基于遗传算法和BP神经网络的CTG识别研究

目的:针对正常类、非典型类和异常类3类胎心宫缩监护图(Cardiotocography,CTG),利用BP神经网络建立分类识别模型。方法:根据遗传算法(Genetic algorithm,GA)具有全局寻优的特点,引入遗传算法对神经网络权值和阈值进行优化,形成一种训练神经网络的混合算法(GA-BP算法),以克服BP算法易陷入局部最优解的缺陷,并以UCI数据库中的CTG数据集为例进行测试。结论:仿真结果表明,对于正常类、非典型类和异常类3类样本,BP算法的分类准确率分别为97.32%、71.97%和95.45%,而GA-BP算法的分类准确率分别提高到98.24%、82.67%和95.65%。可见GA-BP分类模型具有较强的学习能力和泛化能力,分类准确度更令人满意,所提出的方法是可行的。     

基于遗传算法的复杂平面曲线轮廓度误差评定

针对不规则曲线轮廓度误差评定中存在的问题,提出了一种基于非均匀有理B样条(NURBS)插值与遗传算法相结合的复杂曲线轮廓度评定方法,对离散数据点表示的理论轮廓进行3次NURBS插值反算控制点,建立了理论轮廓曲线的数学模型;采用实数编码的遗传算法求解测量点与理论轮廓曲线位置偏差,消除了由于位置偏差引起的轮廓度评定的不精确问题;阐述了测量点到理论轮廓最短距离的求解算法和步骤。实验结果表明该方法能够快速获得较好的误差评定结果。     

应用新的基于知识编码方法及双层SVM识别人类PolⅡ启动子

目的优选对人类RNA聚合酶(Pol)Ⅱ启动子数据识别分类并提高识别准确率的方法。方法采用基于知识的统计编码方法、CpG编码、五联体(Pentamers)编码、模式字典(Pattern Dictionary)编码,最后建立共识模型,使用支持向量机(SVM)方法对启动子数据进行分类。结果启动子数据编码后在SVM中识别,与其他利用SVM工具相比,得到了较高的识别准确率、特异性及灵敏度。将新编码方法应用到人类22号染色体启动子数据的识别中,其中模式字典编码识别准确率达到了90.98%。结论共识模型考虑了各子模型的独立性和模型之间的差异性,发挥了各模型之间的互补优势,从而提高了最终的识别准确率。     

基于粗糙-模糊神经网络的焊接图像缺陷识别

针对焊接图像缺陷识别中提取的特征受噪声干扰比较严重以及现有的识别算法准确率低的问题,提出了一种基于粗糙模糊神经网络的缺陷识别算法。该算法充分利用了粗糙集的属性约简、模糊集的处理不精确数据以及神经网络的自学习、对任意函数逼近的优点,有效地解决了不确定建模过程中样本数据受到噪声干扰、模型结构难以确定的问题。仿真结果表明:该算法能有效地提高焊缝图像的缺陷识别能力。     

基于神经网络对CT上腹部脏器边界识别及其临床应用中的检测效能

  目的  探讨基于神经网络模型和不同层面组合对CT上腹部影像主要脏器边界进行识别,并检测其临床实际应用效能。  方法  纳入2018年3月–2019年3月在我院行或包括上腹部增强CT检查且图像质量满足临床诊断要求的病例2 000例,对上腹部8个主要脏器边界层面（肝上下缘、脾上下缘、左肾下缘、右肾下缘、胃下缘和胆囊下缘）进行标注,利用不同神经网络方法和不同层面组合进行模型训练（训练集、验证集和测试集）,获得边界识别的准确率,并通过识别50例临床数据检测其准确率和临床应用效能。  结果  两种模型按照不同权重比例整合的融合模型准确率最高,EfficientNet-b3模型次之,Xception模型最低。各模型中5层图像识别边界的准确率要高于3层图像的准确率,1层图像的准确率最低。融合模型连续5层图像获得肝上缘、肝下缘、脾上缘、脾下缘、左肾下缘、右肾下缘、胃下缘和胆囊下缘的识别准确率分别是91%、87%、92%、85%、92%、95%、76%、74%。融合模型对50例效能检测数据进行识别,获得8个层面准确率为88%、86%、88%、80%、82%、80%、69%、65%;满足临床应用各边界的准确率为98%、98%、95%、98%、99%、98%、80%、77%。  结论  通过增加边界在连续层面的变化逻辑,按照不同权重比例整合的融合模型识别上腹部CT各边界的准确率最高,并在临床实践中获得较高的临床检查效能。     

一种精确扫描含标记点CT层面的方法及应用分析

目的探讨对西门子CT模拟机使用Control Scan和位置数据计算,精确扫描含标记点CT层面的应用效果。方法选取60位放疗患者进行测试,其中30位作为实验组,30位作为对照组。实验组和对照组分别使用Control Scan和位置数据计算的方法与常规方法进行定位CT扫描,对CT扫描结果进行分析比较。结果实验组中,标记点出现在1、2和3层CT图像上的人数分别为:26、4和0;对照组中相应的数据分别为8、21和1。与常规方法相比,使用Control Scan和位置数据计算的方法,标记点出现在1层CT图像上的比例提高了60%。结论使用Control Scan和位置数据计算的方法,可以精确确定含标记点CT层面的位置,有效提高标记点在1层CT图像上的比例,为后续的精确放疗计划制作和精确摆位治疗提供坚实基础。     

自制引流管标识在普外科的应用

目的 探讨引流管标识在普外科的应用,提高管道辨认的准确率和速度,减少护理差错的发生.方法 采用常规类标识和空白标识:填写日期、管道名称、置管道标识者姓名.结果 无一例因引流管而导致护理差错.结论 通过采用引流管标识后,提高了管道辨认的准确率和速度,消除事故隐患起到了积极的防范作用.     

眶下神经阻滞麻醉联合自体脂肪移植治疗面中部凹陷的疗效观察

目的:探索一种简单、有效地面部自体脂肪填充矫治面部轮廓的方法。方法:2010年12月-2011年12月对于17例患者,通过局麻药少量精确双侧眶下神经阻滞麻醉,后行双侧眶睑沟、鼻唇沟或上唇自体脂肪少量、多点、多层次精确注射填充矫治局部形态不佳。结果:17例患者注射过程无明显疼痛感觉,脂肪填充位置精确,注射量合适。经4～12个月随访,局部脂肪有一定的吸收,但局部形态均匀一致,患者满意率高。结论:精确眶下神经阻滞可以有效减少中面部自体脂肪填充注射中的疼痛,提高舒适度;并且使术者有条件精确控制脂肪填充量和位置,提高手术疗效。     

基于红外光谱数据融合的姜半夏鉴别方法研究

目的联合采用近红外(NIR)和中红外(MIR)光谱技术,通过数据融合方式建立姜半夏及其伪品姜虎掌南星的快速鉴别方法。方法收集22批姜半夏和14批姜虎掌南星样品,采集其NIR和MIR光谱数据,以偏最小二乘判别分析(PLS-DA)算法分别建立单一光谱数据和融合数据的姜半夏及其伪品的判别模型,以分类准确率对不同PLS-DA模型的判别结果进行评价,并以得分图展示样本在不同PLS-DA模型潜变量空间的分布情况。结果采用NIR光谱建立的PLS-DA模型对校正集和验证集的分类准确率分别为100%和84.62%,采用MIR光谱建立的PLS-DA模型对校正集和验证集的分类准确率分别为100%和92.41%,将NIR和MIR光谱数据融合后建立的PLS-DA模型对校正集和验证集的分类准确率均为100%,并且数据融合后,样本在PLS-DA模型潜变量空间呈现明显的分类聚集现象。结论数据融合方式可以显著提高姜半夏红外光谱鉴别准确率。本文为鉴别姜半夏及其伪品提供了新的研究思路和解决方法,为保证姜半夏临床用药安全、有效提供依据。     

基于增强图卷积神经网络的病毒形态识别方法研究

背景 透射电子显微镜（TEM）是检测病毒的重要手段,传统TEM检测常依靠专家手工观察,操作步骤繁琐,且已有机器学习方法易受到背景、噪声的影响,导致病毒检测方法准确率差、效率低且耗时长。 目的 探讨增强图卷积神经网络（EGCN）对TEM图像中的病毒形态自动识别问题,以提高TEM病毒检测的效率。 方法 EGCN模型利用卷积神经网络（CNN）提取像素间的局部特征信息,并结合样本特征之间的最近邻关系利用图卷积网络（GCN）进行图特征学习。在模型优化中联合优化群体超分类损失和分类交叉熵损失以提高EGCN模型对病毒类别信息特征的提取能力,较CNN对TEM病毒图像特征具备更强的特征提取能力。 结果 通过不同方法在15类TEM病毒图像数据集上开展实验,EGCN达到3.40%的top-1错误率、1.88%的top-2错误率、96.65%的精确度和96.60%的召回率,并通过一系列对比实验表明EGCN模型可以有效避免TEM图像中背景、噪声等的影响,提高对病毒识别的准确率。 结论 EGCN可以有效解决病毒形态识别任务,为病毒的诊断提供重要的参考价值。