分割技术在医学图像中处理的应用

传统支持向量机方法应用于医学图像分割中,对支持向量机中核函数、图像特征及训练样本等几个关键问题进行了分析与研究。结合医学图像的特点,将高斯核函数作为医学图像脑组织分类的核函数,并提出了一种确定高斯核函数参数的有效方法。在图像特征提取方面,研究了纹理与灰度结合以及区域灰度两组特征提取方法。     

构造稀疏最小二乘支持向量机的网络入侵检测模型

从最小二乘支持向量机的稀疏表达出发,构建高效的基于稀疏最小二乘支持向量机的网络入侵检测模型,提出了一种通过基于核空间近似策略的有效低秩逼近来有效减小原始训练样本集中的支持向量数来实现最终模型的稀疏表达.以MIT KDD99数据集为基础,对所提出方法进行有效性验证,并与利用剪枝策略通过递归过程中不断减少模型中支持向量个数的稀疏化方法、基本最小二乘支持向量机以及标准支持向量机方法的性能进行对比.结果表明:基于核空间近似的最小二乘支持向量机稀疏化与标准最小二乘支持向量机相当;此外稀疏最小二乘支持向量机能够提高入侵检测响应速度.     

基于改进多类支持向量机的印刷缺陷检测

针对印刷品缺陷检测问题,为了对缺陷位置、形状、类型等信息进行有效的识别和分析,提出了一种基于改进多类支持向量机的印刷缺陷检测方法。首先根据人眼视觉特性,将配准后的印刷图像通过基于动态阈值的差分运算,快速地得到二值缺陷图像;然后采用由缺陷几何特征和形状特征构成的特征向量对缺陷信息进行分析和描述;最终通过改进的多类支持向量机实现印刷缺陷的准确识别。实验结果表明,相对于一对一型支持向量机（OVOSVM）和一对多型支持向量机（OVRSVM）,在实际训练样本较少的情况下,该方法具有检测速度快、识别准确率高的特点,能够有效解决印刷品缺陷检测问题。     

蜂窝状的交互式三维分割方法

目的：蜂窝状肺病变是一种常见的肺部影像学表现,因其边缘模糊、分布弥散的特点,难于分割.为准确地对蜂窝状肺病变进行三维分割,提出一种基于支持向量机的交互式三维分割方法.方法：根据肺部CT图像灰度分布特性基于自适应阈值分割算法对肺部进行分割,然后采用区域生长法将气管剔除出肺部区域,并针对肺部区域采用修正后的分水岭算法按照纹理分割成小区域,对各区域进行纹理特征的提取,采用训练后的支持向量机对各区域进行判别是否为蜂窝状病变区域.最后根据切片层数据间的关联性基于面积重叠去除假阳性区域.结果：针对临床已确诊的30例病例参照医生分割的金标准进行测试,对分割算法进行了敏感性、特异性、准确率等指标的评估,该方法能分割出可靠的蜂窝状肺部病变区域.     

基于文化差分进化算法的最小二乘支持向量机及QSAR建模

针对最小二乘支持向量机最佳算法参数难以确定的缺陷,提出了基于文化差分进化算法的最小二乘支持向量机(Cultural Differential evolution Algorithm Least Square Support Vector Machine,CDE-LSSVM)。该算法通过新型的文化差分进化算法优化确定最小二乘支持向量机核宽度参数和惩罚系数,建立具有良好预测性能的模型。同时,针对药物定量构效关系（Quantitative Structure-Activity Relationships,QSAR）模型具有高度非线性、变量之间存在相关性的特征,采用CDE-LSSVM建立HIV-1蛋白酶抑制剂的药物定量构效关系模型。模型具有很好的拟合精度与预测精度,且优于最小二乘支持向量机、BP神经网络和径向基神经网络。     

基于图像处理和支持向量的肺癌CT图像的分类研究

目的研究肺癌CT图像的分类问题。由于肺癌图像的复杂性及图像采集过程中不同程度的存在噪声干扰,造成人工分类难度增大。本文提出一种基于图像处理和支持向量的肺癌分类方法。方法首先对采集的原始CT图像进行去噪处理,通过图像分割技术得到肺实质感兴趣区域,然后利用灰度共生矩阵,提取感兴趣区域的纹理特征,最后利用支持向量机分类器对数据样本进行训练测试。结果仿真结果表明,本方法对肺癌CT图像分类准确率达到90%。结论为肺癌的临床诊断与治疗提供了依据。     

基于能量特征的左右手运动想象脑信号的识别方法

提出了一种基于能量特征的左右手运动想象识别方法,利用快速傅里叶变换分析特定脑电(μ波和β波)的频率分布,然后利用小波分解去噪,再利用小波包分析脑电能量,提取能量特征,最后基于支持向量机(SVM)进行左右手运动想象的识别。本文把能量作为特征的支持向量机(SVM)识别法分别与自适应自回归系数法(AAR)和相同步分析法进行比较。仿真结果表明:在相同样本数据情况下,能量特征作为特征向量的SVM识别准确率明显高于其他2种方法。     

基于微粒群优化算法和支持向量机的软测量建模

在分析基本微粒群优化算法(PSO)和支持向量机(SVM)原理的基础上,采用带有末位淘汰机制的微粒群优化算法优化支持向量机的参数,建立了延迟焦化装置粗汽油干点软测量的微粒群支持向量机模型.该方法利用支持向量机结构风险最小化原则和PSO算法快速全局优化的特点,用于软测量建模.仿真实验表明:所建模型的泛化性能较好,模型具有较高的精度.     

加权相关系数核函数及其在T细胞表位预测中的应用

T细胞表位的识别和理论预测是计算机辅助疫苗和药物设计中的重要研究内容,在药物设计、疫苗设计、以及帮助人们了解机体免疫功能方面具有重要的指导意义.本文源于多肽的"锚点特征",设计一种加权相关系数,并作为支持向量机的相似函数核,结合演化算法,以支持向量机为基础对T细胞表位进行了理论预测.在同样编码方式下,实验表明采用本文设计的加权互相关系数核函数,其支持向量机模型的预测性能显著提高.     

基于混合核函数的PSO-SVM分类算法

在数据挖掘中,支持向量机是被广泛应用的一种分类算法,其核函数的选择及参数的设定没有有效的标准。本文采用混合核函数构造兼顾学习能力和泛化性能的支持向量机算法,并利用粒子群算法来确定支持向量机的参数。应用基于混合核函数的PSO SVM算法对一个经典的分类测试数据集进行分类,将该算法与单一核函数支持向量机算法的分类结果进行比较,结果表明所提出的算法的分类性能有明显提升。     

SVM在临床医学中的应用

SVM是一种有坚实理论基础的新颖的小样本学习方法。它基本上不涉及概率测度及大数定律等,因此不同于现有的统计方法。SVM在解决小样本、非线性及高维模式识别问题中具有许多特有的优势,并能够推广应用到函数拟合等其他机器学习问题中。目前SVM已广泛应用各个领域,但其也有一定的局限性。本文综述了最近几年来支持向量机在临床医学中的应用状况,并探讨其应用前景。     

基于介电特性的人体恶性胃组织支持向量机辅助诊断方法

目的 基于正常和恶性胃组织介电特性值的差异,运用支持向量机(SVM)对介电特性进行自动鉴别.方法 用开端同轴探头法测量正常和恶性胃组织在42.58~500 MHz频率范围内的介电特性,并对测得的介电特性数据进行Cole-Cole模型拟合.接收机操作特性(ROC)曲线分析法被用来对各频率点下介电常数、电导率和Cole-Cole拟合参数的鉴别能力进行评估.SVM被用来对正常和恶性胃组织进行鉴别,鉴别正确率由k折交叉验证进行计算.结果 在测量频率范围内,5个低端频率点下介电常数的ROC曲线下面积达到0.8以上.这5个频率下介电常数的组合作为特征值与SVM结合取得了最高鉴别正确率84.38%, MATLAB运行时间为3.40 s.结论 本文提出的基于介电特性的恶性人体胃组织支持向量机辅助诊断方法具有可行性.     

支持向量机算法预测腹部术后病人死亡风险模型的建立及验证

目的 通过支持向量机算法,建立预测腹部手术病人术后28 d的死亡风险模型。 方法收集2015年7月至2017年6月期间行腹部手术的病人的术前一般情况、术前访视情况、实验室检查等指标,基于支持向量机算法建立并验证预测腹部术后的死亡风险模型,并与传统logistic回归模型比较,评价支持向量机模型的工作性能。 结果共纳入手术病人1 512例,其中男911例(60.25%%),女601例(39.75%)。训练集和测试集中,死亡组的死亡预测概率高于存活组(P < 0.01)。训练集中,支持向量机模型的ROC曲线下面积高于logistic回归模型,但差异无统计学意义(0.97 vs 0.95, P>0.05)。验证集中,支持向量机的ROC曲线下面积高于logistic回归模型(0.98 vs 0.91, P < 0.05)。支持向量机模型的敏感性(训练集68.57% vs 62.86%,验证集79.78% vs 77.78%)和阳性预测值(训练集80.00% vs 65.75%,验证集83.33% vs 77.13%)优于传统logistic回归模型。 结论支持向量机模型能够准确预测腹部手术病人28 d死亡风险,其工作性能强于传统的logistic回归模型。     

基于最小二乘支持向量机的网络流量预测

为了提高网络流量预测准确性,将最小二乘支持向量机应用于网络流量预测。介绍了最小二乘支持向量机的原理与方法,并将该模型应用于实际网络流量预测计算。结果表明,该方法能有效地进行流量预测,相对于BP神经网络和ARMA模型方法,该方法具有更好的预测精度。     

Neural Network Classifier for Automatic Detection of Invasive Versus Noninvasive Airway Management Technique Based on Respiratory Monitoring Parameters in a Pediatric Anesthesia

Children undergoing general anesthesia require airway monitoring by an anesthesia provider. The airway may be supported with noninvasive devices such as face mask or invasive devices such as a laryngeal mask airway or an endotracheal tube. The physiologic data stored provides an opportunity to apply machine learning algorithms distinguish between these modes based on pattern recognition. We retrieved three data sets from patients receiving general anesthesia in 2015 with either mask, laryngeal mask airway or endotracheal tube. Patients underwent myringotomy, tonsillectomy, adenoidectomy or inguinal hernia repair procedures. We retrieved measurements for end-tidal carbon dioxide, tidal volume, and peak inspiratory pressure and calculated statistical features for each data element per patient. We applied machine learning algorithms (decision tree, support vector machine, and neural network) to classify patients into noninvasive or invasive airway device support. We identified 300 patients per group (mask, laryngeal mask airway, and endotracheal tube) for a total of 900 patients. The neural network classifier performed better than the boosted trees and support vector machine classifiers based on the test data sets. The sensitivity, specificity, and accuracy for neural network classification are 97.5%, 96.3%, and 95.8%. In contrast, the sensitivity, specificity, and accuracy of support vector machine are 89.1%, 92.3%, and 88.3% and with the boosted tree classifier they are 93.8%, 92.1%, and 91.4%. We describe a method to automatically distinguish between noninvasive and invasive airway device support in a pediatric surgical setting based on respiratory monitoring parameters. The results show that the neural network classifier algorithm can accurately classify noninvasive and invasive airway device support.     

基于支持向量机模型的河南艾滋病发病率预测

探索适合于河南省艾滋病发病趋势的预测模型,准确、快速地预测未来发病变化趋势,为制定艾滋病预防控制的策略和措施提供参考依据。方法收集河南省2000～2014 年艾滋病发病率数据,采用支持向量机模型建立其发病率预测模型。其中2000～2013 年发病率数据为训练样本,2014 年发病率数据为检验样本。以平均相对误差作为预测效果的评价指标。并用该模型对河南省2015～2019 年艾滋病的发病率进行预测。结果建立的支持向量机模型的平均相对误差为0.5512%。经预测,河南省2015～2019 年艾滋病的发病率分别为0.85/10 万、1.84/10 万、1.64/10 万、1.30/10 万、2.01/10 万。结论支持向量机模型有较高的预测精度及较小的预测误差,适用于河南省艾滋病的发病率预测。     

支持向量机在CT鉴别诊断肾脏上皮样血管平滑肌脂肪瘤与肾透明细胞癌中的应用

目的探讨支持向量机在CT鉴别诊断肾脏上皮样血管平滑肌脂肪瘤(epithelioid angiomyolipoma,EAML)的CT与肾透明细胞癌(clear cell renal cell carcinoma,cc RCC)中的应用价值。方法搜集70例经病理证实的肾脏肿瘤(EAML、cc RCC病变各35例),采用支持向量机法综合分析其CT特征表现,判定其所属类型。结果支持向量机法(support vector machine,SVM)对EAML病变的诊断正确率为100%;对cc RCC病变的诊断正确率为94.59%;总体平均判别正确率为97.14%;训练集诊断正确率为97.30%;测试集诊断正确率为96.97%;与bagging和adaboost分类算法诊断符合率相接近。结论支持向量机法有助于CT鉴别诊断EAML和cc RCC,可用于辅助日常阅片工作,尤其是年轻医师或基层医院医师的工作。     

Construction of Antisense Transforming Growth Factorβ_1 Gene and Its Effect on the Proliferation by Expression in Osteosarcoma Cells

Summary:To construct the antisense transforming growth factorβ1(TGFβ1)gene and investigatethe effect of TGFβ1 autocrine loop blockage on the proliferation of osteosarcoma cells.TGFβ1 cDNAwas cloned by RT-PCR from human osteosarcoma cells(MG-63)and inserted into pcDNA_3 to con-struct an antisense expression vector,which was dubbed pcDNA_3-TGFβ1(-).MTT was used to de-tect the proliferation of osteosarcoma cells transfected by antisense TGFβ1 gene.Our results showedthat the proliferation of the transfected osteosarcoma cells was suppressed markedly.It is concludedthat TGFβ1 autocrine loop blockage in osteosarcoma cells could inhibit cell proliferation,which mightbe helpful for gene therapy of osteosarcoma.     

逆转录病毒介导的HSV-TK基因对人骨肉瘤细胞的杀伤作用

目的 探讨骨肉瘤基因治疗的可行性。方法 采用逆转录病毒介导的HSV-TK基因转移和GCV治疗的方法进行研究。结果 成功构建含HyTK基因的重组逆转录病毒载体DORHyTK;采用DOTAP将其转入PA317细胞中进行包装,筛选,并进行病毒滴度测定。收获病毒上清体外感染骨肉瘤细胞株OS732和SAOS-2。分别用PCR和RNA斑点杂交的方法证明假病毒中不含有复制活性病毒,HSV-TK基因已整合到宿主细胞基因组中,并获得表达,MTT比色法测定结果显示GCV对OS732TK和SAOS-2TK细胞均有明显的杀伤作用。且前者强于后者,旁观者效应在高细胞密度接种条件下强于低细胞密度,在SAOS-2细胞中的作用强于OS732。结论 HSV-TK/GCV基因治疗系统可为骨肉瘤的治疗提供新途径。