基于交叉对比神经网络的心音分类

目的:通过交叉对比神经网络（CCNN）实现心音信号的自动分类，从而对心血管疾病进行早期诊断。方法:实验基于PhysioNet/Cinc 2016心音数据库。训练集和测试集数据来自互斥的健康受试者/病理患者，并以4:1的比例进行划分，输入CCNN。CCNN利用深度卷积神经网络进行特征提取，结合基于信息的相似度度量理论（IBS），对特征向量间的相似性进行度量并分类。结果:实验结果得出灵敏度为0.834 6，特异性为0.962 3，最终大赛综合得分为0.898 5。结论:CCNN使用交叉对比的输入模式扩充数据量，引入信号间的对比信息，同时在神经网络的训练过程中应用统计学思想，使网络具备良好的泛化性，更加适应医学数据量较少的场景，在心音分类中取得较好的结果。     

红外定位系统OPS技术在直肠癌放疗中的临床应用

目的:通过比较常规改进型腹板加热塑膜固定方式（A）与改进型腹板加热塑膜配合红外定位系统（optical positioning system,OPS）使用的固定技术（B）在直肠癌放疗中对摆位误差的影响，探讨在直肠癌放疗中的临床应用价值。方法:回顾分析本院行A、B方法的直肠癌患者各16例，其中A为对照组，B为实验组。两组患者在每周首次放疗前均行CBCT扫描，每组均采集160组数据，其中对照组采用常规激光灯对齐方式进行摆位再行CBCT扫描，实验组采用对准激光线后调整患者体位使OPS监控显示治疗中心在X(左右方向)、Y（头脚方向）、Z（腹背方向）方向误差在3 mm以内再行CBCT扫描。结果:对照组和实验组患者在X、Y、Z轴方向上的摆位线性误差分别为（2.20±1.04）mm、（2.63±1.24）mm、（2.10±1.17）mm和（1.87±0.95）mm、（2.09±1.01）mm、（1.89±0.89）mm。两种固定方式在Z（腹背方向)方向摆位误差无统计学差异（P＞0.05）；在X(左右方向)及Y(头脚方向)方向摆位误差具有显著性差异（P＜0.05）。结论:直肠癌患者使用改进型腹板加热塑膜配合OPS技术可以有效的提高患者放疗中左右及头脚方向的摆位误差，对于提高直肠癌腹板摆位的精度具有临床应用价值。     

人眼追踪远距离裸眼立体视觉检测系统的研制和测试

目的应用人眼追踪技术研制裸眼随机点立体视觉检查系统（glasses-free random dot stereo-test-system,GFRDSS）,检测正常视力男性青年的5 m距离立体视锐度。方法在不同照度环境下检测230名正常视力、正常眼位男性青年的立体视锐度。观察组采用GFRDSS检测方法;对照组采用Distance Randot（DR）检测方法。结果GFRDSS可以检测视差范围40″~800″的5 m远距离立体视锐度。100~300 cd/m2照度下,与对照组[41.3%(95/230)]比较,观察组有83.91%（193/230)受检者立体视锐度达到正常水平（40″~60″）,差异有统计学意义(Z=-9.569,P<0.05)。350~600 cd/m2照度下,与对照组[75.22%(173/230)]比较,观察组有84.78%（195/230)受检者立体视锐度达到60″,差异有统计学意义(Z=-4.048,P<0.05)。结论采用人眼追踪技术GFRDSS可以实现5 m距离无辅助立体视锐度检测,正常人群测试结果显示GFRDSS敏感性高于DR,且可以有效避免环境照度对检测的干扰。     

嵌入式QT环境下的QRS波群实时检测与分析

目的 QRS波群的检测是心电图分析的核心技术之一.本文在嵌入式QT环境下实现了一套QRS波群实时检测与分析系统.方法 系统采用四点平均对ECG信号进行滤波,再对ECG信号的一二阶差分值进行平滑处理,然后在较短时间窗内实现QRS波的实时精确定位.最后采用MIT-BIH标准数据库对算法效果进行分析.结果 对于MIT-BIH标准数据库中的绝大部分心电数据,改进后的算法有96％以上的准确率,运行时间在1ms左右.结论 改进后的算法能够满足远程终端对准确率和运行时间的要求.     

超声骨密度仪高精度测量技术的研究

目的对市售的韩国超声骨密度仪（型号为OsteoProUBD2002A）进行改进,设计以现场可编程门阵列（fieldprogrammablegatearray,FPGA）作为控制芯片的高精度超声骨密度仪,克服其准确度不高及检测速率低等问题。方法该系统以FPGA芯片XC3S250E-4为核心,采用MAX1449芯片进行模数转换,使用K6T4016V3C—TF70进行数据存储,通过USB芯片FT232H进行数据传输。最后对系统的传输速度和整体性能进行了测试。结果实验结果证实该系统采样率高,数据传输速度快。结论该高精度测量系统是超声骨密度仪性能提升的核心。     

基于神经网络的多参数脑电注意力水平提取

为克服利用单一参数判断注意力水平的灵敏性缺陷,本文设计并实现了一种多参数的脑电注意力水平提取方法。首先从脑电信号中提取7个脑电特征参数,全面评估脑电频谱特性,然后利用误差反传(back propagation,BP)神经网络算法实现脑电特征参数与注意力水平间的非线性映射,从而实现准确的注意力水平提取。同时,本文对BP算法进行了一系列的改进,有效地提高了网络的学习效率,并能迅速跳出局部极小。以34例脑电数据对网络进行训练,实验结果证实该网络能迅速收敛,网络收敛后测试库中的脑电数据注意力水平判别结果证明该网络具有较高的识别率。     

鼻咽癌放疗中红外定位系统与锥形束CT的摆位精度比较

目的:量化研究鼻咽癌放射治疗过程中红外定位系统OPS与锥形束CT(CBCT)摆位精度的差异。方法:随机选取南通市肿瘤医院2018年4月~11月收治的鼻咽癌患者21例,使用头颈肩热塑膜固定体位,CT扫描前,在热塑膜上粘贴OPS专用定位球6个。首次治疗时使用千伏级CBCT进行位置验证,并移床校正,记录CBCT移床值和移床后的OPS监测偏差值。选择CBCT肿瘤中心摆位值作为理想放疗摆位参考,对室内激光定位系统的肿瘤中心摆位值和OPS肿瘤中心摆位值进行比较和分析。当摆位误差在2.0 mm内,则被认定与CBCT摆位临床一致。结果:与室内激光定位系统摆位相比,OPS大大提高了鼻咽癌放疗摆位的精度。OPS与CBCT在鼻咽癌放疗摆位一致性结果为:患者左右方向(用x轴表示)95.2%、腹背方向(用y轴表示)71.4%、头脚方向(用z轴表示)100.0%。腹背偏差较大主要是因为放射治疗计划系统选择颈椎骨作为参考点,此时选择CBCT摆位将无法消除颈椎骨弯曲产生的偏差。结论:OPS实现了在鼻咽癌放疗中实时、准确和快速的患者摆位,代替室内激光定位系统大大提高了鼻咽癌放疗摆位精度。在鼻咽癌放疗摆位精度方面,OPS和CBCT表现出较高的一致性,而且在每次放疗中均可使用。     

红外定位系统（OPS）辅助摆位新技术在肝癌放疗中的应用

目的:研究红外定位系统（optical positioning system,OPS）辅助摆位新技术在肝癌放射治疗中对摆位误差的影响及其在肝癌精确放疗中的应用价值。方法:本研究选取30例肝癌患者,均应用OPS技术辅助摆位。将CBCT扫描作为标准,比较OPS技术和室内激光系统（十字线）在X（左右）、Y（头脚）、Z（面背）三个方向的线性误差;并根据摆位误差折线图分别计算出OPS和十字线的临床摆位一致性百分比。结果:通过OPS摆位在X、Y、Z方向上的摆位误差分别为（2.74±1.27） mm、（3.45±1.17） mm、（2.85±1.11） mm;通过十字线摆位在X、Y、Z方向上的摆位误差分别为（4.37±1.45） mm、（5.79±1.52） mm、（4.27±1.55） mm,各方向对应的P均<0.001。以±5 mm为标准,OPS在三个方向上的临床一致性分别为96.7%、90.0%、98.7%;十字线在三个方向上的临床一致性分别为68.0%、32.7%、72.7%。结论:OPS在肝癌放射治疗定位摆位方面非常有效。作为一种无辐射、低成本、简便快捷的定摆位新技术,OPS比室内激光系统更能提高整体的摆位精度。     

基于多尺度熵的心电图分析

使用Costa等提出的算法研究心电图（ECG）的多尺度样本熵（MSE）的特性。研究发现，心电图MSE均值随着心脏健康状况的变差呈下降趋势。健康人的心电图的MSE波动范围比较稳定在某个范围之内；而冠心病人的波动范围则相对较大；心梗病人的MSE变动范围比较小，波动范围收敛在相对低的多尺度熵值区域。研究表明MSE均值和波动范围的变动情况可以比较有效地揭示心脏健康状况，尤其是MSE波动范围的大小变化情况表征了心脏疾病演化的动态过程（在疾病形成之中其熵值的波动范围变化最大），是一个早期发现病症较为灵敏的参数，具有重要的临床诊断意义。     

基于U-Net结合改进算法对放疗危及器官自动勾画研究

目的：面向放疗危及器官自动勾画构建基于U-Net的模型并针对肝脏分割构建3种改进模型。方法：采集共计184例肝癌患者和183例头部放疗患者的计算机断层扫描（CT）图像及组织结构信息,并结合公开数据集Sliver07用于模型的训练与评估。通过搭建U-Net模型并针对肝脏分割分别结合空洞卷积、SLIC超像素算法、区域生长算法进行训练并得到预测模型,利用预测模型对自动勾画结果进行预测。采用交并比（Io U）和平均交并比（MIo U）评价预测结果的精确性。结果：测试集头部放疗危及器官自动勾画预测结果MIo U为0.795～0.970,肝脏分割使用U-Net预测结果MIo U约为0.876,使用改进后模型预测结果MIo U约为0.888,并很好地约束了预测偏差较大结果的出现,使得测试样本中Io U结果小于0.8的数量占比从16.67%降至7.5%。直观勾画方面结合改进算法的模型比U-Net更能捕捉到复杂、混淆性的边界区域。结论：构建U-Net模型能够在头部放疗危及器官和肝脏自动勾画上表现良好,3种改进的模型能够在肝脏分割上具有更优的表现。