基于相对风险的肿瘤基因差异表达分析

目的寻找与肿瘤相关的基因诊疗中差异表达基因提取的方法。方法将基因表达谱数据进行预处理,采用相对风险方法筛选出差异表达基因特征子集,计算其样本间距离,然后对特征基因加权排序和过滤冗余基因,最后应用分类器对卵巢癌基因数据集进行分析,测试该方法的有效性。结果选取20维特征基因,进行分类测试,当特征基因为3～5、7和12～20维时,分类准确率可以达到100%,假阳性率可以达到0,表现出较好的可靠性,能够有效地将2个样本类型分开。结论经分类器测试证明,分类精度高,效果优于使用传统的基因差异表达分析方法。     

基于OK图像采集卡和VTK的医学图像处理系统

目的针对当前医学图像处理的需要,在VTK类库提供的可视化与显示功能的基础上,用VC＋＋2008设计和实现一个可集成于OK图像采集卡的三维可视化系统。方法在VC＋＋2008平台下,结合可视化工具包VTK,对DICOM格式的CT图像序列进行面绘制和体绘制,通过设置虚拟切面的内点和法向量对重建后的三维物体进行切割并获得虚拟切片的信息,在切割的同时可以同步显示出虚拟切片图像。结果实验结果表明,该系统能有效地实现DICOM医学图像的体绘制和表面绘制,并且可以在任意方向切割、旋转、放大与平移三维图像。结论上述系统对增强OK图像采集卡的后处理功能具有重要作用,在理论研究和临床应用上有重要意义和研究价值。     

基于PET/CT探测环真光子数呼吸运动门控的研究

呼吸运动是导致PET/CT胸腹部成像质量下降的主要原因,探寻一种行之有效的方法来降低呼吸运动对PET/CT成像质量的影响,在临床上对疾病的诊疗显得尤其重要。提出一种基于探测环真光子数的呼吸运动门控方法来提高PET/CT胸腹部诊断图像质量,利用PET探测环真光子数分布会随着体模的运动而发生相应变化的特征来对原始数据进行呼吸运动门控处理。采用GATE软件仿真PET/CT成像的过程,分别使用几何体模和像素体模(NCAT)仿真肺部在PET/CT扫描过程中的运动。然后,使用提出的方法门控仿真扫描数据,并重建出三维图像。相对于运动模糊图像,门控图像目标区域的形状、大小和位置等方面更接近于静态图像。在冠状面上,门控图像质量优于运动模糊图像,其图像结构相似度(SSIM)分别提升5%、3%、9%;对于矢状面的line profiles,门控图像与静态图像接近,优于运动模糊图像。结果表明,所提出的方法能有效减少PET/CT图像的呼吸运动伪影,使肺部肿瘤的形状、大小和位置接近静态图像,并且有效地克服目前一些校正方法的局限性。     

基于支持向量回归的PET/CT图像衰减校正方法

目的在电子发射及计算机断层扫描系统(positron emission computed tomography/X-ray computed tomography,PET/CT)图像衰减校正的能量转换过程中,为了改进双线性转换法用线性关系来拟合非线性关系的不足,本文以支持向量回归为基础,提出了一种新的能量转换法即支持向量回归的PET/CT图像衰减校正方法来进行衰减校正,以寻找CT值和511 keV能量下线性衰减系数值之间的最佳转换关系。方法使用仿真软件GATE(Geant4 Application Tomographic Emission)模拟了11组不同材质的圆柱体体模。然后根据GATE仿真的不同材质圆柱体体模,求出其CT值和511 keV能量下线性衰减系数值并代入SVR模型中进行训练,建立CT值和511 keV能量下线性衰减系数值之间的SVR模型。最后与目前PET/CT衰减校正能量转换中常用的双线性能量转换法进行对比分析,并分别应用于GATE仿真的NCAT(NURBs Cardiac Torso)像素体模图像中,评估两种方法准确性的差异。结果支持向量回归的PET/CT图像衰减校正方法得到的511 keV能量下对应物质的线性衰减系数值的相对百分误差值较小(肺的相对百分误差值3.1%和肝脏的相对百分误差值1.08%),且经过支持向量回归法衰减校正的PET图像,其MSE评价值都是最小的(176.9230),其PSNR和AG的评价值都是最大的(31.8621和7.9083)。这说明经过支持向量回归法衰减校正的PET图像相比于双线性转换法衰减校正的PET图像,更接近于静态的图像。结论支持向量回归的PET/CT图像衰减校正方法在PET/CT图像的衰减校正应用中有更好的表现,可以更好地吻合CT值与511 keV能量下线性衰减系数之间的转换关系,从而提高了PET/CT图像的衰减校正效果,改善了PET/CT图像定量的准确性,便于医生做出更精确的临床诊断。     

一种基于改进人工蜂群算法优化支持向量机的睡眠呼吸暂停检测方法

目的 睡眠呼吸暂停综合征(sleep apnea syndrome, SAS)是由于睡眠时上气道通气不畅或堵塞引起的呼吸暂停或低通气,严重影响人类健康和生活。目前的检测方法是多导睡眠仪,检测过程较为复杂,影响患者正常睡眠。为此本文提出了一种针对血氧饱和度信号的引入交叉变异的全局混沌人工蜂群(cross global chaos artificial bee colony, CGCABC)算法优化支持向量机(support vector machine, SVM)的SAS检测方法。方法 从数据集ISRUC-SLEEP中提取25名SAS患者整晚8 h的脉搏血氧饱和度数据,经预处理后对每段数据计算5种非线性特征,包括近似熵、模糊熵、信息熵、排列熵和样本熵。比较发病片段信号特征和未发病片段信号特征之间的差异,使用CGCABC算法优化的SVM模型进行分类检测,并与人工蜂群(artificial bee colony, ABC)算法、粒子群(particle swarm optimization, PSO)算法、麻雀搜索(sparrow search, SS)算法优化SVM模型的检测结果进行对比。...     

基于改进人工蜂群优化支持向量机的睡眠分期

本研究提出通过改进人工蜂群算法优化支持向量机（IMABC-SVM）进行睡眠分期。对提取的离散小波变换分解数据分量、时域特征、非线性特征、微状态特征,使用ReliefF算法进行特征筛选,提取出最优特征矩阵,并由IMABC-SVM分类器对特征矩阵进行训练。为验证特征筛选与优化分类器效果,进行相关消融实验。结果表明IMABC-SVM方法精度可达89.97%。IMABC-SVM方法可为睡眠相关疾病的检测、预防和治疗提供有效的依据。     

基于多特征融合的睡眠分期

目的 为了有效实现睡眠自动分期,对睡眠障碍等相关疾病的诊断提供更多依据,本文提出了一种基于多特征融合的睡眠分期方法.方法 数据来自ISRUC-Sleep数据库,首先对10名健康受试者和10名睡眠障碍患者的脑电(electroencephalogram,EEG)信号计算3种特征——样本熵、小波包能量和去趋势波动.然后采用支持向量机(support vector machine,SVM)构建睡眠分期模型,并验证该模型的准确性.此外,为了进行比较加入心电(electrocardiogram,ECG)和肌电(electromyogram,EMG)通道.结果 健康受试者和睡眠障碍患者睡眠分期的准确率分别达到87.4％和86.3％.结论 基于多特征融合的睡眠分期方法能够有效地提高睡眠分期的准确率.     

一种基于计算机的单核苷酸多态性位点检测方法简

 目的 探讨一种成本低廉、操作简便,并能在大量基因数据中筛选出单核苷酸多态性（SNP）位点的计算机方法。方法 通过提取特征属性值项,采用基于最优风险与预防模式的数学算法,从SNP位点的角度分析基因突变现象。并以HBV（乙肝病毒）的演化为例,应用所提出的方法研究急性乙型肝炎转化为慢性乙型肝炎再至肝硬化过程中病毒基因的突变现象。结果 实验共检测出18处急性转慢性候选SNPs位点,其中4处属于碱基替换突变,1处属于碱基缺失突变,该5处已有报道,另外13处是新发现的候选SNP位点。同时检测出3处新发现的慢性转肝硬化候选SNPs位点,其中2处属于碱基替换突变,1处属于碱基缺失突变。结论 该方法操作简便,所需软硬件设备容易配置,在检测的便捷性和检出率方面都具有一定优势,将对乙型肝炎及其他疾病的临床诊断和研究起到有益的参考作用。