机器学习算法在颈动脉斑块影像学分类中的研究进展

颈动脉斑块的识别和成分诊断,对于斑块稳定性的评估、引发脑卒中等事件的风险预测和治疗方案的选择等具有重要意义。机器学习算法通过自动识别影像学颈动脉斑块以及判断斑块内主要成分,可以缓解医生的视觉负担、降低工作量、减轻医疗压力,具有重要的潜在应用价值。文中综述机器学习算法在影像学颈动脉斑块分类中的研究进展,就机器学习算法在颈动脉斑块分类中的研究流程、算法和文献进行总结和归纳。     

基于人体通信的穿戴式医疗设备通信性能分析

人体通信（HBC）技术是利用人体组织为媒介进行通信的新方式，医疗设备使用HBC方式比传统无线通讯在能耗与辐射上更具优势。为研究HBC方式下信道特性与通信性能，文章研究信号在多种身高人体模型下的路径衰减特性；对比了两种调制方式下的信道误码率；在冲激响应模型中，通过功率延迟分布分析多径规律，并使用均方根时延扩展验证该模型。通过分析路径损耗衰减特性得出多个模型下的阴影效应均值，人体信道的阴影效应导致了系统性能下降；对比FSK和PSK调制对信道误码率的影响，PSK调制更适合体表信道；通过分析多径特性，多个模型下的平均信道多径数量约16条，且前4径占据大部分能量；电磁分析下的链路特性和建模结果十分接近，验证了模型的正确性。该研究为体域网体表链路中医疗设备接收机的设计提供了理论支持。