心电图模式分类方法研究进展与分析

心电图模式分类是模式识别研究的经典应用之一,在可穿戴心电图设备、动态心电图诊断、重症监护以及疾病与心脏活动关系研究等方面具有重要的应用价值。讨论面向实际应用的心电图模式分类工作的可能方法,归纳近年来心电图模式分类技术在知识推理模型、结构模式识别、统计模式识别等方面的研究进展,并在此基础上做分析与展望。同时论述心电图模式分类研究所面临的主要挑战,即面向实际数据的分类器构建、心电图数据库的标注、分类模型评估标准和领域特征表示问题,并探讨可能的解决途径。     

对统计分类器的一点改进：一种分类思想

本文给出统计分类器的适用条件，提出加重惩罚策略下的准则函数，并指出单纯形法引入分类器训练过程的方法。     

中医舌象自动分析中舌色、苔色分类方法的研究

研究计算机舌象分析方法,对推动中医舌诊的进一步发展、促进中知现代化的进程具有重要的意义。本文基于学习矢量量化（ＬＶＱ）神经网络分类器,实现了舌象分析中的舌色、苔色自动分类。在分类器的设计中,提出了基于“２σ”准则的训练样本筛选方法,并采用Ｆｉｓｈｅｒ比率作为色度空间选择的依据,有效提高了分类正确率。实验证明,采用本文方法能够获得与中医专家相一致的结果。     

急性白血病的基因表达谱分析与亚型分类特征的鉴别

本研究基于生物信息学理论，运用模式识别方法和计算技术，对急性白血病的基因表达谱数据进行分析，研究急性白血病的亚型识别与分类信息基因选取问题。首先去除无关基因，然后利用浮动顺序搜索算法搜索特征空间生成候选特征子集，最后以支持向量机作为分类器进行急性白血病的亚型识别，并以误识率为依据鉴别出了5个包含完整分类信息的基因。实验结果表明，本研究鉴别出的5个信息基因能以100％的正确率准确识别急性白血病亚型。     

一种面向生物信息学数据的模式选择算法研究

本文面向生物信息学中一类重要问题———模式选择问题展开研究。针对模式选择过程中,算法复杂度高以及最佳模式量个数难以确定的问题,提出一种基于互信息(MI)理论实现模式选择,基于模糊神经的模式子集评价准则实现最佳模式量选择的算法。该算法基于模式信息与类别信息之间的相关程度,以及各子模式之间的冗余程度实现模式选择;基于模糊模式指标完成特征模式子集评价。实验数据采用数据挖掘后的小鼠基因表达数据(来自Leiden University)与UCI数据。结果表明,算法性能优良,无论在复杂度还是正确率方面效果均有所提高。     

从肿瘤基因表达数据挖掘分类规则的研究

基于肿瘤基因表达数据,利用信息科学的方法和技术建立肿瘤预测分类模型,对肿瘤基因表达模式研究和肿瘤的诊断识别具有重要意义.本研究提出一种从肿瘤基因表达数据中直接挖掘分类规则建立肿瘤预测分类器的方法.该方法首先抽取实验样本集,分别找出标记肿瘤和正常组织样本的分类特征,由此生成可预测样本类别的分类规则,对每个未知类别样本,按照置信度最高原则,选择一个分类规则作为预测结构.本研究的实验数据来自Broad Institute的前列腺癌基因表达数据,实验结果显示该方法的预测精度在90%以上,且同时获得了大量结构透明的分类预测规则,表明本研究的方法是可行的和有效的.     

小型猪内翻膝内侧半月板的基因表达谱分析

背景:内翻型膝关节骨性关节炎常合并有明显的内侧半月板病变,然而,其发生机制尚不明确。目的:寻找内翻膝继发内侧半月板病变的分子机制。方法:切除7只成年五指山小型猪右侧后肢前交叉韧带及外侧副韧带,造成内翻膝模型(实验侧),而左侧后肢行假手术(对照侧)。造模后26周时取内侧半月板,行基因芯片分析。实验中的所有程序均于2017-12-05经海南省人民医院医学伦理委员会审核批准,批准号Med-Eth-Re[2020]5。结果与结论:2组样本中共发现差异表达基因893个,其中上调537个,下调356个。差异最明显的生物进程包括性别决定、间质形态发生、一氧化氮生物合成过程的调节;细胞成分包括膜的固有成分、质膜的整体成分、内质网膜、核外膜-内质网膜网络;分子功能包括过渡金属离子结合、铁离子结合。信号通路有2型糖尿病、TRP通道的炎性介质调节、AMPK信号通路。提示内翻膝半月板基因表达出现明显变化,这些差异表达的基因可能揭露出内翻膝继发半月板病变的机制,将为其治疗和早期诊断提供潜在靶点。     

基于SVM-RFE-SFS的基因选择方法

基因微阵列数据通常包含大量与肿瘤分类无关的数据,会严重降低肿瘤诊断的准确率;基因微阵列数据还存在小样本、高维度的问题,也增加了肿瘤诊断的难度,所以必须对其进行基因选择。提出一种新的基于支持向量机(SVM)、联合递归特征去除(RFE)和序列前向选择(SFS)的基因选择方法。首先利用SVM计算每个基因的排序准则分数,再利用排序准则分数的一阶差分把基因划分为若干小组;对排序准则分数值最小的基因小组进行递归特征去除,消去噪声基因,同时对排序准则分数值最大的基因小组进行序列前向选择,选取有效信息基因。对白血病、结肠癌、乳腺癌基因微阵列数据的实验结果表明,所提出的方法运行效率高、分类性能好。     

基于自适应学习的心律失常心拍分类方法

心律失常是因心脏疾病引起的心电活动中的异常症状,早期心室收缩（PVC）是由异位心跳引起的常见心律失常形式。通过心电图（ECG）信号检测PVC对于预测可能的心力衰竭具有重要意义。本文提出一种面向PVC心拍分类的心电信号分类算法,重点研究基于自适应学习的PVC异常心拍分类特征提取模型,通过计算心拍关联后验概率,结合领域专家标注信息训练分类器,提高整体分类效果。实验采用MIT-BIH心律失常数据库的ECG数据,研究结果表明所提方法针对非线性流形结构数据,能够有效提升小样本心拍自适应分类器的准确性。     

基于深度级联森林的乳腺癌基因数据分类研究

乳腺癌基因数据的分类研究在临床医学上具有重要意义。针对基因数据的结构复杂、高维小样本等特点,提出一种最大相关最小条件冗余和深度级联森林结合的基因数据分类方法。选取博德基因研究所乳腺癌基因表达数据集,共98个数据作为样本,每个样本包含1 213个特征基因。首先对数据进行标准化处理,然后利用最大相关最小条件冗余选取特征子集,最后使用深度级联森林对特征子集进行分类。将随机森林、支持向量机和BP神经网络作为对比方法。结果表明,所提出的最大相关最小条件冗余和深度级联森林结合方法的最佳分类准确率达到93.78%,明显优于其他方法。该方法能有效提高乳腺癌基因数据的分类准确率,对基于基因数据的乳腺癌分类具有重要的理论意义与实用价值。     

演化级联神经网络对脑电信号分类的研究

为了对不同思维状态下的脑电信号进行正确分类，克服神经网络分类器受噪声和冗余特征的影响出现的过拟合，提出了一种新的演化级联神经网络的学习算法。算法通过计算神经元对确认集的适应函数值，以逐步更新神经元对训练集的连接权重。适应函数值取决于被训练神经元的泛化能力，它随着神经元分类准确度的增加而降低。此网络由一个输入节点开始学习，随着演化增加新的输入神经元及新的隐神经元，最终经训练的网络含有最小数目的神经元及连接。此方法应用于区分两种思维状态下的脑电信号，经训练的网络对测试段的分类正确率为83．1％，与标准的BP网络进行比较，演化级联神经网络显示了较好的分类能力。     

Screening of knee-joint vibroarthrographic signals using the strict 2-surface proximal classifier and genetic algorithm

We propose the strict 2-surface proximal (S2SP) classifier, by seeking two cross proximal planes to fit the distribution of the given samples in a corresponding feature space. The method is applied to screen knee-joint vibration or vibroarthrographic (VAG) signals based on statistical parameters derived from signals and selected by the genetic algorithm. A database of 89 VAG signals was studied. With the leave-one-out procedure, the linear S2SP classifier provided an efficiency of 0.82 in terms of the area under the receiver operating characteristics curve (A(z)); the nonlinear S2SP classifier provided 0.95 in A(z) value using the Gaussian kernel, and possessed good robustness around the selected kernel parameter.     

基于最大散度的特征搜索算法用于心搏分类的研究

在对心电图进行离散小波变换获得特征空间的基础上,提出了基于最大散度的特征搜索算法.对特征空间进行搜索得到不同维数下的优化特征组合,通过研究这些优化特征组合的散度值随维数的变化趋势,最终确定特征向量的特征构成,并以此特征向量训练BP神经网络.取自MIT-BIH数据库的四类心电图(正常心搏、左束支传导阻滞心搏、右束支传导阻滞心搏和起搏心搏)的分类正确率达到93.9%,检出率较高.     

小鼠肺钩虫感染基因表达谱的生物信息学分析一种系效应

目的从基因水平探索肌萎缩侧索硬化（ALS）其发病机制并发现治疗ALS的新靶点。方法通过GeneSifter软件对野生型（WT）和重度联合免疫缺陷型（SCID）小鼠肺组织钩虫感染的微阵列表达谱进行分析．使用two—wayANOVA的统计学方法对数据聚类，并结合Gene Ontology和KEGG（Kyoto Encyclopedia of Genesand Genomes）生物学通路，深入分析具有种系效应的517个差异基因（P〈0．001）。结果显示ALS的信号转导通路在两组小鼠问差异具有统计学意义（Z〉2），与Th2反应相关的多个基因对ALS的代谢异常具有保护作用。结论筛选出的3个特异基因，可作为治疗肌萎缩侧索硬化的新候选基因。     

Classification of breast masses in mammograms using genetic programming and feature selection

Mammography is a widely used screening tool and is the gold standard for the early detection of breast cancer. The classification of breast masses into the benign and malignant categories is an important problem in the area of computer-aided diagnosis of breast cancer. A small dataset of 57 breast mass images, each with 22 features computed, was used in this investigation; the same dataset has been previously used in other studies. The extracted features relate to edge-sharpness, shape, and texture. The novelty of this paper is the adaptation and application of the classification technique called genetic programming (GP), which possesses feature selection implicitly. To refine the pool of features available to the GP classifier, we used feature-selection methods, including the introduction of three statistical measures—Student’s t test, Kolmogorov–Smirnov test, and Kullback–Leibler divergence. Both the training and test accuracies obtained were high: above 99.5% for training and typically above 98% for test experiments. A leave-one-out experiment showed 97.3% success in the classification of benign masses and 95.0% success in the classification of malignant tumors. A shape feature known as fractional concavity was found to be the most important among those tested, since it was automatically selected by the GP classifier in almost every experiment.     

相关向量机在肿瘤表达谱分类问题中的应用

基因芯片技术能够检测大量基因的表达水平,在肿瘤研究中得到日益广泛的应用。基于基因芯片表达谱的肿瘤分类诊断是肿瘤表达谱研究的一个热点,肿瘤表达谱分类是一个典型的高维度小样本分类问题,描述一个两步策略的分类方法。在测试的基因表达谱中存在大量的非差异表达冗余基因,通过一个有效的基因预选择策略得到一个较小的候选基因子集,然后建立基于相关向量机的分类预测模型。在4个真实的肿瘤表达谱数据上,与几种不同的方法进行比较,结果显示该方法可以得到更好的分类精度,同时表现出很好的稳定性。