别诊断的准确率分别为100%、95.8%、94.2%.学习组的判别符合率与评价组的诊断准确率两者间差异无显著性.结论 用整个细胞及核的色度学参数建立的逐步判别函数对于判别痰涂片中的正常细胞与肺癌细胞,正常的柱状上皮细胞、组织细胞和鳞状上皮细胞,以及肺的鳞癌、腺癌、小细胞癌和大细胞癌四类亚型肺癌细胞有重要的价值,对于肺的小细胞癌及腺癌细胞的判别效果不佳;基于所建立的判别函数,提出了痰涂片肺癌脱落细胞色度学定量判别分析路径.
-
矩技术在计算机图像学中的应用综述
矩技术因具有数学上的简明性及多用性,而得到了广泛应用.本文介绍矩技术在图像处理、计算机视觉和模式识别领域内的应用,主要包括景物匹配、直方图匹配、图像重建、图像压缩、对称性检测、图像规格化、纹理分割、边缘检测、目标识别和图像检索.
-
偏小二乘法+神经网络用于大肠癌组织自体荧光的模式识别
目的大肠癌组织自体荧光的模式识别算法的优化.方法本文将大肠癌自体荧光光谱的判别分析归结为模式识别问题,并首次采用偏小二乘法+神经网络判别法,即偏小二乘法进行模式特征分析,完成特征提取后利用主因子作为人工神经网络输入变量,实现类别预测的同时也完成了数学建模与优化分析工作.结果实践证明,该方法可以以较高的灵敏度、特异性和可靠性对组织荧光光谱进行模式分类.结论该方法优于目前该领域同类判别方法.
-
超声心动图自动测量加速超声检查工作流程
本文探讨了以往采用的自动测量技术的局限性,论述了超声心动图领域面临的测量一致性和重复性挑战,提出了一种基于学习型模式识别的创新方法,以期改善并加速超声工作流程.
-
机器学习助力检验医学发展
医疗数据结构混杂、特征高维,传统数据仓储策略已难以满足大数据分析需求.以数据中产生模型的算法为主要研究内容的机器学习,迅即成为计算机模拟人类学习过程中智能数据分析技术的创新源泉.本文对机器学习的发展及其现处的医疗大数据背景作以简介,着重介绍其在检验医学图像识别、报告自动审核、中文医学语言处理及计算机辅助诊断中的应用,并思考其对检验医学发展带来的机遇与挑战.
-
临床决策原理及其能力培养
临床决策是医疗实践的核心环节，决策水平反映医生的业务能力。常用的临床决策方法有两种：“模式识别”和“系统分析”，前者依赖个人经验，决策迅速；而后者主要用于处理复杂、疑难或陌生的临床问题，费时较多。不断丰富和完善医生的个人经验，有助于提高模式识别的水平。系统分析分为四个步骤：（1）确定临床问题；（2）掌握解决问题所需要的资源；（3）列举所有可能的选择并加以比较；（4）做出决策并加以评估。无论用何种方法做出决策，都需要密切随访观察，追踪病情变化，以肯定或修正原有判断。临床决策是医学教育的重要内容，掌握其原理和方法有助于医学生及年轻医生更好、更快地成长。
