基于神经网络的大学生心理健康评估模型

将神经网络和心理健康教育研究相结合,提出基于BP网络和RBF网络的心理健康评估模型.此方法不仅为非线性资料的处理提供了一种新思路,而且为在结构未知下的变量筛选开辟了途径.同时,神经网络模型能同时处理几百种因素,可使困难问题的求解更加精确.     

神经网络模型和多元线性回归预测肾结石CT值的比较

目的:比较神经网络模型(NNM)和多元线性回归(MLR)预测肾结石CT值的能力。方法:回顾性搜集2018年5月至2018年12月我院诊断为肾结石的患者121例(男95例,女26例),采用随机表法按3:1分为训练样本和验证样本。所有患者均进行CT平扫成像,比较两种模型的精确程度。结果:训练样本中,NNM计算得到C’与C的相关系数高于MLR;验证样本中,NNM得到C’与C的相关系数也高于MLR。训练样本中,NNM得到的MAE、MRE和RMSE均低于MLR,差异有统计学意义;验证样本中,NNM得到的MAE(17.351)、MRE(3.822)和RMSE(3.116)也低于MLR,两者间差异均无统计学意义。结论:NNM较MLR能更好地预测肾结石的CT值。     

颅脑外伤后认知功能障碍恢复的实验研究进展

主要由交通意外引起的颅脑外伤(traumatic brain inju-ry,TBI)已成为工业化国家45岁以下人群的首要致死和致残原因。在美国,每年估计有140多万人遭遇颅脑外伤,有8—9万人遭受脑外伤后出现持久的功能障碍[1]。临床研究已表明,轻度颅脑外伤患者有10%—15%存在长期的认知和行为功能障碍,中度颅脑外伤患者至少有50%存在长期的损伤相     

BP神经网络在餐厨垃圾处理厂适宜性评价中的应用

在调研武汉市餐厨垃圾处理厂基础上,以CJJ 184-2012餐厨垃圾处理技术规范作为餐厨垃圾处理厂选址适宜性评价模型指标选取依据,选取规划适宜、交通运输、环境保护、建场条件和社会经济效益5个方面13个指标,采用BP神经网络构建模型,并以此模型对武汉市2个已建成的餐厨垃圾处理厂选址进行适宜性评价.结果表明,2个已建成的餐厨垃圾处理厂的选址为合格选址.评价模型较客观反映了武汉餐厨垃圾处理厂的实际情况,具有较强的适用性和可靠性.     

一种基于卷积神经网络的DIA数据预处理模型

目的数据非依赖性采集(data independent acquisition,DIA)是目前针对大通量蛋白质组学分析常用的一种数据采集方式。在对DIA数据无目标的分析方式中,由于无法预测肽段出现在DIA数据中的位置,需要对谱中所有的峰进行分析。但谱中含有大量的噪声峰,这些峰会严重影响后续蛋白质定性定量分析的效率与效果,所以在DIA数据的无目标分析过程中先进行预处理以去除噪声峰就成了很重要的一步。为了能充分利用从DIA数据中提取出来的肽段在一级质谱(first stage of mass spectrometry,MS1)和二级质谱(second stage of mass spectrometry,MS2)中的峰信息,提出质谱卷积神经网络(mass spectrometry convolutional neural network,MSCNN)模型。方法不同于传统的方法,本文首先提出适用于MSCNN网络结构的样本提取流程,然后利用MSCNN对样本进行训练和学习,该模型可以最大限度利用肽在MS1和MS2中的特征,最后通过观察模型在测试集中的结果来验证模型的效果。结果和传统算法相比,在保证真峰处理效果大致相同的情况下,MSCNN模型过滤噪声峰的数量提高了约11.2%。结论本文提出的MSCNN模型可以更有效地去除DIA数据中的噪声峰。     

利用Stein-Weiss解析函数结合反向传播神经网络进行血管分割

针对传统反向传播（BP）神经网络对血管进行分割存在耗时长且识别率不高的问题,本研究提出一种新的基于Stein-Weiss解析函数的BP神经网络算法用于血管分割。首先为每个体素构建一个Stein-Weiss函数,然后根据Stein-Weiss解析函数的解析性,计算出相应体素的16个特征值,将这些特征值输入到BP神经网络的输入层,采用BP神经网络的自学习能力对这些数据进行分类学习,最后通过BP神经网络的泛化能力来获取血管边缘。对肝脏血管分割的实验结果表明,相对于传统的BP神经网络分割算法,该算法提取的函数血管边缘识别率高、细节丰富,分割效率也明显提高。     

基于神经网络学习的锥形束CT图像超分辨率重建算法

针对锥形束CT（CBCT）图像质量较差的问题,提出一种基于卷积神经网络的超分辨率重建（SRCNN）方法,旨在提高CBCT图像的分辨率。本研究分别对头颈、盆腔、胸部的CBCT图像进行研究,先使用非局部均值（NLM）方法对图像进行降噪处理,再分别使用双三次插值重建（BIC）方法和SRCNN重建方法进行超分辨率重建。结果表明,BIC方法和SRCNN重建方法均能提高CBCT图像的分辨率,SRCNN重建方法较BIC方法有更高的峰值信噪比,而在结构相似度和特征相似度上,BIC方法和SRCNN重建方法的差别不大。从图像峰值信噪比及特征相似度上看,此方法对盆腔部CBCT图像处理效果更为显著,对头颈部及胸部处理效果相近。     

基于心电信号的睡眠阶段的辨识

本研究以睡眠中的心电图信号为基础,计算出心率变异性的时域和频域参数,根据自律神经系统的变化与心率变异性的关联性,对睡眠的不同阶段进行辨识,从而实现睡眠质量监测的居家化。睡眠质量辨别算法以监督式倒传递类神经网络为核心,通过SDNN、RMSSD、SDSD、NN50、p NN50、HFnorm、VLF百分比、5 min TP等8个特征值,进行睡眠的5个阶段的辨别。实验通过686组数据测试发现,隐藏层神经元数目为30,性能目标为40,为最佳参数设定,其中对睡眠中Stage1阶段的识别率可达93.33%。     

故障树和BAM神经网络在光伏并网故障诊断中的应用

介绍了光伏并网发电系统的主要故障模式及故障原因,以及故障树(FT)的理论和双向联想记忆(BAM)神经网络的结构与学习算法。针对光伏并网系统工作过程中可能出现的故障,提出一种将故障树和双向联想记忆神经网络融合在一起的故障诊断方法。通过故障树分析法(FTA)得到系统的所有故障模式,然后再由故障模式和根据维修经验的故障分析归纳出BAM的学习样本,即故障模式与故障分析之间的对应。通过光伏系统故障诊断的实验与应用,结果表明,该方法具有很好的实时性和有效性。