基于混合遗传算法的心脏病决策支持系统研究

将遗传算法和 BP算法相结合 ,建立了一个基于混合遗传算法的心脏病决策支持系统来鉴别诊断五种常见心脏病 (冠心病 ,高血压性心脏病 ,风湿性心脏病 ,慢性肺原性心脏病和先天性心脏病 )。一个含有 35 2份心脏病的数据库用来构建和测试了该系统。实验结果表明 ,构建的系统对这五种心脏病均有较好的诊断识别率 ,系统的平均识别准确性达 90 .6 % ,各疾病的用户准确性和程序准确性均大于 85 .0 % ,表现出良好的心脏病的临床诊断决策支持能力     

采用修正正交分段线性函数求解时滞系统和卷积的方法

应用修正正交分段线性函数的时滞和反向特性，推导出求解时滞系统和卷积的公式。数字仿真表明，它具有计算简单，精度高的优点。     

神经网络分析方法用于心脏病诊断的研究

神经网络可以很好的拟合任意的非线性函数。我们从 QRS波群的高频三维频谱中提取出一些定量的特征参数 ,用神经网络的方法对这些参数进行有监督的学习训练 ,最终能在由这些特征参数张成的 m维空间中构建出一个 m维的曲面来区分病人和健康人的 QRS波群高频三维频谱 ,从而使得训练后的网络能基于 QRS波群的高频三维频谱自行诊断出病人和健康人     

基于贝叶斯多变量联合模型的体检人群脑卒中发病风险因素的纵向研究

背景 脑卒中是目前影响人类健康的主要公共卫生问题之一;健康体检纵向数据累积了大量的健康信息,由于缺失数据多、样本量小等诸多问题,导致其利用率低、重要信息未能得到充分挖掘,进而对常见慢性病的有效防控等工作带来一定困难。目的 基于贝叶斯多变量联合模型,探讨体检人群脑卒中发病风险因素,为慢性病风险因素分析提供新的方法。方法 本研究使用空军军医大学西京医院健康医学中心2008—2015年的体检资料。随访情况：以首次发生脑卒中为结局事件,发生结局事件立即停止随访;若未发生,到2015年体检信息收集完成后结束随访;体检间隔时间为1年。依据随访过程中是否发生脑卒中分为脑卒中组和非脑卒中组。纵向观察变量包括总胆固醇（TC）、三酰甘油（TG）、低密度脂蛋白胆固醇（LDL-C）、高密度脂蛋白胆固醇（HDL-C）、体质指数（BMI）和收缩压（SBP）。采用多因素Cox回归模型分析基线情况对脑卒中结局事件的影响;采用贝叶斯多变量联合模型,分析随访过程中TC、TG、LDL-C、HDL-C、BMI和SBP的纵向变化轨迹对脑卒中发病的影响。结果 本研究共纳入234例研究对象,1 581条纵向随访记录,平均随访时间为...     

基于图像的微阵列生物芯片分析

利用生物芯片的高通量特性，系统地研究生物体基因和蛋白质表达及其相互作用，在最近十几年迅速发展。以图像为基础的生物芯片分析是生物芯片技术的重要组成部分，对其方法进行研究已成为当前的热点之一。目前很多针对生物芯片的分析方法不断涌现，这些方法涉及网格定位、靶点分割、数据提取和表达、几何校正、噪声消除等生物芯片分析子过程。本研究对以上各类分析方法进行了综述，分析了各类方法的不同应用，比较了多种算法的分析结果，并提出当前在生物芯片分析研究领域需要解决的关键问题。     

超声成像的相位偏差校正

由于人体组织的各向异性，超声成像中存在相位偏差。相差制约了超声成像分辨率的进一步提高。互相关及其类似相位估计技术可以用于相差校正，jitter是此类算法的基本限制。并行自适应接收补偿算法可以校正较小的相差，结合互相关技术能够得到比较理想的相差校正效果。     

一种快速有效的医学图像灰度插值算法

介绍一种用于快速有效的医学图像灰度插值算法。通过在两幅已知图像上寻找对应点，有效地解决了线性插值边界模糊的问题，同时避免了基于形状的插值算法中图像分割的问题，具有较强的适用范围。实验结果表明此算法能得到令人满意的插值结果。     

医学图像光线投影体绘制中一种改进的快速算法

光线投影算法是体绘制算法中图像效果比较好的方法，但存在运算量大，绘制速度慢的问题。为此本文提出了一种新的光线投影体绘制的加速算法，利用重采样点在两坐标系中的矩阵变换特性。减少矩阵运算量，加快重采样计算过程，并且通过将Bresenham算法扩展至三维，利用包围盒技术避免对空体元的采样，从而加速了光线投影的效率。实验结果表明改进后的加速算法，既能保证绘制质量，又能显著减少计算量，提高体绘制的速度。     

基于形态学的均值平移算法的神经元干细胞图像的自动分割

在神经元干细胞的图像分析中,准确快速的图像分割是干细胞分化增值自动追踪系统的基础。为了准确地分割低对比度的灰度神经元干细胞图像,本研究提出一种基于形态学运算和均值平移算法的神经元干细胞分割方法,称其为形态学的均值平移算法。此算法可以快速地获得任意形状细胞的图像,并且能检测到图像中多连接边缘不封闭的细胞。将此方法应用于神经元干细胞序列图像分割中并且将其与门限分割、水线分割和活动轮廓进行对比。实验结果证明,与其它的方法相比,此方法获得的细胞分割形状更接近于真实细胞的形状,并且能获得或接近于原始图像中准确的独立细胞数目。此方法可以获得正确的分割结果,为进一步图像处理奠定了良好的基础。     

FCM算法在脑肿瘤MRI图像分割中的应用

聚类算法已广泛用于图像分割，根据模糊C－均值聚类算法（FCM）的磁共振颅脑图像的特点，我们利用FCM算法对磁共颅脑图像进行了分割。结果表明，聚类算法在脑肿瘤的MRI图像分割中能够得到比较理想的结果，优于边缘检测、域值分割等方法。