模糊遗传人工神经网络算法提取乳腺微钙化点的效果

 【目的】微钙化点是早期乳腺癌的重要征象之一，本研究联合运用遗传算法、模糊数学和人工神经网络，建议一种乳腺微钙化点提取的新方法，为乳腺病变的自动识别提供前期处理，为早期乳腺癌的临床诊断提供帮助。【方法】首先利用随机方法产生大量的样本，然后，利用模糊遗传算法对产生的随机样本进行分类，将分类后的样本输入人工神经网络进行训练，将310幅乳腺图像的感兴趣区域输入训练后的人工神经网络分类器进行分类。【结果】与微钙化点提取方面的同类文献相比较，结果表明该算法在相同误检率下得到较高的阳性检出率。【结论】研究表明综合运用遗传算法、模糊数学和人工神经网络进行乳腺微钙化点提取比单纯运用人工神经网络提取效果好。     

模糊遗传人工神经网络算法提取乳腺微钙化点的效果

【目的】微钙化点是早期乳腺癌的重要征象之一，本研究联合运用遗传算法、模糊数学和人工神经网络，建议一种乳腺微钙化点提取的新方法，为乳腺病变的自动识别提供前期处理．为早期乳腺癌的临床诊断提供帮助。【方法】首先利用随机方法产生大量的样本，然后，利用模糊遗传算法对产生的随机样本进行分类，将分类后的样本输入人工神经网络进行训练，将310幅乳腺图像的感兴趣区域输入训练后的人工神经网络分类器进行分类。【结果】与微钙化点提取方面的同类文献相比较，结果表明该算法在相同误检率下得到较高的阳性检出率。【结论】研究表明综合运用遗传算法、模糊数学和人工神经网络进行乳腺微钙化点提取比单纯运用人工神经网络提取效果好。     

乳腺微钙化对良、恶性乳腺病变的诊断价值

目的探讨乳腺微小钙化灶的特征与乳腺良、恶性病变的关系。方法观察分析115例乳腺钼铑双靶X线片中微小钙化灶的特征,并和临床病理检查结果进行对照研究。结果钙化灶的形态、数目、密集度、钙化灶区范围以及钙化灶是否合并肿块与乳腺病变的性质密切相关。结论钙化灶的分布特征与乳腺病变的性质密切相关,从乳腺钼靶片上可粗略的预测病变的性质,从而为临床内分泌治疗、手术治疗、判断疾病的预后提供依据。     

高频超声对乳腺肿块微钙化的检测及其临床意义

目的探讨高频超声对乳腺肿块中微钙化的检测价值及临床意义。方法对48例乳腺肿块患者术前进行高频超声检查,术后经病理检查证实23例为恶性肿瘤,25例为良性肿瘤,观察分析乳腺肿块钙化类型与肿块良、恶性的关系,同时对不同年龄患者肿块微钙化检出率进行比较。结果恶性乳腺肿瘤以微钙化灶多见,且微钙化灶多呈簇状分布,良性乳腺肿瘤微钙化检出率明显低于恶性组(P0.05),而粗钙化及弧形钙化灶比例明显高于恶性乳腺肿瘤,但粗钙化检出率在两组患者之间差异无统计学意义(P0.05)。良性组中≤45岁者微钙化5例(29.41%),45岁者12例(70.59%),恶性组中≤45岁者微钙化14例(63.64%),45岁者8例(36.36%),恶性组中≤45岁者微钙化检出率均明显高于良性组,45岁者微钙化检出率明显低于良性组(χ2=4.50,P0.05)。结论高频超声检查对乳腺肿块内微钙化的检出已成为可能,超声显示簇状分布微钙化灶对乳腺癌的诊断具有重要临床意义。     

高频超声对乳腺肿块微钙化的检测及临床意义

目的 探讨高频超声对乳腺肿块微钙化的检测及其临床意义.方法 选取96例乳腺肿块伴微小钙化患者,术后病理检查确诊为良性肿瘤50例（良性组）,恶性肿瘤46例（恶性组）,通过高频超声探查显示钙化灶的分布与特点并比较两组的区别,同时探讨患者年龄与微钙化的关系.结果 两组均以微钙化多见,良性组34例（68.00％）,恶性组44例（95.65％）,恶性组的微钙化所占比例明显高于良性组,经比较差异有统计学意义（x2=12.0252,P=0.001）.其中良性组的微钙化灶多呈散点状分布,而恶性组的微钙化灶多呈簇状分布,组间比较差异有统计学意义（x2值分别为12.5458,37.4088,P＜0.001）.良性组的粗钙化所占比例与恶性组相似（x2=2.3490,P=0.1254）,弧形钙化所占比例明显高于恶性组（x2=8.029,P=0.005）.良性组的微钙化者以＞45岁居多,而恶性组的微钙化以≤45岁者为主,两组比较差异有统计学意义（x2=6.0711,P=0.0137）.结论 高频超声能够有效显示乳腺肿块内钙化的类型,有助于乳腺良恶性肿块的鉴别诊断.     

基于分形技术的乳腺X射线影像中簇形微钙化点增强技术的研究

乳腺X线影像中的簇形微钙化点是早期乳腺癌的重要症状。微钙化点的增强是乳腺X线影像中微小钙化点提取的重要处理技术。本文提出了一种乳腺微钙化点增强检测的新方法。首先,通过Kirsch方法提取乳腺微钙化点的边缘,利用分形技术来获得钙化点连续的边缘;然后利用种子填充算法来填充微钙化点闭合轮廓,用原始图像的像素值替换被填充部分的像素值,最后通过被填充图像与原始图像的融合增强乳腺X线影像中的微钙化点。用DDSM数据库中含乳腺簇形微钙化点的50幅图像的感兴趣区的仿真实验验证了CAD检测系统有更好的增强效果。     

微钙化在乳腺疾病超声诊断中的价值

目的〓〖HTK〗评价微钙化在超声诊断乳腺疾病的价值。〖HTW〗方法〓〖HTK〗收集乳腺微钙化（经钼靶摄影证实）病变患者68例,根据微钙化的钼靶摄影表现将其分为≥10mm和＜10mm 2组;簇状分布、沿导管分布和散在分布3组。分析不同组别微钙化的超声检出率及超声对乳腺病变诊断的敏感性和特异性。〖HTW〗结果〓〖HTK〗微钙化的超声检出率为61.7%,其中恶性病变的微钙化超声检出率为84.2%,良性病变的超声检出率为33.3%。微钙化簇≥10mm组的超声检出率为84.8%,＜10mm组检出率为40.0%;呈簇状和沿导管分布的微钙化超声检出率为72.5%,散在分布的检出率为29.4%;乳腺恶性病变超声诊断的敏感性和特异性分别为92.1%、76.7%。〖HTW〗结论〓〖HTK〗超声检查可有效识别乳腺病变内的微钙化,特别是恶性病变,其对乳腺病变的诊断与鉴别诊断具有重要临床应用价值。     

乳腺肿块微钙化的超声显示及诊断价值

目的 :超声对乳腺肿块中微钙化的诊断价值。方法 :观察分析 90例乳腺良、恶性肿物内微钙化显示状况。结果 :乳腺恶性肿物内微钙化的检出率占 71.6 % (43/ 6 0 ) ,良性肿块占 16 .7% (5 / 30 ) ,两者比较具有显著的统计学差异 (P<0 .0 1) ,钙化与年龄有关 ,与肿块大小无关。结论 :乳腺肿块微钙化的检出可以成为乳腺癌超声诊断的重要指标     

高频超声对乳腺肿块微钙化的检测及其临床意义

近年来,随着影像设备的不断更新,乳腺超声技术迅速发展,对微小病灶显示特别是对钙化的显示率明显提高。簇状微钙化常是乳腺癌首发的超声征象。为了对乳腺癌患者进行早期诊断,早期治疗,降低其病死率,我们应用高频超声观察乳腺肿块中微钙化的特征,并结合临床进行回顾性分析,现报道如下。     

二维主成分分析在乳腺钼靶X线片钙化点感兴趣区域提取中的应用

目的 针对乳腺钼靶X线影像,将基于二维主成分分析(Two-Dimensional Principal Component Analysis,2DPCA)的方法提取的图像特征用于乳腺感兴趣区域的自动提取,实现计算机辅助检测乳腺X线影像中微钙化点的前期预处理阶段.方法 对乳腺图像进行预处理,通过改进的2DPCA方法提取乳腺...     

模糊数学在医院网络安全管理评估中的研究与应用

归纳出目前影响医院网络安全的若干因素,包括网络硬件、信息系统、环境因素、人为因素等,结合专家咨询方法确定各二级因素的权重,建立基于模糊数学的综合评价模型并介绍具体评价过程。评价结果表明该模型具有实际应用性和指导性。     

Artificial Neural Network Based Epileptic Detection Using Time-Domain and Frequency-Domain Features

Electroencephalogram (EEG) signal plays an important role in the diagnosis of epilepsy. The long-term EEG recordings of an epileptic patient obtained from the ambulatory recording systems contain a large volume of EEG data. Detection of the epileptic activity requires a time consuming analysis of the entire length of the EEG data by an expert. The traditional methods of analysis being tedious, many automated diagnostic systems for epilepsy have emerged in recent years. This paper discusses an automated diagnostic method for epileptic detection using a special type of recurrent neural network known as Elman network. The experiments are carried out by using time-domain as well as frequency-domain features of the EEG signal. Experimental results show that Elman network yields epileptic detection accuracy rates as high as 99.6% with a single input feature which is better than the results obtained by using other types of neural networks with two and more input features.     

人工神经网络在公立医院监管指标体系中的应用

在分析人工神经网络基本原理的基础上,结合我国公立医院的现状,构建基于前馈神经网络模型的公立医院监管指标体系,并通过神经网络模型来优化该指标体系,为制定公立医院监管指标权重探索了新方法。     

一种基于RBF神经网络的传感器故障诊断方法

针对传感器故障，提出了一种基于RBF神经网络的集成故障诊断方法，用RBF神经网络建立传感器故障模型，对系统的状态和故障参数进行在线估计，然后将故障参数与修正的Bayes分类算法（MB算法）相结合，进行传感器故障在线检测、分离和估计。对连续搅拌釜式反应器（CSTR）的仿真结果表明，该集成故障诊断方法能够对多重传感器进行故障进行快速准确的分离和估计，并对传感器故障具有容错性。     

一种基于进化神经网络的入侵检测实验系统

参照MIT Lincoln实验室的入侵检测实验方案，建立了一个基于Linux主机的入侵检测实验环境，提出了相应的入侵特征选择方案，并应用进化神经网络检测入侵，实现了对多种攻击的实时特征抽取及检测。实验表明：系统设计合理，特征抽取及检测方法有效，能较好地检测已知和未知入侵。     

一种基于RBF网络的参数自调整REM算法

针对传统的随机指数标记（Random Exponential Marking,REM）算法存在参数难以调整的缺陷,提出了一种改进型主动队列管理算法—基于RBF网络的参数自调整REM算法。利用RBF神经网络动态地对算法参数进行调整,使其能够适应不断变化的网络环境。该算法将REM算法在一定条件下近似为比例积分控制,使REM算法参数调节近似等效于比例积分系数的调节,简化了参数调节,提高了算法的实时性。仿真实验表明：该算法优于传统的REM算法,具有良好的鲁棒性及较快的调节速率。     

基于形态学特征提取的人工神经网络在口腔鳞状细胞癌诊断中的应用

目的 基于形态学图像处理方法,应用径向基神经网络(radial basis function,RBF)寻找一种可行、便捷的方法辅助口腔鳞状细胞癌的诊断.方法 选择口腔鳞状细胞癌和口腔非癌的组织病理切片图像进行形态学方法处理,提取表述特征的向量,作为训练集训练RBF网络;另选择67帧病理图像,包含癌和非癌的病例,作为测试集观察RBF的性能.结果 在RBF网络将测试标本分类结果的分析中可以看到不同输出值分类阈值的选择对应不同的诊断敏感度和特异度.结论 训练后的RBF虽然鉴别阳性、阴性的能力不能和金标准(即病理诊断)相比,但是通过选择不同敏感度和特异度,依然能够有效辅助病理医师,提高诊断效率,发挥机器的优势.     

基于PID神经网络的非线性系统辨识与控制

针对工业控制领域中非线性系统采用传统的控制方法不能达到满意的控制效果,提出一种基于P ID神经网络的控制方案,以对其进行辨识和控制。将P ID神经网络引入控制系统中,既具有常规P ID控制结构简单、参数物理意义明确等优点,同时又具有神经网络的并行结构和学习记忆功能及非线性映射能力。仿真结果表明:该控制系统响应速度快、超调量小、稳态精度高,能够快速跟踪系统输出并进行有效控制,且具有一定的自适应性和鲁棒性,满足实时控制的要求。