贝叶斯决策分析在医学步态分析中运动目标检测的应用研究

针对医学步态分析中的运动目标检测问题,提出了基于最小错误率的贝叶斯决策规则的方法.该方法由变化检测、变化分类、前景目标提取和背景更新四部分组成.变化检测采用自适应阈值法检测二值化变化点和非变化点.变化分类基于颜色共生特征向量,采用贝叶斯规则进行决策,前景对象的提取融合了时间差分法和减背景法.针对复杂场景中背景的"渐变"和"突变"情况,提出了不同的背景更新策略.实验表明,该方法能将包含有摇动的树枝或者灯的开关等复杂背景中运动目标准确地提取,可用在医学步态分析的研究中.     

贝叶斯决策分析在医学步态分析中运动目标检测的应用研究

针对医学步态分析中的运动目标检测问题,提出基于最小错误率的贝叶斯决策规则的方法。该方法由变化检测、变化分类、前景目标提取和背景更新四部分组成。变化检测采用自适应阈值法来二值化变化点和非变化点。变化分类基于颜色共生特征向量,采用贝叶斯规则进行决策,前景对象的提取融合了时间差分法和减背景法。针对复杂场景中背景的“渐变”和“突变”情况,提出不同的背景更新策略。实验表明,该方法和包含有摇动的树枝或者灯的开关等复杂背景中能准确地提取运动目标,因此可用在医学步态分析的研究中。     

基于CLSTM的步态分类方法

步态分类在人体运动能量消耗评估等应用中具有重要意义,提高分类精度和降低对统计特征的依赖是步态分类的研究热点。采用传统的步态分类方法提取的步态特征用于细分化步态时不能得到较好的效果。考虑到步态的连续性和不同轴之间信号的相关性,本文提出了基于CLSTM的步态分类方法：采用卷积神经网络（CNN）操作,通过计算多轴步态数据提取步态特征;基于长短期记忆（LSTM）构建步态时间序列模型,学习步态特征图时间维度上的长期依赖性。基于USC-HAD数据集的实验结果表明,用此方法提取了步态序列特征,很好地利用了步态时间序列特点,提升了11种步态的分类精度。     

基于统计决策树的包分类算法

基于网络包分类算法在时间和空间复杂度上的限制,启发式策略一般具有较快的速度,同时在应用上具有较好的前景,提出了一种基于统计决策树的启发式包分类算法.该算法把规则头部中的每一位看作一个特征属性,因为不同位有不同的区分效果,根据对规则的统计把最具有区分意义的几位提取出来作为决策树的决策属性,使规则在子集中分布比较均匀,在子集中也做同样的处理,递归形成树形的数据结构;匹配时在树的每一层根据区分位判断其所属的子集,直到找到相匹配的规则.算法测试表明能实现高效的分类.     

基于属性选择的贝叶斯网络模型在临床缺失数据中的研究与应用

目的 利用基于属性选择的贝叶斯网络对缺失的临床数据集进行分类预测.方法 首先为每个属性添加一个二元变量指示各属性丢失情况;接着使用基于包装法的遗传因子搜索法对原始的有缺失的临床数据集进行属性选择:最后应用贝叶斯网络对以上优化属性集进行分类并检验分类效果.结果 该方法不仅考虑到了丢失的临床信息的价值.也除去了无关和冗余的属性.结论 本文提出的方法,分类效果优于直接使用贝叶斯网络模型.     

基于医学信息的智能化决策服务研究

阐述医学信息在传统决策中的作用、现状、问题以及新形势下决策需要的要素、要求和特点,分析医学信息决策智能化的实现背景及其在健康领域的应用场景和模式,探讨未来基于医学信息的智能化决策服务发展思路。     

基于模糊决策的肝纤维化CT图像分类方法研究

提出一种基于 K近邻法的模糊决策的肝纤维化 CT图像分类方法.对提取的图像频域特征向量用模糊加权 K近邻法进行分类,其中引入隶属度函数对由于各种噪声和扫描参数的变化引起的特征值的不确定性进行描述.本研究结果表明模糊技术的应用提高了分类器的识别率和鲁棒性.     

精准医学大数据应用安全分类分级研究

应用文献研究法、线面混合分类法划分精准医学大数据用户角色、应用场景,详细阐述划分方法及结果,指出精准医学背景下基于不同角色、不同应用场景的数据分类分级思路,为精准医学大数据标准化体系构建和安全隐私保护相关研究提供新方向。     

三维步态分析辅助系统的设计与实现

目的:提供步态分析常用的运动平衡分析算法和逻辑,为运动平衡分析提供处理和研究平台。方法:基于C#编程语言,通过MVC设计模式,在总结步态实验常用到的方法、过程和需求基础上完成开发。结果:实现了集成数据分析、文件批处理和实验工具的三维步态分析辅助系统,该系统包含了用于运动平衡数据分析的步态数据处理模块,针对运动分析大数据的批处理模块以及斯特鲁普测试模块。结论:该系统具有较强的鲁棒性和可扩展性,已在上海交通大学MED-X步态实验室开展广泛应用并得到好评。     

基于医学规则的医院信息系统模型开发框架

针对现有医院信息系统模型框架缺乏灵活性的问题。在分析医学规则特点的基础上,提出了基于医学规则的医学模型开发框架,对开发框架中的实体模型和医学规则进行了分析,并对开发框架中的核心问题医学规则提取和医学规则冲突解决提出了相应的解决方案。