不规则图像灰度共生矩阵生成方式的比较

目的：对不规则图形的灰度共生矩阵生成方法进行对比,通过实验总结出不同方法的适用范围。方法：勾勒图像中感兴趣区域（ROI）,采用取原始图像中相应点法和邻域近似法分别生成灰度共生矩阵,并计算相应的纹理特征。将得到的纹理特征进行t检验。结果：对乳腺癌图像,2种不同方法生成的灰度共生矩阵没有表现出统计学差异：然而在膀胱癌组和正常膀胱壁组,统计显示不同方法生成的灰度共生矩阵存在差异。结论：在图像中ROI与周围区域不存在强对比且ROI边界点数量有限的情况下,2种方法差别不大,采用取原始图像中相应点灰度值的方法更简单：当ROI与周围区域存在强烈对比并且ROI较为狭长、边界点较多的情况下,邻域近似求解的方法更为适用。     

基于灰度共生矩阵的腹部图像分类与检索

目的:旨在准确率更高地对腹部医学图像进行分类和检索。方法:提出一种基于灰度共生矩阵的图像分类和图像检索新方法。利用灰度共生矩阵计算2类关键特征:对比度和熵,实现对腹部医学图像的分类与检索。利用Matlab构造分类检索界面,可分别进行2种处理,其中分类处理是将图像库中的图像根据疾病类型进行分类,可显示疾病种类及相应图像数量;检索处理为将已知疾病图像输入系统后,系统将与之相似疾病图像检索显示出来。结果:能够准确率很高地分类检索肝癌、肝血管瘤、肝囊肿等3类疾病,界面便于医生操作。结论:对临床影像数据进行实验测试,结果表明分类和检索准确率较高,满足临床的需要。     

基于纹理特征和GRBF网络的医学图像分割

目的：研究一种新的图像分割算法，以获得更好的医学图像的分割结果。方法：采用基于纹理特征和广义径向基函数（Generalized Radial Basis Function，GRBF）神经网络的图像分割方法对医学图像进行分割．根据灰度共生矩阵获得纹理特征参数，形成广义径向基函数神经网络的输入矢量，对网络进行训练和仿真测试。结果：该算法取得更为理想的图像二值化的结果，且实验发现GRBF网络的泛化能力比RBF网络更胜一筹。结论：研究了边界模糊的医学图像的纹理特征．结合GRBF神经网络一得到一种有效的医荤图像奔割方法     

基于运动想象的脑电信号特征提取与分类

目的：以在已知类别的2种运动想象任务下采集的EEG信号为训练样本,识别测试样本中的运动想象任务。方法：在频域范围内,采用AR模型功率谱估计法所得C3、C4通道的功率谱密度,确定ERD/ERS较明显的频率范围;在时域范围内,比较C3、C4通道信号的能量差异,确定ERD/ERS较明显的时间段。采用带通滤波和小波包分析的方法提取训练集想象运动过程中ERD/ERS生理现象较明显的节律信号,分别采用线性分类器、支持向量机（SVM）实现测试集运动想象脑电数据的分类。结果：分类最佳正确率为87.14%。结论：小波包分析法能够较准确地提取想象左、右手运动的脑电信号的本质特征,结合支持向量机实现较好的抗干扰能力和分类性能。     

基于Nakagami成像纹理特征检测微波热消融凝固区的方法研究

目的:探讨超声Nakagami成像纹理特征参数检测微波热消融凝固区的可行性.方法:通过超声仪采集超声射频信号然后检测包络信号,构建超声Nakagami图像.基于超声Nakagami图像提取灰度共生矩阵纹理特征参数,输入支持向量机训练凝固区识别模型后结合多项式拟合得到凝固区最终识别结果.以离体猪肝最大剖面的测量结果为金标...     

基于LVQ的自发脑电信号的分类研究

为了识别在不同思维状态下的自发脑电(EEG)信号，本文用6阶自回归(AR)模型表示EEG信号，用学习矢量量化(LVQ)神经网络作分类器，分别用LVQl和LVQ2．1算法对网络进行训练，并对分类结果进行测试，比较了网络选择不同参数时对分类正确率的影响。研究表明：竞争层神经元数目直接影响了正确率，当选择最佳参数值时分类正确率为62％-83％，因人而异。     

基于模糊决策的肝纤维化CT图像分类方法研究

提出一种基于K近邻法的模糊决策的肝纤维化CT图像分类方法。对提取的图像频域特征向量用模糊加权K近邻法进行分类，其中引入隶属度函数对由于各种噪声和扫描参数的变化引起的特征值的不确定性进行描述。本研究结果表明模糊技术的应用提高了分类器的识别率和鲁棒性。     

基于径向基函数神经网络的膝关节磁共振T2 map数据分类

目的：设计一种膝关节骨性关节炎（OA）磁共振T2 map数据分类器,用于OA疾病分类。方法：通过磁共振成像（MRI）T2 mapping技术,采集46例膝关节MRI图像共计1380个数据,按膝关节软骨全器官磁共振成像评分（WORMS）分区方法提取10个亚区的T2值数据,以T2值数据为特征量进行数据挖掘,建立径向基函数（RBF）神经网络分类器,结合临床诊断结果实行对采集样本数据分类识别。结果：RBF分类器对于膝关节T2 map数据最终识别准确率为75%,体现了良好的OA数据分类效果。结论：基于直接确定法的RBF神经网络构造的膝关节OA分类器无需任何迭代,通过简单步骤就得到最优权值、合适的中心以及方差,适合作为OA的疾病分类器。     

3种蜚蠊成虫自动分类的研究

[目的]探索一种准确、快捷适合基层单位使用的蜚蠊分类方法。[方法]将图像数字形态学特征提取与LVQ神经网络模式识别相结合，计设和实现一种能将3种蜚蠊自动分类的系统。该系统建立、训练了2个分类器：完整虫体的分类网络net1和残缺虫体的分类网络net2。[结果]样品图片送入系统后，自动完成分类过程。经检验，完整虫体分类器net1的正确率为100％；残缺虫体分类器net2的正确率为97．2％。[结论]对3种蜚蠊的自动分类取得成功，为开发出适用于更多种类蜚蠊共至其他昆虫的自动分类系统打下基础。     

基于SVM的前列腺超声图像病变分析

本文提出了一种使用前列腺直肠超声图像特征来进行病变检测的计算机辅助诊断方法.首先通过对每个分割后前列腺图像中的感兴趣区域(ROI)进行统计纹理分析.提取出灰度级差矢量特征(GLDV)和边界频率特征,以及频率域的纹理特征.为了有效的分析纹理特征.所提取的特征集通过方差分析(ANOVA)来进行特征选择,得到一个维度较小的最优特征子集,然后应用支持向量机(SVM)对特征进行分类,从而检测出癌变区域.实验表明,本文方法能够有效地识别并检测出病变图像区域,为医生诊断提供必要的辅助信息.     

数字化X线检查在乳腺疾病诊断中的应用价值

目的通过临床资料研究分析数字化X检查在乳腺疾病诊断中的应用价值。方法回顾性分析297例有临床症状的乳腺疾病患者,全部做数字化乳腺钼靶检查。结果 X线诊断为良性病变236例,经临床治疗、随访或手术后为162例,准确度为69%;恶性病变为61例,经手术病理证实为55例,准确度为82%。结论数字化乳腺钼靶检查对乳腺恶性病变准确性可达82%,对鉴别良恶性病变方面具有独特价值;对发现乳腺有恶性钙化乳腺癌的检出灵敏度及准确度可达100%;对良性病变及致密型乳腺疾病的影像特征常不具有特异性,其准确度为69%;乳腺导管造影检查对乳头溢液患者病变的检查准确性较高。     

影像组学在肺肿瘤良恶性分类预测中的应用研究

针对肺癌临床诊断中缺乏定量评估方法等问题,本研究采用影像组学方法构建基于支持向量机(SVM)的肺肿瘤良恶性分类预测模型。首先介绍了影像组学的定义、处理流程。实验样本选自公开数据集LIDC上的816例肺癌患者的CT影像数据。先采用中心池化卷积神经网络分割法提取感兴趣区(ROI),然后分别采用影像组学特征提取包Pyradiomics和FSelector特征筛选模型进行特征提取和特征降维,最后通过SVM构建肺肿瘤良恶性分类预测模型。模型对大于5 mm肺小结节的良恶性分类的预测准确率为80.4%,曲线下面积(AUC)的值为0.792,表明SVM分类器模型可以准确地判别大于5 mm的肺小结节的良恶性。     

Epileptic seizure detection in EEG signal using machine learning techniques

Epilepsy is a well-known nervous system disorder characterized by seizures. Electroencephalograms (EEGs), which capture brain neural activity, can detect epilepsy. Traditional methods for analyzing an EEG signal for epileptic seizure detection are time-consuming. Recently, several automated seizure detection frameworks using machine learning technique have been proposed to replace these traditional methods. The two basic steps involved in machine learning are feature extraction and classification. Feature extraction reduces the input pattern space by keeping informative features and the classifier assigns the appropriate class label. In this paper, we propose two effective approaches involving subpattern based PCA (SpPCA) and cross-subpattern correlation-based PCA (SubXPCA) with Support Vector Machine (SVM) for automated seizure detection in EEG signals. Feature extraction was performed using SpPCA and SubXPCA. Both techniques explore the subpattern correlation of EEG signals, which helps in decision-making process. SVM is used for classification of seizure and non-seizure EEG signals. The SVM was trained with radial basis kernel. All the experiments have been carried out on the benchmark epilepsy EEG dataset. The entire dataset consists of 500 EEG signals recorded under different scenarios. Seven different experimental cases for classification have been conducted. The classification accuracy was evaluated using tenfold cross validation. The classification results of the proposed approaches have been compared with the results of some of existing techniques proposed in the literature to establish the claim.     

Digital mammography screening: weighing reduced mortality against increased overdiagnosis

Objective

Digital mammography has been shown to increase the detection of ductal carcinoma in situ (DCIS) compared to screen-film mammography. The benefits and risks of such an increase were assessed.

Methods

Breast cancer detection rates were compared between 502,574 screen-film and 83,976 digital mammograms performed between 2004 and 2006 among Dutch screening participants. The detection rates were then modeled using a baseline model and two extreme models that respectively assumed a high rate of progression and no progression of preclinical DCIS to invasive cancer. With these models, breast cancer mortality and overdiagnosis were predicted.

Results

The DCIS detection rate was significantly higher at digital mammography (1.2 per 1000 mammograms (95% C.I. 1.0-1.5)) than at screen-film mammography (0.7 per 1000 mammograms (95% C.I. 0.6-0.7)). Consequently, 287 (range progressive- non progressive model: 1-598) extra breast cancer deaths per 1,000,000 women (a 4.4% increase) were predicted to be prevented. An extra 401 (range: 165-2271) cancers would be overdiagnosed (a 21% increase).

Conclusion

Modeling predicted that digital mammography screening would further reduce breast cancer mortality by 4.4%, at a 21% increased overdiagnosis rate. The consequences of digital screening, however, are sensitive to underlying assumptions on the natural history of DCIS.     

数字乳腺断层摄影应用现状及展望

乳腺X线摄影是早期检出乳腺癌最有效手段。但在X线片上由于腺体组织的重叠会影响到病变的检出与诊断。数字乳腺断层摄影（DBT）是一项新的数字乳腺摄影方法,它是由一系列从不同角度拍摄所获得的低剂量X线图像经重建后合成的断层图像。这项技术在获得的三维图像基础上,克服了传统乳腺摄影需要压迫乳腺所带来的不适,以及重叠组织所隐藏的癌灶。DBT可以降低复检率,增加活检病人的选择性,提高癌灶的检出率,有效降低由于组织重叠而造成的误诊,减少患者因＂假阳性＂病变所带来的不必要的焦虑。尽管DBT也存在一定的局限性,但研究表明,这项技术拥有很大的潜能,其价值也会得到更广泛的认同。     

A mechatronics platform to study prosthetic hand control using EMG signals

In this paper, a low-cost mechatronics platform for the design and development of robotic hands as well as a surface electromyogram (EMG) pattern recognition system is proposed. This paper also explores various EMG classification techniques using a low-cost electronics system in prosthetic hand applications. The proposed platform involves the development of a four channel EMG signal acquisition system; pattern recognition of acquired EMG signals; and development of a digital controller for a robotic hand. Four-channel surface EMG signals, acquired from ten healthy subjects for six different movements of the hand, were used to analyse pattern recognition in prosthetic hand control. Various time domain features were extracted and grouped into five ensembles to compare the influence of features in feature-selective classifiers (SLR) with widely considered non-feature-selective classifiers, such as neural networks (NN), linear discriminant analysis (LDA) and support vector machines (SVM) applied with different kernels. The results divulged that the average classification accuracy of the SVM, with a linear kernel function, outperforms other classifiers with feature ensembles, Hudgin’s feature set and auto regression (AR) coefficients. However, the slight improvement in classification accuracy of SVM incurs more processing time and memory space in the low-level controller. The Kruskal–Wallis (KW) test also shows that there is no significant difference in the classification performance of SLR with Hudgin’s feature set to that of SVM with Hudgin’s features along with AR coefficients. In addition, the KW test shows that SLR was found to be better in respect to computation time and memory space, which is vital in a low-level controller. Similar to SVM, with a linear kernel function, other non-feature selective LDA and NN classifiers also show a slight improvement in performance using twice the features but with the drawback of increased memory space requirement and time. This prototype facilitated the study of various issues of pattern recognition and identified an efficient classifier, along with a feature ensemble, in the implementation of EMG controlled prosthetic hands in a laboratory setting at low-cost. This platform may help to motivate and facilitate prosthetic hand research in developing countries.     

基于PSO-SVM的糖尿病并发症预测研究

目的:运用数学模型粒子群优化(PSO)算法与支持向量机(SVM)(PSO-SVM)评估糖尿病并发症的发病风险,为糖尿病的临床诊断提供有效的数据信息.方法:以SVM为人工智能算法,通过PSO算法对其参数进行优化,利用K-fold交叉验证法将部分数据用于模型的训练,建立以16项指标数据作为输入变量、以糖尿病肾病、糖尿病性视...     

支持向量机在基因表达数据分类中的应用研究

目的探讨支持向量机在基因表达数据分类研究中的应用条件和效果。方法使用支持向量机软件包,通过实际基因表达数据考核其应用效果,并通过模拟试验进一步验证和研究在含有大量无差异表达基因情况下对分类产生的影响。结果对四种疾病的真实基因表达数据的分类取得了良好的效果,模拟试验则显示了支持向量机对分类具有较高的准确性,但随无差异基因数量的增加其分类效果呈明显下降的趋势;在类间分离一定的情况下,差异表达基因数目较多、基因之间具有较高的相关性时,更容易获得好的分类效果。结论支持向量机在解决小样本、非线性及高维问题中表现出许多潜在的优势,可以有效地用于分析基因表达数据的分类问题。     

基于SVM的尿液粒子识别算法研究

本文将支持向量机的算法引入到尿沉渣有形成分的分类问题上.在提取特征的基础上,采用交叉验证法和精度等高线图进行核函数及参数的选择.根据支持向量机和数据集特点,设计出由两级分类器集成的支持向量机多分类器.得到了相应的混淆矩阵.临床实验数据分类评测以及与神经网络方法比较结果表明,提出的算法具有一定的优势.     

基于支持向量机建立环境和遗传因素对2型糖尿病的预测模型

目的 探讨支持向量机在环境和遗传因素对2型糖尿病预测中的应用前景.方法 建模数据库来源于2001 - 2004年中国双生子登记系统,以是否发生2型糖尿病为预测标签,以13个环境因素和5个遗传因素为预测因子,应用Matlab软件建立基于支持向量机的预测模型.结果 环境因素对2型糖尿病的预测模型中,应用线性核函数拟合模型,回代训练样本准确率和预测检验样本准确率分别为82.50％和87.50％,当考虑遗传因素共同作用后,回代训练样本准确率和预测检验样本准确率分别提高1.67％和2.88％;两个预测模型中,应用径向基核函数拟合模型,回代训练样本准确率为100.00％,但预测检验样本准确率仅为86.54％,模型均出现过度拟合现象;应用sigmoid核函数拟合模型,回代训练样本准确率为81.67％,预测检验样本准确率为86.54％,预测效果略差.在环境和遗传因素对2型糖尿病的预测模型中,应用线性核函数拟合模型时,灵敏度为93.33％,特异度为71.42％,优于基于径向基核函数和sigmoid核函数的预测模型.结论 基于线性核函数建立的模型对2型糖尿病发生的预测效果较好,并且综合环境和遗传因素共同作用对2型糖尿病的预测准确率要高于仅考虑环境因素的预测效果,应用支持向量机在解决小样本、非线性、高维模型识别问题中具有良好的应用前景.