基于最大散度的特征搜索算法用于心搏分类的研究

在对心电图进行离散小波变换获得特征空间的基础上,提出了基于最大散度的特征搜索算法.对特征空间进行搜索得到不同维数下的优化特征组合,通过研究这些优化特征组合的散度值随维数的变化趋势,最终确定特征向量的特征构成,并以此特征向量训练BP神经网络.取自MIT-BIH数据库的四类心电图(正常心搏、左束支传导阻滞心搏、右束支传导阻滞心搏和起搏心搏)的分类正确率达到93.9%,检出率较高.     

磁共振弥散张量成像纤维束追踪算法的研究进展

磁共振弥散张量成像(diffusion tensor imaging,DTI)由于能够无创地显示神经纤维形态,目前已被广泛应用于临床。它在脑部、心肌纤维、脊髓、肾脏、肌肉和周围神经等部位的疾病诊疗中发挥了重要作用,尤以脑部神经病变的应用最为广泛[1～5]。DTI有     

深度学习在抗菌肽药物研究中的应用进展

抗菌肽(AMP)作为未来最有希望解决病原微生物耐药性的新型抗菌药物之一，其研发备受关注。抗菌肽一般较短，组成多样，迄今人们已发现数千条天然抗菌肽，并建立了多个公开的抗菌肽数据库，为新型抗菌肽的研发和设计奠定了基础。另一方面，深度学习和人工智能作为信息处理的有力工具，已被大量应用于医学影像信息处理、疾病诊断、药物设计等领域，在抗菌肽的设计和研发上也受到广泛关注。在抗菌肽的信息描述方面，人们使用了伪氨基酸残基组成、位置特异性评分矩阵、独热码等多种特征向量；在深度学习方法上，研究人员应用了循环神经网络、卷积神经网络、对抗生成网络等多种算法，开发了ACEP、CLaSS等抗菌肽活性预测和序列生成模型。这些模型有望加速新型抗菌肽的发现，为应对耐药菌感染，尤其是临床上难以治疗的耐药性革兰阴性菌感染，提供新的手段。