表面肌电的支持向量机分类

支持向量机(SVM)是一种新的机器学习机制.研究了基于支持向量机的控制假手表面肌电识别方法和性能,并与反向传播(BP)神经网络分类器进行了比较.分类的六种手腕部动作分别是腕内旋、腕外旋、展拳、握拳、肘部外旋、肘部内旋.利用"一对一"的分类策略和二叉树构造多类SVM分类器.核函数分别采用多项式和径向基函数.实验结果表明SVM可以有效地对表面动作肌电进行分类,SVM分类准确率普遍优于传统的BP神经网络,且具有良好的泛化推广能力.不同的核函数对分类准确率影响较小.     

基于ABC-SVM的运动想象脑电信号模式分类

为了提高运动想象脑电信号分类的准确率,针对传统支持向量机（SVM）分类方法在脑电信号处理中存在寻优繁 琐、工作量大和分类正确率低等问题,本研究提出一种基于人工蜂群（ABC）算法优化SVM的分类识别方法。首先利用正 则化共空间模式对脑电信号进行特征提取,然后利用ABC算法优化SVM的惩罚因子和核参数,最后利用提取的右手和 右脚两类脑电信号样本特征对优化后的SVM进行训练和分类测试。实验结果表明ABC-SVM分类器提高了脑电信号分 类的准确率,比传统的SVM分类器准确率高出2.5%,证明该算法的可行性和较高准确性。     

支持向量机在早期癌症检测中的应用

支持向量机是在统计学习理论基础上发展而来的一种新的通用学习方法,较好地解决了有限样本的学习分类问题.在早期癌症诊断中,由于存在癌细胞缺乏、病人个体的特异性和数据本身的噪声等因素的影响,要进行非常准确的诊断是困难的.用支持向量机的分类算法,选取不同的核函数,构造了支持向量机的不同分类器,并将其应用于早期癌症诊断.非线性的支持向量机取得了较高的准确率,表明支持向量机在早期癌症的诊断中有很大的应用潜力.     

基于支持向量机的足月胎儿体重预测新方法

支持向量机回归估计的性能往往依赖于核函数及其参数、不敏感系数和惩罚因子的确定。支持向量机中参数的确定是一个较为困难的问题 ,以往通常采用交叉验证的方法确定参数。本研究提出了自适应参数调整支持向量回归估计方法 (A -SVM) ,给出了自适应参数调整算法。并已成功地应用于足月胎儿体重的建模 ,且经与径向基网 -偏最小二乘回归方法 (RBFN -PLSR)建立的模型比较 ,A -SVM方法拟合精度和预测能力均比RBFN-PLSR方法好。     

基于多维特征和支持向量机核函数优化的自动化肺结节检测模型

为了解决特征级肺结节检测研究中的特征结构不合理和分类器性能低下两个问题,提出了一种多维特征表达与支持向量机(support vector machine,SVM)核函数优化相结合的自动化肺结节检测模型。首先提取多维特征数据量化感兴趣区域(region of interest,ROI),然后利用网格寻优算法优化SVM核函数,最后基于优化的SVM分类器识别结节区域和非结节区域。仿真实验结果表明,该模型耗时短、检测正确率高,具有一定的临床应用价值。     

人体乳腺组织电阻抗特性的研究

以人体乳腺组织电阻抗特性为依据的乳腺电阻抗扫描成像技术的出现,为乳腺癌的早期检查与辅助诊断开辟了一个新的方向。人体乳腺组织的电阻抗特性反映了乳腺组织的病理生理状态,而对它的测量成为乳腺电阻抗扫描成像技术的前提和基础。主要讨论了人体乳腺组织电阻抗特性的测量方法、测量结果以及存在的问题,对乳腺电阻抗成像技术的应用前景进行了展望。     

基于支持向量机的室性早搏检测

心电信号分类是自动心电监护设备的基础。支持向量机 (SVM)在分类和模式识别方面展现出卓越的性能。本研究将支持向量机应用于心电信号室性早搏 (PVC)的检测。根据室性早搏的特点 ,从 ML II导联中提取心率、形态心及小波域能量 3大类共 9个特征。并使用 MIT- BIH的 Arrhythmia数据库的数据 ,根据 AAMI建议要求 ,对采用不同核函数的支持向量机的性能作了比较。     

基于数字胸片小波纹理特征的尘肺病早期诊断方法研究

目的探讨利用基于小波变换的熵纹理特征进行尘肺病诊断的方法,并研究相关的分类技术。方法对70名健康体检者和40名尘肺病患者的数字x射线摄影（digitalradiography,DR）图像进行纹理分析,提取小波熵纹理特征,并利用决策树进行特征选择。选取不同核函数的支持向量机（supportvectormachines,SVM）对DR胸片进行分类,通过5折交叉验证估计诊断分类的性能并进行评价。结果对DR图像做8次小波分解后提取8个小波熵纹理特征（特征全集）,其中6个经过特征选择组成特征子集。应用SVM进行分类时,基于特征子集的分类结果均好于基于特征全集的分类结果。线性核函数SVM的分类效果好于其他核函数SVM的分类效果,准确率达84．6％,ROC曲线下面积为0．88±0．04。结论利用SVM以DR图像的小波熵为特征进行尘肺病诊断有较高水平,有助于尘肺病的早期诊断。     

一种新型算法在组织光学参数测量系统中的应用

无创测量确定生物组织的光学特性参数在医学诊断和治疗领域中有着广泛的应用前景.目前确定组织参数的方法多建立在单层模型条件下,而实际的许多生物组织均具有分层结构,比如在肌肉、颅骨等.因此在多层模型条件下反演计算组织参数具有更大的实际意义.近年许多研究者针对以上问题提出了各种解决方法,如最小二乘法、神经网络方法等,但这些方法都存在需要时间过长或者误差较大的缺点.本文在组织参数测量领域引入数据挖掘办法--支持向量机(support vector machines,SVM),对双层模型中四个待定组织光学参数的确定进行了研究.结果 表明,利用SVM方法确定组织光学参数具有很好的准确性和实时性.     

基于支持向量机算法的ECG分类策略

心电信号(ECG)对医生诊断心脏疾病极为重要.现存许多ECG分类技术存在实现困难,处理时间长和只能对2～3类的ECG进行分类的不足.我们提出了一类基于SVM的ECG分类的崭新的方法,阐明了SVM对ECG分类的基本思想.与传统的神经网络分类相比,在理论上该方法优于神经网络,因为支持向量机考虑的是测试样本的最小化而不是训练样本的最小化.     

Level of functioning of siblings and parents of probands of varying degrees of retardation

A further analysis of already published data supports the position that retardates of low ability level less frequently have retarded siblings, retarded parents, and parents low in occupational level than do retardates higher in ability level. The analysis supports the position that there are two types of retarded individuals, persons retarded as a result of gene or chromosomal anomalies, brain injury, etc., who more frequently occur in the lower-level retardate group, and persons whose retardation represents polygenic segregation, who more frequently occur in the higher-level group.     

Modes of Inheritance of Errors of Refraction

Eighteen families in which both parents had refractions within the range of +4·0 D to −4·0 D and axial lengths seen in emmetropia (22·3-26·0 mm) showed coefficients of correlation of the order 0·5 indicative of polygenic inheritance. Such coefficients were seen for axial length (0·407) and for the cornea (0·487), but not for the lens (which is known to be yoked to the axial length). No such coefficients were seen in 19 families in which one of the parents had axial length outside the emmetropic range (nine families with long axes and 10 with short axes).

The pattern of polygenic inheritance for emmetropia (completely correlated optical components) and errors of refraction up to 4·0 D (inadequately correlated components: correlation ametropia) follows that seen in stature and other measurable characters. In contrast the high refractive errors with their abnormal axial lengths (component ametropia) are—like the extremes in stature—pathological anomalies with monofactorial inheritance.