混合Poisson分布及其应用：疾病的统计分布（五）

本文讨论了混合Ｐｏｉｓｓｏｎ分布的性质、应用条件、参数的估计及混合Ｐｏｉｓｓｏｎ分布阶数的确定，指出混合Ｐｏｉｓｓｏｎ分布可用于混合样本的判别归类，并用Ｂａｙｅｓ的思想导出其判别归类方法。模拟试验结果表明：当混合Ｐｏｉｓｓｏｎ分布中各部分的比例相差不大，而各部分的均值相差较大时，抽样效果和拟合效果越好，所得到的估计值越接近理论值；反之效果越差。     

CAD值得信赖吗

计算机辅助检测（CAD）软件最早可追溯到1954年美国的华人科学家钱家其将计算机应用于放射治疗、计算课题颁布和制定治疗计划。1959年美国的Ledley等人首次将数学模型引入临床医学，提出应用随机数字信号分析中布尔代数和Bayes定理，制作计算机诊断数学模型，并用于一组肺癌病例的诊断，开创了CAD的先河。     

基于高光谱成像技术的中医舌象辅助诊断系统

中医舌诊是传统中医的一种重要诊断方法.由于舌诊是一种定性的、主观的和基于经验的诊断方法,从而制约了中医舌诊在临床医学上的广泛应用.针对中医舌诊现代化中存在的问题,开发研制了一种基于高光谱成像技术的舌象辅助诊断系统.这一系统包括高光谱舌图像采集、图像存储、特征提取和辅助诊断几部分.系统使用高光谱成像技术代替通常使用的数码相机进行舌图像采集,并对高光谱舌图像进行了图像和光谱特征提取,然后使用贝页斯分类器初步建立起了舌象特征与病症之间的联系,最后通过初步试验证明了这一系统的有效性.     

基于集成神经网络的类风湿关节炎中医证候分类研究

目的 针对基于AI技术的类风湿关节炎（RA）中医证候多标签分类中存在标签关联性差、泛化性能低等问题,提出构建一种集成神经网络模型来实现RA中医证候分类,并探究其中的特征重要性和风险因素,为RA的诊断和治疗提供参考。方法 本文提出一种集成神经网络模型实现RA中医证候分类。该模型采用一种基于多层神经网络的基分类器提取临床RA多标签样本的深层特征,增强RA特征区分度,根据协方差理论衡量标签相关性,调节分类器链的输入空间,减少RA错误信息传播和冗余度,采用集成学习方法减小分类器链中不合理标签序列对RA特征分类的影响。结果 该模型在10折交叉验证性能参数中表现出优秀的性能,其中汉明损失、1-错误率、准确率和F1值分别为0.0036、0.0248、97.52%、99.18%。与其他常用多标签分类器相比,该模型的性能更为优秀具有更好的分类性能。此外,本文分析了RA中医证候特征重要性,并挖掘了潜在的风险因素。结论 基于集成神经网络模型的RA中医证候分类器具有较高的分类精度和效率,对于RA的临床诊断和治疗具有重要参考价值。     

外周血白细胞自动识别分类系统的研制

白细胞分类记数是临床检验的一项重要内容.基于形态学的白细胞识别分类的自动化问题一直是众多学者致力于解决的难题.在细胞图像分割、白细胞特征提取、白细胞特征选择后,用Sugeno型模糊神经网络分类器实现了外周血白细胞的自动形态学分类,并与BP神经网络分类器进行了对比,证明了此方法的可行性.     

Morphology cluster and prediction of growth of human brain pyramidal neurons

Predicting neuron growth is valuable to understand the morphology of neurons, thus it is helpful in the research of neuron classification. This study sought to propose a new method of predicting the growth of human neurons using 1 907 sets of data in human brain pyramidal neurons obtained from the website of NeuroMorpho.Org. First, we analyzed neurons in a morphology field and used an expectation-maximization algorithm to specify the neurons into six clusters. Second, naive Bayes classifier was used to verify the accuracy of the expectation-maximization algorithm. Experiment results proved that the cluster groups here were efficient and feasible. Finally, a new method to rank the six expectation-maximization algorithm clustered classes was used in predicting the growth of human pyramidal neurons.     

基于信任的组合服务选择方法

针对从大量功能性属性相同的服务中选择最能满足请求者需求的服务这一问题.提出一种基于信任的组合服务选择方法.利用Bayes理论来计算对目标服务的直接信任值,基于请求者评价的相似度构建服务信任网络,在此基础上提出一种基于有向图结构的信任传播算法来计算对目标服务的推荐信任值:结合直接信任与推荐信任以形成对目标服务的信任度,为服务请求者提供决策信息.实验表明,该方法能够有效的满足不同服务请求者对组合服务的个性化需求,并对多种恶意行为具有较高的抵抗能力,而且在网络稀疏的情况下仍能表现出较强的鲁棒性.     

膝骨性关节炎运动质量评估系统设计

为膝骨性关节炎患者提供一种运动康复训练的监护系统,患者可以通过监护系统了解自身运动规范程度并作适当的调整.设计了一种基于ZigBee无线通信技术的人体下肢运动质量评估系统,以评估膝骨性关节炎运动理疗法的动作规范性.该系统将装有微型加速度传感器的ZigBee模块穿戴在人体的下肢,获取运动时的三维加速度信号,将加速度信号经过Haar小波变换后,采用粒子群算法提取小波特征值,将提取的特征向量应用神经网络分类器对动作质量进行识别评估.通过对20名年龄在24～30周岁的健康男性直腿抬高训练的动作质量评估测试,系统对规范抬腿、抬腿过高、保持时间太短和非平行抬腿这4类训练取真率的均值和标准差分别为(89.1±2.0)％、(93.4±1.7)％、(89.5±2.3)％、(90.1±1.8)％.实验结果表明,本系统能有效地识别训练过程中的不规范动作,较好地实现了对直腿抬高训练的运动质量监测与评估,满足健康监护系统的应用需求.     

Approximate entropy and support vector machines for electroencephalogram signal classification*****

The automatic detection and identification of electroencephalogram waves play an important role in the prediction, diagnosis and treatment of epileptic seizures. In this study, a nonlinear dynamics index–approximate entropy and a support vector machine that has strong generalization ability were applied to classify electroencephalogram signals at epileptic interictal and ictal periods. Our aim was to verify whether approximate entropy waves can be effectively applied to the automatic real-time detection of epilepsy in the electroencephalogram, and to explore its generalization ability as a classifier trained using a nonlinear dynamics index. Four patients presenting with partial epileptic seizures were included in this study. They were all diagnosed with neocortex localized epilepsy and epileptic foci were clearly observed by electroencephalogram. The electroencephalogram data form the four involved patients were segmented and the characteristic values of each segment, that is, the approximate entropy, were extracted. The support vector machine classifier was constructed with the approximate entropy extracted from one epileptic case, and then electroencephalogram waves of the other three cases were classified, reaching a 93.33% accuracy rate. Our findings suggest that the use of approximate entropy allows the automatic real-time detection of electroencephalogram data in epileptic cases. The combination of approximate entropy and support vector machines shows good generalization ability for the classification of electroencephalogram signals for epilepsy.     

肾细胞癌与乏脂肪肾血管平滑肌脂肪瘤的鉴别分类模型：基于随机投影的多分类器分层融合框架

目的 研究基于随机投影的多分类器分层融合的分类模型对良性肾小肿块乏脂肪肾血管平滑肌脂肪瘤（<4 cm）（AMLwvf）和恶性肾小肿块肾细胞癌（RCC）的鉴别能力。方法 回顾性收集163例经病理证实存在肾小肿块的患者,其中118例为肾细胞癌,45例为乏脂肪肾血管平滑肌脂肪瘤,对平扫CT图像中病灶面积最大的代表性切片进行目标感兴趣区域（ROI）勾画,利用放射组学特征构建一个层次型的融合框架。在投影域水平上对同质分类器进行融合,然后在分类器水平上对融合结果进行进一步融合,最终得到基于随机投影的多分类器分层融合的AMLwvf和RCC鉴别分类模型。采用五折交叉验证方法和特异性（SPE）、灵敏度（SEN）、准确率（ACC）、ROC曲线下面积（AUC）评价AMLwvf与RCC鉴别分类模型的性能。将本研究所提模型与使用单一基分类器算法以及几种传统的集成模型对AMLwvf和RCC的鉴别分类能力进行定量比较,验证本研究所提鉴别模型的可行性和有效性。结果 投影数设置为10时,本文提出的分层融合鉴别模型在所有指标上获得最好的结果。基于投影数为10的前提,五折交叉验证结果显示本研究所提出的基于多分类器分层融合的AMLwvf和RCC鉴别分类模型的SPE、SEN、ACC、AUC分别为：0.853、0.693、0.809、0.870。结论 基于随机投影的多分类器集成分类系统构建的AMLwvf和RCC鉴别模型可以很好地对 AMLwvf 和 RCC 进行鉴别分类。同时与基于单一分类器算法以及其他多分类器集成系统构建的AMLwvf和RCC的鉴别模型相比,本文所提出鉴别模型在AMLwvf和RCC的鉴别分类任务中具有较大优势。