基于随机森林算法的高维脑电特征优选

在基于脑电的脑-机接口研究中,脑电信号的分类是较为重要的部分.从多导脑电中得到大量可用于分类的特征,并对这些特征进行优选是研究热点.本文应用多分类器组合的分类树方法和自助法重采样技术,结合随机特征选择,使用随机森林组合分类器方法对想象运动实验中的高维脑电特征进行分析.根据不同特征在生成森林过程中被选用于分枝次数的不同,提出了一种有效的特征优选方法,并在特征优选的基础上可以进行导联的筛选.     

基于随机森林算法的阿尔茨海默症医学影像分类

为实现阿尔茨海默症(AD)的医学影像分类,辅助医生对患者的病情进行准确判断,本研究对采集的34名AD患者、35名轻度认知障碍患者和35名正常对照组成员的功能磁共振影像进行特征提取和分类,具体思路包括:首先利用皮尔逊相关系数计算脑区之间的功能连接,然后采用随机森林算法对被试不同脑区之间的功能连接进行重要性度量及特征选择,最后使用支持向量机分类器进行分类,利用十倍交叉验证估算分类准确率。实验结果显示,随机森林算法可以对功能连接特征进行有效分析,同时得到AD发病过程的异常脑区,基于随机森林和SVM建立的分类模型对AD、轻度认知障碍的识别具有较好的效果,分类准确率可达90.68%,相关结论可以为AD的早期临床诊断提供客观参照。 【关键词】阿尔茨海默症;功能磁共振成像;随机森林;特征选择     

融合人工鱼群和随机森林算法的膝关节接触力预测

针对膝关节接触力的测量问题提出融合人工鱼群和随机森林算法的膝关节接触力预测方法。首先,运用混沌变换构造均匀分布的种群,并引入自适应视野范围策略和自适应步长策略,获得改进的人工鱼群算法。然后,将干预前所有受试者的步态参数和膝关节接触力数据划分为训练集（70%）和验证集（30%）,利用随机森林算法对训练集进行训练,并使用改进的人工鱼群算法优化随机森林模型的主要参数,获得步态参数和膝关节接触力的非线性关系,利用验证集进行验证。最后,以干预后单个受试者的步态参数和膝关节接触力对预测模型进行测试。结果表明模型在验证集和测试集上都有很高的准确性,模型在验证集上的误差表明模型能准确地学习输入和输出之间的因果关系;在测试集上的误差表明训练后的模型能够准确地将这种因果关系推广到新的输入中。     

基于随机森林的肺部肿瘤PET/CT图像计算机辅助诊断方法研究

针对当前基于神经网络、聚类分析以及支持向量机三种辅助诊断方法存在的诊断准确性低的问题,本研究提出一种基于随机森林的肺部肿瘤PET/CT图像计算机辅助诊断新方法。该方法首先对PET/CT图像进行预处理,包括灰度化、平滑以及分割等,然后提取PET/CT图像的灰度、形态和纹理等特征,最后利用随机森林算法进行肺部肿瘤PET/CT的辅助识别,以实现肺部肿瘤的病理诊断。结果表明,本方法的ROC曲线结果优于上述三种方法,提高了诊断准确性,可为医生诊疗提供重要参考。     

应用随机森林与神经网络算法的足底软组织本构参数反演方法

目的 基于随机森林（random forest, RM）算法和反向传播（back propagation,BP）神经网络算法实现对足底软组织超弹性模型本构参数的预测,以提升本构参数获取方式的效率和准确性。方法 首先建立足底软组织球形压痕实验的有限元模型,并对球形压痕实验过程进行仿真,得到具有非线性关系的位移和压痕力的数据集。将数据集进行划分,得到训练集和测试集,分别对搭建好的RF和BP神经网络（BP neural network,BPNN）模型进行训练,通过实验数据对足底软组织本构参数进行预测。最后,引入均方误差（mean square error,MSE）和决定系数（R2）对模型的预测准确性进行评估,同时对比实验曲线验证模型的有效性。结果 利用RF和BPNN模型结合有限元仿真是确定足底软组织超弹性本构参数的有效、准确的方法。训练后的RF模型MSE达到1.370 2×10-3,R2为0.982 9;BPNN模型MSE达到4.858 1×10-5,R2为0.999 3。反求得到适用于仿真的足底软组织的超弹性本构参数,预测得到的两组本构参数的计算响应曲线与实验曲线吻合较好。结论 基于人工智能算法模型对足底软组织超弹性本构参数的预测精度很高,相关研究成果也可以应用于足底软组织其他力学特性的研究。同时,研究结果为足底软组织本构参数的获取提供新方法,有助于快速诊断足底软组织病变等临床问题。     

超分辨显微成像中荧光单分子定位算法的研究进展

超分辨显微成像技术的发展,可为生物医学的研究提供前所未有的机会。基于单分子定位的超分辨显微成像技术由于其相对简单的硬件结构,在生物医学领域的应用较为广泛。单分子定位的超分辨成像巧妙利用荧光发光的特点,针对少量离散的随机发光的荧光分子进行成像,再通过拟合分析实现单分子的高精度空间定位。在这一过程中,荧光单分子的定位算法及图像处理速度显得尤其关键。对单分子定位成像算法的基本原理进行阐述,包括模型和估计器的选择以及重建结果的评估等内容。同时针对拟合方法和功能的不同,对10余种算法进行分类和比较,并选取具有代表性的算法展开讨论和分析,希望对未来开展相关研究提供一定的参考。     

基于随机森林的慢性丙型肝炎纤维化和活动度分析

为对慢性丙型肝炎病情相关的肝纤维化阶段和炎症活动度进行预测,提出一种基于两阶段随机森林的自动分级方法。首先,在训练病例集上进行第一阶段随机森林模型学习,获取各个血清学指标的特征重要度,以衡量这些指标与肝炎纤维化阶段和炎症活动度之间的相关程度;其次,选择特征重要度大于阈值的血清学指标,可作为下一步进行分类的特征;最后,在选出的显著性特征上进行第二阶段的随机森林模型训练,对慢性丙型肝炎的肝纤维化程度和炎症活动度进行自动分级。通过对123例慢性丙型肝炎的血清学指标进行分析,得到纤维化阶段、纤维化S₄阶段和炎症活动度的分类正确率分别为68.29%、100%和73.17%,得到与慢性丙型肝炎纤维化分期和活动度分级密切相关的重要血清指标为总胆固醇、高密度脂蛋白胆固醇、谷丙转氨酶、天门冬氨酸转氨酶等。实验结果表明,采用的检验指标获取成本低、计算量低,能达到较好的分级准确度,有助于慢性丙型肝炎诊断。     

基于脑电功率谱密度和随机森林的自动睡眠分期方法

采用深度学习技术实现睡眠自动分期计算复杂度较高,且需大量数据支撑。本文提出一种基于功率谱密度和随机森林的自动睡眠分期方法,先提取脑电信号6种特征波（K复合波、δ波、θ波、α波、纺锤波、β波）的功率谱密度作为特征,然后利用随机森林分类器实现5种睡眠状态（W、N1、N2、N3、REM）自动分类。采用Sleep-EDF数据库中健康受试者整晚睡眠脑电数据作为实验数据,对比了使用不同输入通道脑电信号（FpzCz单通道、Pz-Oz单通道、Fpz-Cz+Pz-Oz双通道）、不同分类器（随机森林、自适应增强、梯度提升、高斯朴素贝叶斯、决策树、K近邻）、不同训练集与测试集划分方法（2折、5折、10折交叉验证及单个受试者）对分类效果的影响。实验结果表明,当采用Pz-Oz单通道脑电信号和随机森林分类器时效果最好,无论怎样变换训练集与测试集,分类准确率都达到90.79%以上,总体分类准确率、宏观平均F1值、Kappa系数最高分别可达到91.94%、73.2%、0.845,证明该方法是有效的,且不易受数据量影响,具有较好的稳定性。与已有研究相比,该方法分类准确率更高、实现更简单,适用于自动化。     

基于独立成分分析和随机森林判别法的Microarray分析及在分子生物学中的应用

提出基于独立成分分析（ICA）和随机森林判别的Microarray分析方法。该方法先采用独立成分分析获取高阶统计信息,提取Microarray数据特征,达到降维的目的。再应用提取的特征,采用随机森林判别法对样本进行分类。数值分析结果表明,提取5个特征就可以使袋外样本OOB（out of bag）的分类错误率达到7．89％。该方法有效地降低了特征空间维数,具有较高的正确识别率,提高了算法的鲁棒性和灵活性。     

大圆肌的神经入肌点定位及其临床意义

目的　准确定位大圆肌神经入肌点（NEP）的体表位置和穿刺深度。 方法　12具中国成年人尸体。设计紧贴皮肤连接颈静脉切迹最低点至肩峰尖为横向参考线（H线）、颈静脉切迹最低点至剑胸结合处为纵向参考线（L线）。解剖暴露大圆肌NEP,涂抹硫酸钡,逐层复位缝合,CT扫描与三维重建。Syngo系统下确定大圆肌NEP的体表投影点（P）;P通过NEP投影至背部皮肤上的点为P'点;经P的垂线与H线的交点记为PH,经P的水平线与L线的交点记为PL;分别测量PH和PL在H和L线上的百分位置及NEP的百分深度。 结果　大圆肌NEP的PH位于H线的（9.59±1.24）%处,PL位于L线的（39.37±2.45）%处;NEP深度位于PP'线的（41.83±2.98）%处。 结论　这些参数可为提高大圆肌痉挛的神经阻滞效率和疗效提供指导。     

骨小梁Micro-CT图像形态计量学参数计算方法综述

骨质疏松症是骨科领域的研究热点之一,研究发现,除骨密度(骨量)改变的因素外,骨小梁的结构变化也是患病的重要影响因素。骨小梁形态计量学分析是研究骨小梁结构形态变化的一种重要方法。基于骨小梁的Micro-CT图像介绍部分骨小梁形态学参数的计算方法,主要包括骨小梁各向异性、连通性、结构模型指数以及纹理等不同特征,同时列举部分相关研究实例,总结上述形态学参数的适用性以及优缺点,为更加有效地评价骨质疏松状态以及药物治疗效果提供依据。     

基于Micro-CT的小鼠骨小梁LBF模型提取及特征分析

针对小鼠股骨Micro-CT切片图像,提出一种骨小梁形态与分布特征的定量分析方法。利用形态学与LBF模型结合方法提取股骨中的骨小梁,通过模拟骨质疏松症状与提取后的正常骨小梁进行几何形态参数测量的对比,同时利用灰度共生矩阵分析骨小梁的纹理分布特征参数进行实验对比。实验结果表明,骨小梁变细、断裂以及消失等状态,其对比度、熵、能量、相关性等参数会发生明显变化,为定量化分析骨质疏松提供了一种研究方法。