基于边界信息的医学图像三维插值

目的Cubic卷积插值是医学图像三维插值的常用方法,针对其插值处的结果边界模糊和精度不高的缺陷,建立一种精确度较高的插值方法。方法首先通过模糊对比度增强精确定位图像边界,再运用形态学运算确定出新插值图像边界,对于新插值图像边界点采用最佳匹配对应点插值;对于非边界点采用一种新的Cubic卷积插值方法确定其灰度值。结果本文方法的均方差、不符合像素点数和最大误差均小于传统插值方法。结论本文提出的方法具有较高的精确性。     

超声结合BP神经网络技术诊断女童中枢性性早熟

目的探讨超声结合人工神经网络技术在女童中枢性性早熟诊断中的应用价值。方法选用170例性早熟女童进行常规超声检查子宫、卵巢,以其中130例的子宫体积、卵巢体积以及双侧卵巢最大卵泡内径为输入变量,以中枢性性早熟或非中枢性性早熟为输出变量,建立反向传播(BP)神经网络,并对另40例性早熟病例分类。结果利用BP神经网络结合常规超声检查对中枢性性早熟诊断的敏感性、特异性和准确率分别为95.0%、85.0%、90.0%。结论神经网络结合超声检查对中枢性性早熟的诊断和鉴别诊断具有较大的价值。     

弥漫性轴索损伤的神经网络研究进展

<正>颅脑损伤(traumatic brain injury,TBI)一般可分为局限性和弥散性脑损伤(diffuse brain injury,DBI)[1]。局限性脑损伤可导致局部神经功能障碍,而弥漫性脑损伤主要造成意识障碍,同时还会引起情感、记忆力、注意力、执行力等认知功能障碍,原因是包括网状激活系统、广泛大脑皮层在内的弥漫性轴索损伤(diffuse axonal injury,DAI)。其中"高水平"的认     

ARIMA模型和BP神经网络模型在我国乙型肝炎发病预测中的应用

目的探讨适合全国乙肝发病率的预测模型,为乙肝预测预警系统提供参考。方法应用2004-2012年全国乙肝月发病率数据,分别建立ARIMA模型和BP神经网络模型,利用建立的模型预测2013年1-12月乙肝发病率,采用实际发病率验证与比较两种模型的预测效果,评价指标为平均绝对误差(MAE)、平均绝对误差率(MER)和非线性相关系数(RNL)。结果全国2004-2013年乙肝月发病率在2.79/10万~9.44/10万间波动,序列具有明显的长期趋势。建立的乘积ARIMA(0,1,1)(0,1,1)12模型预测的MAE、MER、RNL分别为0.445、0.065、0.909,BP神经网络模型分别为0.635、0.093、0.872。ARIMA模型预测的平均绝对误差和平均绝对误差率要低于BP神经网络模型(△MAE=-0.190,△MER=-0.028),非线性相关系数要高于BP神经网络模型(△RNL=0.037)。结论 ARIMA模型和BP神经网络模型均适用于我国乙肝发病率的预测,且前者的预测效能和非线性拟合能力略优于后者。     

表面增强拉曼光谱与卷积神经网络用于耐甲氧西林金黄色葡萄球菌 的快速检测

目的 建立一种联合表面增强拉曼散射（SERS）与卷积神经网络（CNN）的方法，用于耐甲氧西林金黄色葡萄球菌（MRSA）和对甲氧西林敏感金黄色葡萄球菌（MSSA）的准确鉴定。方法 合成带正电的纳米银颗粒（AgNPs⁺）作为SERS基底，测量MRSA和MSSA的SERS指纹谱并制作数据集，构建浅层一维CNN网络并在该数据上训练生成MRSA/MSSA二分类模型。结果 合成的AgNPs⁺能够通过静电引力紧密地吸附在细菌菌体表面并产生显著的SERS效应，在654、731 cm^-1等7个波段均有明显的拉曼峰被增强出。提出的SERS-CNN方法用于MRSA和MSSA检测的准确率超过94.5%,重现性小于5%,检测灵敏度达到10² cells/mL。结论 建立的联合SERS与CNN的方法可用于MRSA的准确检测。     

两室模型药物体内释放(溶出)速率估算的半参数随机模型

目的:为两室模型药物体内释放(溶出)速率估计提供一种半参数随机模型。方法:在生物药剂学意义上,同一药物的受试制剂(test preparation,TP)与参比制剂(reference preparation,RP)的纯吸收及处置过程相同,所需时间相等。将TP总驻留时间(Th)视为TP体内释放(溶出)时间(Tf)与RP总驻留时间(Tg)之和,Tf与Tg相互独立,Th、Tf及Tg均为非负且连续型随机变量。对TP:假设Tf概率分布未知,故Th亦服从由一次血管外给药后的血药浓度-时间数据用数值方法求得的概率密度函数(PDF)的数值解的某一未知概率分布(非参数模型)。对RP:由于无释放(溶出)过程或释放(溶出)过程可忽略不计(相对于TP),故假设药动学呈两室模型分布、一级动力学吸收、室间转运与消除特征,则可推导出Tg的PDF公式(参数模型)。根据卷积公式,得卷积型Volter-ra积分方程,运用数值反卷积分法求解,得到TP体内各时间间隔平均释放(溶出)速率值。结果:半参数随机模型可估计出TP体内释放(溶出)速率、TP的PDF之数值解及RP的PDF的函数形式与参数估计值。结论:半参数随机模型可用于两室模型药物体内释放(溶出)动力学研究。     

乳腺癌复发因素预测模型构建

构建乳腺癌复发因素预测模型,分析最优化算法以及乳腺癌复发特征参数并对相关问题进行探讨,包括随机对照试验应用情况、再复发重要因素以及预测模型算法确定、C5.0算法比较研究等。     

卷积神经网络的发展及其在肿瘤影像学中的应用

肿瘤病死率高,影像学检查对肿瘤的早期诊断、治疗意义重大.随着人工智能深度学习技术的发展,卷积神经网络算法能够自动提取图像特征,快速寻找医学影像图片中的细微病变.计算机辅助检测系统可以帮助医生在肿瘤的早期阶段提高诊断准确率.     

3种预测模型在北京市西城区痢疾发病数预测中的应用与比较

目的探讨ARIMA季节乘积模型、温特斯法模型及多层感知器神经网络模型在痢疾预测中的应用。方法采集中国疾病预防控制信息系统中2005年1月-2012年12月报告的现住址为西城区的痢疾发病数。选择2012年9月前月发病数据进行建模拟合,应用拟合模型对2012年10月-12月的发病情况进行预测验证。结果应用训练样本构建的ARIMA(1,0,0)(0,1,1)12模型、温特斯法模型及多层感知器模型对原始数据拟合的平均绝对百分误差(MAPE)分别为21.06%、18.70%及25.51%,对2012年10-12月预测的MAPE分别为15.43%、26.67%、47.17%,模型预测能力有强到弱依次为ARIMA(1,0,0)(0,1,1)12温特斯法模型MLP神经网络模型。结论由于传染病的影响因素较复杂,应用历史数据构建模型进行预测是可行的。但应注意结合数据变动趋势选择合适的模型。本研究中,ARIMA乘积模型和温斯特法模型均适合痢疾的预测,可以为早期预警提供依据。