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.     

基于区域建议策略的视盘定位方法

视盘定位对利用眼底图像进行眼科疾病的计算机辅助诊疗十分重要。提出一种基于区域建议策略的视盘定位方法。首先,将眼底图像从像素域映射到特征域,在得到的特征图上利用区域建议策略生成视盘的初始候选区域;然后,按照一定准则对候选区域进行采样,构建全连接层对其进行深层特征提取,并利用损失函数的约束实现候选区域的位置精修;最后,通过置信度阈值的过滤对视盘可见性进行判断,若视盘可见,则将置信度最大的候选区域中心作为该眼底图像的视盘坐标,从而实现视盘的正确定位。在3个公开的眼底图像数据库(DRIVE(40张)、MESSIDOR(1 200张)和STARE(400张))中进行实验,定位准确率分别为100%、99.9%和98.8%。实验证明,该方法能够实现视盘的准确、快速、鲁棒定位,优于现有的视盘定位方法,且预先进行视盘可见性的判断更符合实际应用的要求,能够辅助眼底疾病的诊断处理。     

基于CNN算法的稳态体感诱发电位的特征识别

脑-机接口研究可为瘫痪病人的康复带来一种新的治疗方法。已有研究表明对手指或者正中神经施加一定频率的体感刺激,会引发相同频率且具有空间特异性的稳态体感诱发电位。为优化基于稳态体感诱发电位的脑-机接口的性能,通过快速傅里叶变换寻找12个健康被试的个人左手特定共振频率,采用事件相关谱扰动进行时频分析,检测其稳态体感诱发电位信号。基于共振频率对实验诱发的脑电信号进行1 Hz带通滤波,获得特定频带的数据,采用卷积神经网络(CNN)学习算法对其进行分类,并与采用共空间模式和支持向量机的特征提取及特征分类的方法(CSP+SVM)进行比较。所有被试的结果显示:基于共振频率滤波方法,采用CNN学习算法获得的离线分类准确率均高于85%,并且CNN学习算法的分类准确率显著性优于CSP+SVM的分类准确率(91.8%±5.9% vs 77.4%±8.5%,P<0.05)。因此,在基于稳态体感诱发电位的脑机接口的特征识别中,CNN学习算法相比传统使用的机器学习分类算法(如共空间模式+支持向量机)能够显著提升分类准确率,提高脑机接口的整体性能。     

球面对称设计结合遗传神经网络优选黄芪-红花药对水提工艺

目的采用球面对称设计及遗传神经网络优选黄芪-红花药对的水提工艺。方法将黄芪-红花药对水提液中8种有效成分(羟基红花黄色素A、紫丁香苷、毛蕊异黄酮苷、脱水红花黄色素B、山柰酚-3-O-芸香糖苷、芒柄花苷、毛蕊异黄酮、黄芪甲苷)的含量进行赋权,以计算得到的综合得分作为水提工艺的评价指标。在单因素实验基础上,选择液料比、提取时间、提取温度3个因素,依据球面对称设计进行实验,并结合遗传神经网络模型进一步优选黄芪-红花药对水提工艺参数。结果球面对称设计得到的最佳提取条件为液料比20∶1、提取时间30 min、提取温度87℃、提取次数2次,其综合评分为4.877;以遗传神经网络得到的最佳提取条件为液料比22.7∶1、提取时间30 min、提取温度87℃、提取次数2次,经验证该条件下的综合得分为5.004。实验结果显示,遗传神经网络能够提高水提工艺条件的综合评分。结论球面对称设计和遗传神经网络能够优化黄芪-红花药对水提工艺参数,可为中药及其制剂中多种有效成分提取的工艺优选提供参考。     

人工智能在眼部疾病中的应用及其挑战

随着人工智能技术的发展和普及,医学领域也出现了越来越多人工智能(AI)的身影。人工神经网络等新技术与临床的结合正成为研究热点,其中卷积神经网络(CNN)的深度学习算法在图像识别领域取得了巨大的成就,逐渐被用于糖尿病视网膜病变(DR)、年龄相关性黄斑变性(ARMD)、早产儿视网膜病变(ROP)、青光眼和白内障等多种眼科疾病的诊断和筛查中。目前针对不同眼科疾病,世界范围已有多个公开数据库,包括了眼底彩照、光学相干断层扫描(OCT)等多种图像资料,为眼科领域深度学习算法的训练和构建奠定了基础。同时算法本身也在不断优化,使相关AI产品的构建朝着更简便高效的方向发展,同时其临床运用也面临医学伦理和准入标准的问题。总之,深度学习算法的使用为几种常见眼科疾病的筛查诊断带来了巨大的改变也带来挑战,目前尚未大规模的投入临床应用中。本文针对人工智能在眼部疾病中的应用进展做综述,旨在总结这一领域的研究现状和现存问题,并提出对未来的展望。     

小波熵提取脑意识任务特征的脑机接口设计

目的:基于脑电图信号的脑-计算机接口是近年来一个热门的研究领域。脑机接口为残疾人士提供了一种新的可供选择的对外交流的方式。设计一种仅使用进行简单思维任务时脑电信号(脑电图)的高准确率脑机接口。方法:脑机接口的构架可以简单划分为两部分,前端为脑电讯号的特征提取与辨识,后端则为与其他硬体的结合与应用。在前端设计了高辨识率的二分类脑-计算机接口。首先应用小波熵对思维脑电信号进行特征提取,然后采用反向传播神经网络作为分类器,并用得到的信号特征对不同思维作业脑电信号进行分类。结果:采用的思维脑电数据源于美国Colorado州大学,5个实验个体的5种不同思维状态的脑电图数据,对于每个实验对象,均采用小波熵对脑电图数据进行特征提取,然后采用反向传播神经网络作为分类器,对脑休息状态与另外4种思维状态进行两两对比分类。结果表明当选用合适的思维状态时,分类平均正确率可达到90%以上。结论:用小波熵的特征提取方法,能获得高的分类正确率,此方法能够应用到对思维脑电信号的处理中,能作为现在脑机接口设计中另一可行的特征提取方法。同时,提出了一种应用高准确率的二分类脑机接口进行多种工作任务识别的方法,二分类脑机接口进行多种工作任务识别具有广阔得应用前景。     

精神分裂症患者白细胞中循环miRNA的表达及其临床意义

目的探讨白细胞中循环miRNA在精神分裂症SZ的表达水平及其诊断价值。方法收集90例SZ患者作为疾病组,90例双相情感障碍(BPAD)患者作为病例对照组,90例体检健康者作为健康对照组,采用实时荧光定量PCR检测各组白细胞中8个miRNA(miR-31-5p、miR-99b-5p、miR-107、miR-134-5p、miR-487b-3p、miR-181b-3p、miR-431-5p和miR-433-5p)的表达水平,并进行统计学分析,以验证差异表达的miRNA;绘制受试者工作曲线(ROC)曲线,建立人工神经网络(ANN)诊断模型,并分析其诊断价值。结果 SZ患者存在6个显著低表达的miRNA,其ROC曲线下面积(AUCROC)分别为miR-31-5p:0.931,miR-487b-3p:0.887,miR-99b-5p:0.869,miR-431-3p:0.763,miR-134-3p:0.756,miR-107:0.721;在ANN模型中,最优模型的AUCROC为0.960,敏感性86.7%,特异性95.6%。结论白细胞中6个差异表达的miRNA可能作为SZ诊断的非侵袭性生物学标志物,而ANN诊断模型可以提高miRNA对SZ的诊断价值。     

人工脑可控容错域的自联想记忆模型与仿真

设计了一种可控容错域的自联想记忆模型.该自联想记忆模型的优点是可以根据记忆样本的重要性,为记忆样本设计适当的容错域,特别,可把记忆样本设计为容错域中点,让记忆样本容错域半径达到最大.这与人类记忆联想记忆实际情况类似,重要事情或多次见过的事情容错域较大,只需用少量信息就可以联想起来.而且给出了模型的分块并行实现软件.试验表明该模型有很好的抗噪音性.     

疗效预测方法在针刺治疗抑郁症研究中的应用探讨

目的探讨应用神经网络方法进行针刺治疗抑郁症的疗效预测。方法使用量表工具,应用神经网络方法进行疗效预测。选择与抑郁症针刺治疗效果密切相关的因素以及体现中医学整体思想的疾病状态、生活质量等指标作为神经网络的输入变量,将其量化数据赋予网络的输入层,将经治疗后量表的评定结果作为输出变量值。收集病例形成神经网络的训练和测试样本,进行网络的训练和测试,评估网络性能,讨论其临床应用性。结果网络训练误差达到预期目标(均方误差mse=0.0010),对HAMD减分率和SDS减分率的预测拟合度较好,且拟合精度较高;表明网络测试的拟合程度比训练结果的拟合程度差,网络模型对测试样本的预测误差大于对已知样本的预测误差。结论网络模型具有较好的学习能力,而对未知样本的识别能力不及对已知样本的识别能力。通过增加样本量、改进网络模型等途径,有望为临床提供可靠性良好的预测方法。     

新型ARIMA-BP组合模型在医药企业销售管理中的应用

随着医药企业间的市场竞争加剧,企业销售管理的重要性逐渐凸显。医药销售预测是个复杂的非线性系统,为提高企业销售预测的准确性,本文选取医药上市企业处方药七叶皂苷钠历史销售数据,分别建立ARIMA线性模型和BP神经网络非线性模型并加以验证。证明了在销售预测上采用ARIMA-BP组合模型可以有效降低误差,为医药企业的销售管理和企业决策带来新的思路。