基于ART2神经网络的动态ECG数据压缩算法

采用ＡＲＴ（ＡｄａｐｔｉｖｅＲｅｓｏｎａｎｃｅＴｈｅｏｒｙ）神经网络中的适应于模拟信号输入的ＡＲＴ２网络结构，提出了一种动态ＥＣＧ数据压缩算法。借助于ＡＲＴ２优良的模式识别特性，该算法能实现高压缩比和高压缩精度的动态ＥＣＧ数据压缩。ＡＲＴ２网络能迅速识别已学习样本及事先未知的新样本，因此该算法不仅能快速适应各种未知ＥＣＧ信号的动态变化，而且提高了算法的运行速度和数据压缩比。     

心音信号的聚类分析

通过对ＡＲＴ２神经网络进行改进，构造了适合于对信号的时变谱进行分类的二维ＡＲＴ神经网络，而后根据心音信号的特点，我们选择了心音的小波变换谱作为网络的输入特征。调整网络的参数，使之能够将输入的心音信号特征聚类成为两类，实验结果表明我们所设计的分类系统能够从连续３２个正常人的心音信号中区分出两个正常分裂的心音。这个结果在基础生理研究和临床诊断上都有一定的应用价值。     

Holter系统的技术要求及神经网络方法

为了长时间、准确的记录分分析体表ＥＣＧ，从各个方面满足基础研究、临床、康复以及特殊生理需要，对Ｈｏｌｔｅｒ系统提出了愈来愈高的要求。作者从技术实现的角度讨论了Ｈｏｌｔｅｒ的主要技术要求，包括记录部分和分析部分；还介绍了几种用神经网络模型满足Ｈｏｌｔｅｒ系统技术要求的原理，包括用多层感知器实现数据压缩及分类，用高阶神经网络实现ＥＣＧ的分类，以及用ＡＲＴ模型识别ＥＣＧ中的Ｐ波与Ｔ波。     

基于超参数优化的TransCNN眼底图像分类算法

针对深度学习模型参数多、随机、训练时间长，眼底图像病变处交织重叠、数据集样本不均等问题，提出基于超参数优化的TransCNN(Deho-TransCNN)眼底图像分类算法。该算法以TransCNN网络模型为基础，利用差分进化算法分别对模型网络权重进行初始化寻优和对模型进行超参数组合实现参数自适应优化；最后利用MEB-KSVM对眼底病变图像进行多分类。实验结果表明，改进算法的准确率、敏感性、特异性以及AUC值最优，分别为0.947、0.926、0.937、0.945，与文中9种传统算法比较，分别平均提升5.6%、6.4%、5.1%、7.9%；改进算法检测时间最低，与最佳算法改进CNN相比，平均检测时间降低158.3%。改进算法在一定程度上提升图像多分类效果，降低图像检测时间，对图像多分类处理有一定泛化能力。     

应用数据挖掘技术从大脑胶质瘤病例中获取诊断知识

采用数据挖掘技术中3种主要算法；多层感知器网络、决策树以及规则提取从大脑胶质瘤病例中获取胶质瘤恶性程度的术前诊断知识，对于测试样本，它们的平均准确率都超过了80％，达到了医生的一般要求，如果准确率是诊断中首要考虑的因素，那么隐层节点数较小且直接利用数值属性的多层感知器网络具有最好的性能。如果要对获取的诊断知识进行人工整理，那么规则提取是最好的知识获取算法。     

四种模式分类方法应用于基因表达谱分析的比较研究

利用基因表达谱数据借助于模式分类的方法识别癌症等疾病的类型及不同亚型是DNA芯片技术的一个应用方面。在这篇文章中，我们研究比较了在不同的特征基因选择方法的情况下，Fisher线性判别，Logit非线性判别，最小距离和K-最近邻四种模式分类方法对疾病分型效能的影响及四种模式分类方法的泛化能力，同时研究了在样本构成变化的情况下，模式分类方法的稳定性。结果发现：运用t检验法和分类树选择的特征基因，明显优于随机选择的基因在四种不同的分类器中分类效果；四种分类器中，K最近邻分类器的分类效能最优；基于最小距离的分类器和K最近邻分类器有较强的泛化能力；四种模式分类对样本构成的变化呈较好的稳定性。     

抗人C1q杂交瘤细胞中一未知DNA片段的克隆与分析

使用一对ＩｇＶＨ通用引物，应用ＲＴ－ＰＣＲ技术，从分泌抗人Ｃ１ｑＭｃＡｂ的Ｂ６杂交瘤细胞株总ＲＮＡ扩增出－３８７ｂｐ的ＤＮＡ片段。通过计算机网络系统对其进行序列的类似性检索，未发现与之一致或显著相似的序列。     

胎儿脐动脉血流的时域和频域特征分析

为了寻求胎儿监护新参数，研究了８９例脐动脉血流的时域和频域特征分析。采用ＡＲ谱估计方法，得到了典型的频谱。在时域分析中提出了ＦＶＲ快速血流参数。应用Ｂａｙｅｓ最小错误率决策准则，对时域参数和ＡＲ模型参数，进行模式分类，证明ＦＶＲ具有较高的分类能力     

基于经验模式分解与样本熵的癫痫预测方法

本研究提出一种基于经验模式分解（empirical mode decomposition，EMD）与样本熵的癫痫预测方法；该方法首先对原始信号进行了经验模态分解，将其分解为多个平稳的固有模态函数（intrinsic mode function，IMF）之和，再选取若干个包含主要癫痫预报信息的IMF分量，将其求和后，计算其样本熵（sample entropy，SampEn）。结果表明，癫痫发作前期样本熵呈减小趋势，基于EMD的样本熵其减小幅度显著增加，同时抑制了伪差对实验结果的影响。基于经验模式分解与样本熵的癫痫预测方法能够很好的对癫痫进行预测。     

脑机接口中一种改进的模式识别方法

为提高脑机接口中脑电识别率，分析了特征提取方面时频特征组合法的缺点，探讨了一种改进的模式识别方法。该方法以样本类平均距离为判据，采用滑动窗优化技术，获取时域均值的最佳时间段和频域功率谱均值的最佳频率段。用经过优化的时域均值和功率谱均值组合作为特征，形成特征向量。基于该特征向量，用神经网络对脑电信号进行分类。以识别正确率为指标，将改进方法与原方法进行对比，实验结果表明改进方法能够提高脑电识别率，具有应用价值。