一种基于经验模态分解的癫痫棘波检测方法

脑电癫痫特征波的自动提取对于患者的诊断以及减轻医生的繁重劳动都具有重要的意义.我们提出一种基于经验模态分解(EMD)的癫痫特征波检测方法,该方法首先经过EMD分解得到若干个固有模态函数(IMF),然后对其中的第一个IMF应用非线性能量算子(NBO)进行特征波提取,从而达到自动检测的效果.在对数值模拟的和真实的癫痫脑电信号(EEG)的仿真实验中,该方法都取得了较好的结果.     

线性的医学图像边界检测方法中六种算子的比较

图象的边界检测是图象处理的一个重要部分。本文根据实践经验首先提出了边界检测的评判标准，继而对几种线性算法进行了描述，并将它们用ＶｉｓｕａｌＢａｓｉｃ语言对同一图象进行了实现，从而直观地反映了各算法的优劣，为我们处理实际的医学图象提供了基础。     

模糊边界算子

改进了R.H.Warren边界算子的定义,证明了著β是一个模糊边界算子,则β能产生模糊拓扑■,使得对任意模糊集合A,均有β(A)=b(A),其中b(A)表示在模糊拓扑■中模糊集合A的模糊边界。     

基于新疆维吾尔医草药图像形状特征的检索研究

目的探讨草药图像的Hu不变矩对基于内容的维吾尔草药图像的检索效果。方法对维吾尔草药图像进行预处理,使用Canny算子、轮廓跟踪等方法获取草药图像的形状,提取草药图像的Hu不变矩形状特征,构建基于草药图像形状特征的草药图像检索系统,并进行图像检索效果验证。结果检索结果表明,基于草药图像的Hu不变矩特征对叶类、花类维吾尔草药图像的平均查准率达到70％,平均查全率达到80％。结论草药图像的Hu不变矩形状特征对基于内容的维吾尔草药图像的检索有较好的检索效果。     

基于小波包变换的医学图像融合方法

为满足医学图像临床辅助诊断和治疗的需要,将小波包变换和自适应算子相结合,提出一种新的医学图像融合算法.算法首先对已配准的医学图像进行小波包分解,并采用自适应算子对小波系数及分解子图像进行处理,通过小波包重建,获得高质量的医学融合图像.该方法克服了小波变换不能兼顾图像高频成分的缺陷,并且可以根据不同的医学图像自动调整融合规则的权重系数,有效避免了设置固定权重系数造成的融合误差.实例融合仿真验证了算法的有效性和先进性.     

基于时空图卷积神经网络的蛋白质复合物识别方法

目的 探讨利用时空图卷积神经网络在动态蛋白质网络中挖掘复合物的新方法。方法 文中首先定义了边强度、节点强度和边存在概率等指标对动态蛋白质网络进行建模,然后结合图上的时间序列信息和结构信息,基于希尔伯特-黄变换、注意力机制和残差连接等技术设计了2种卷积算子来对网络中蛋白质的特征进行表示学习,构建得到动态蛋白质网络特征图。最后采用谱聚类来识别复合物。结果 在多个公开生物数据集上的仿真实验结果表明,所提算法在DIP数据集和MIPS数据集上的F值都达到了90%以上,相比于DPCMNE、GE-CFI、VGAE和NOCD等4种识别算法而言,识别效率分别平均提高了约34.5%、28.7%、25.4%和17.6%。结论 运用深度学习技术来处理动态蛋白质网络的性能表现良好,具有普适意义。     

基于视差梯度的图像拼接算法研究

图像拼接的关键技术在于特征点的匹配。Lowe等提出的基于SIFT特征算子的匹配算法具有尺度、旋转、视角、光照不变性,能够有效地用于目标的三维重建以及复杂目标识别。该算子使用128维向量来表示每个特征点,使处理的数据量较大,难以满足实时性的要求。本文通过改变特征点描述子的结构实现了特征向量的简化,并且提出基于视差梯度约束的特征点匹配算法,在匹配过程中使用最小中值估计算法去除伪匹配点对。实验说明,当图像存在较大的变形、畸变和噪声影响时的情况下,在保证算法的鲁棒性同时,能够降低图像匹配的计算量,从而保证算法的实时性。     

乳腺三算子及血氧功能成像技术在乳腺癌中的诊断研究

目的 探讨乳腺三算子及血氧功能成像技术在乳腺癌诊断中的应用价值。方法 分析175例住院接受外科手术的乳腺疾病患者,术前行三算子及血氧功能成像、超声及钼靶X线检查,通过与术后病理对比,得出各自影像学诊断的敏感性、特异性、准确性,并分析乳腺癌患者三算子及血氧功能成像特征。结果 (1)175例中80例为乳腺癌,其三算子及血氧功能成像特征均以肿块为主,三算子成像呈深灰影者42例,中灰影者29例,浅灰影者9例;75例均有边缘模糊,等灰度曲线局灶异常表现;71例有异常血管表现;(2)血氧检查:有高血低氧表现65例,高血氧平3例,血平氧平3例,高血高氧1例,低血高氧8例;(3)三算子血氧系统敏感性88.75%、特异性91.57%、准确性90.28%;超声敏感性83.75%、特异性88.4%、准确性86.28%;钼靶敏感性80.26%、特异性83.01%、准确性81.39%,血氧三算子与钼靶准确性方面有统计学差异(P＜0.05),三者在敏感性和特异性方面无统计学差异(P＞0.05)。结论 乳腺三算子及血氧功能成像技术在乳腺癌诊断中具有独特的临床价值,与钼靶及超声结合可提高乳腺癌的早期诊断率。     

基于加权基因共表达网络分析和机器学习的瘢痕疙瘩列线图预测模型EI北大核心

瘢痕疙瘩为伤口皮肤结缔组织过度增生引起的良性皮肤肿瘤。精准预测创伤者瘢痕疙瘩患病风险并及时做出早期诊断,对深度管理瘢痕疙瘩和控制其发展具有重大意义。本研究对高通量基因表达综合(GEO)数据库中的4个瘢痕疙瘩数据集进行分析,筛选出瘢痕疙瘩的诊断标志物,并建立列线图预测模型。首先,通过加权基因共表达网络分析(WGCNA)、差异表达分析和蛋白质互作网络中心性算法,筛选出37个核心蛋白质编码基因。随后,利用最小绝对值收敛和选择算子(LASSO)以及支持向量机-递归特征消除(SVM-RFE)两种机器学习算法,从中筛选出4个最具预测能力的瘢痕疙瘩诊断标志物,分别为肝细胞生长因子(HGF)、多配体蛋白聚糖4(SDC4)、外核苷酸焦磷酸酶/磷酸二酯酶2(ENPP2)和Rho家族三磷酸鸟苷酶3(RND3),并通过单基因的基因集富集分析(GSEA)探索可能涉及的生物途径。最后,对诊断标志物进行单因素与多因素逻辑回归分析,并构建列线图预测模型。经内外部验证发现,该模型校准曲线贴近理想曲线,决策曲线优于其他策略,接受者操作特征曲线下面积高于对照模型(最佳截断值为0.588),表明该模型具有较高的校准度、临床收益率以及预测能力,有望为临床诊断提供有效先期手段。     

Nomogram预测模型在针灸治疗卵巢功能不全妊娠结局中的价值

目的 探讨基于最小绝对收缩和选择算子（LASSO）-Cox回归构建的Nomogram预测模型在针灸治疗卵巢功能不全（POI）妊娠结局中的价值。方法 选取2019年1月至2021年1月在湖北省第三人民医院接受针灸治疗的POI病人137例，收集相关资料，采用LASSO回归与Cox回归相结合的方法筛选针灸对POI病人妊娠结局的主要影响因素，采用R软件（R3.6.3版）构建预测针灸对POI病人妊娠结局的Nomogram预测模型，采用受试者操作特征（ROC）曲线与校准曲线评估模型的预测效能。结果 妊娠组与未妊娠组在月经情况、基础卵泡刺激素（FSH）水平、FSH与黄体生成素（LH）比值、基础AFC、行针次数、留针时间、针具方面比较，差异有统计学意义（P<0.05）。构建多因素Cox回归模型结果显示，月经情况、基础FSH水平、FSH与LH比值、基础窦卵泡计数（AFC）、行针次数为针灸对POI病人妊娠结局的独立影响因素。ROC曲线显示，6个月妊娠概率和12个月妊娠概率曲线下面积分别为0.78[95%CI:(0.69,0.88)]和0.74[95%CI:(0.63,0.85)]，校准曲线显示该预测...