足底软组织硬化对足部生物力学影响的三维有限元分析

目的 通过有限元方法来研究足底软组织整体硬化以及跖骨头和跟骨下方软组织局部硬化对人体足踝系统的力学影响。方法 基于健康志愿者右足的核磁共振扫描图片建立足部三维有限元模型,通过改变足底软组织的生物力学属性和人体平衡站立位时的计算仿真来分析足底软组织的生物力学问题。同时,对此志愿者进行足底压力测试来验证模型的有效性。结果 建立足踝有限元模型得到了有效的验证并完成了不同软组织属性定义下站立位的运算;在平衡站立位时足底接触压力分布状况和足踝内部一些软、硬组织的受力情况得到量化。结论 软组织硬化,特别是跖骨头和跟骨下方软组织局部硬化,对足底受压接触面积、压力峰值以及足底软组织垫所受的应力等产生了明显影响,大大增加了糖尿病患者发生足底溃烂的可能性。     

基于BP神经网络的左心室心肌组织参数反演方法的研究

因为蕴含着心肌组织特性变化等病理特征,人体左心室的变形和动力学特性已成为心脏疾病临床诊断的重要依据.本研究基于BP神经网络方法,通过对左心室临床诊断数据的反演,开展左心室心肌组织参数识别研究.首先,使用Matlab语言编写图像识别程序提取人体左心室CT影像中内外膜位置点,在SolidWorks软件中建立左心室的真实几何...     

携带感觉神经足底内侧动脉皮瓣修复足跟软组织缺损的临床应用

目的　探讨携带感觉神经的足底内侧动脉皮瓣修复足跟区软组织缺损的临床应用效果。 方法　自2016年6月至2017年11月,笔者单位收治12例足跟皮肤软组织缺损患者,其中2例合并跟骨结节缺损(缺损长度小于1 cm)。采用携带感觉神经的足底内侧动脉皮瓣修复创面,创面面积（扩创后面积）为3 cm×4 cm~10 cm× 6 cm,切取皮瓣面积为3.5 cm×4.5 cm~11 cm×7 cm。通过观察皮瓣外观、血运、弹性及两点辨别觉评价临床效果。 结果　12例皮瓣完全成活。10例患者获随访6~14个月,皮瓣外观满意,质地柔软,无臃肿,弹性佳,两点辨别觉5~ 9 mm。8例无骨缺损患者穿鞋、行走不受限;2例合并骨缺损患者需穿软底带跟鞋且持续行走半小时感觉局部刺痛。 结论　携带感觉神经的足底内侧动脉皮瓣能较好的重建足跟外观、感觉及功能,是修复足跟软组织缺损的有效方式。     

神经网络BP学习算法的改进

神经网络的BP（误差反向传播）学习不法是针对多层前债结构的神经网络进行研究而·提出的一种有效的学习算法。它因具有良好的自适应、自学习及容错、抗干扰能力而受到广泛应用。木文对BP算法收敛速度慢的原因进行了分析，讨论了一些提高BP算法收敛速度的改进措施，并第一次提出了一种新的改进BP学习算法一多学习年学习算法。     

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     

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.     

基于神经网络的人中耳内边界参数识别

目的 研究识别中耳内边界的方法。方法 利用CT获取耳部结构临床资料建立数值模型;利用Matlab建立神经网络识别程序。结果 利用数值模型,在鼓膜外侧施加105dB声压,进行谐响应分析获取训练样本;利用训练成熟的网络识别了中耳内边界参数。结论 数值识别结果表明,所建的中耳内边界参数识别方 法具有良好的识别精度和较快的收敛速度。     

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。     

随机森林在医学影像分析中的应用研究进展

随机森林(random forest,RF)是一种机器学习方法,在医学、生物信息、管理学等领域广泛应用,常用于处理分类和回归问题。随机森林属于集成学习算法族,特点是在训练过程中加入了数据样本扰动和输入属性扰动,因此可以处理多种数据类型。在现有医学影像分析中,随机森林主要用于以下3个方面:医学图像的图像处理、辅助医学治疗诊断、探究某些病症的发病因素。本文首先对随机森林的基本原理进行简单介绍,然后对随机森林在医学影像中的使用加以重点介绍,最后对随机森林的优缺点加以小结和展望。     

利用整体经验模态分解和随机森林的脑电信号分类研究

癫痫脑电信号的自动监测与分类在临床医学上具有重要意义。针对脑电信号的非平稳特点,提出一种基于整体经验模态分解和随机森林相结合的脑电信号分类方法。选取波恩大学脑电信号数据集中癫痫发作间期和发作期的200个单通道信号,共819 400个数据作为样本。首先利用整体模态分解将癫痫脑电信号分解成多个固有模态函数,然后对各阶固有模态函数提取有效特征,最后分别用随机森林和最小二乘支持向量机对脑电信号的特征进行分类。将随机森林与最小二乘支持向量机分类正确识别率对比,结果表明,随机森林分类方法对发作期和发作间期的癫痫脑电信号的分类效果比较理想,识别精度为99.60％,高于最小二乘支持向量机的准确性。该方法的提出能有效提高临床癫痫脑电信号分析的效率。     

基于可行方向法的脂肪组织本构模型参数反求优化

目的研究脂肪组织在中等应变率下本构模型及其参数反求。方法基于脂肪组织力学性能实验,通过有限元方法重构脂肪组织压缩实验,并对常见表征脂肪组织的本构模型进行参数筛选。结合最优化方法中的可行方向法(method of feasible direction,MFD),进行中应变率下脂肪组织本构模型相关参数的反求。结果中应变率(260 s~(-1))下黏弹性本构模型相比Ogden本构模型更适合表征脂肪组织的力学响应,并反求得到适用于仿真的本构模型参数。结论中等应变率下黏弹性本构模型更适合表征脂肪组织力学响应。研究结果为汽车碰撞有限元仿真中探究人体脂肪组织对人体损伤的影响提供参考。     

基于BP神经网络的高足弓异常程度评价模型的构建

为准确评估高足弓患者的足弓异常程度,提出相应的评价模型.采用鞋垫式足底压力测量装置,采集110名高足弓和90名正常足志愿者自然行走时的足底压力特征参数.提取两者在足底8个分区的峰值压强、接触面积、接触时间和冲量等4个方面具有显著差异的特征参数,利用因子分析法,选出能够反映各指标变量之间内部关系的5个特征因子,并计算其综...     

基于自适应小波神经网络的心电图检测法

自适应小波神经网络检测法就是利用小波函数取代通常神经网络中隐层的作用函数来实现的，通过网络的学习自适应地调整尺度参数和时移因子，提高了特征提取能力，因此，该网络可提高心电信号的检测率和可靠性。     

BP网络与复杂疾病相关的SNPs数据分析

反向传播（BP）神经网络在基因数据分析中具有重要意义。本文首先介绍了单核甘酸多态性（single nucleotidepolymorphisms,SNPs）的研究背景、分析热点及遇到的主要问题;在此基础上综述了当前常用的SNPs分析方法及其不足;随后介绍了BP神经网络在SNPs分析中的应用,如易感基因的筛选、肿瘤的诊断性分类等,并针对主要问题提出了解决方法,即用BP网络结合参数递减方法（parameter decreasing method,PDM）和聚类分析进行复杂疾病相关的SNPs数据分析。     

基于改进神经网络PID算法的医用电子直线加速器温控系统研究

目的:探讨基于改进神经网络PID算法的医用电子直线加速器温控系统的实现。方法:针对医用电子直线加速器温度控制难题,提出了基于共轭梯度算法改进的BP神经网路PID控制算法,并在温度控制系统中进行了仿真。结果:该控制器能够实现较好控制效果。结论:利用共轭梯度算法改进的BP神经网路PID控制算法对医用电子直线加速器温度控制系统进行控制方法切实有效,简单可行。     

Independent Source Separation of Multichannel Electroencephalogram Based on Neural Network

A neural network method for independent source separation （ISS） of multichannel electroencephalogram （EEG） is proposed in this paper. Using the denoising function of wavelet multiscale decomposition, the high-frequency noises are removed from the original （raw） EEGs. Then the multichannel EEGs are treated as the weighted mixtures and the expression of weight vector is obtained by seeking the local extrema of the fourthorder cumulants （i. e. kurtosis coefficients） of the mixtures. After these process steps, the weighted mixtures are used as the input of neural network, so the independent source of EEGs can be separated one by one. The experimental results show that our method is effective for ISS of multichannel EEGs.     

基于神经网络的生物组织松弛阶段力学建模

目的 以猪肾为例,通过一系列对比和类比实验分析生物组织松弛阶段压应力变化的影响因素,并建立较为准确且具有一定泛化性的生物组织松弛阶段力学模型.方法 利用自搭建力学实验平台,对猪肾实施不同情况下压应力松弛实验.分析实验数据并整理作图,总结影响力变化的各种因素.基于获得结论采用神经网络学习算法,对猪肾松弛阶段力变化过程进行...     

基于小波变换和BP神经网络的室性早搏(PVC)识别

目的:室性早搏(PVC)是最常见的心律失常,能够实时、准确检测出它具有重要的临床意义。为了能够及早地发现室性早搏(PVC)、提高医生对室性早搏(PVC)诊断的准确性,本文研究了基于小波变换和BP神经网络的室性早搏(PVC)识别方法。方法:首先选取ECG信号的特征参数,用小波变换检测其特征点,提取特征参数,构造特征向量,然后再用训练好的BP神经网络对室性早搏(PVC)进行识别,从而实现ECG信号的正常心律和室性早搏的自动检测识别。结果:本文构造了一个7-10-1结构的三层BP神经网络,用MIT-BIH标准心电数据库中的心电信号数据对构造的神经网络进行训练、检测识别,识别率达到预期的效果。结论:分析MIT-BIH心电数据库六组试验数据的实验结果,证明了基于小波变换和BP神经网络的室性早搏(PVC)识别的方法具有较高的PVC自动检测识别率,对医生的诊断有良好的辅助作用,具有较高的应用价值。     

基于PCNN-LSTM神经网络的膝关节摆动信号分类识别

膝关节摆动(VAG)信号是指膝关节屈曲或伸展时发出的声音或振动信号,可灵敏、客观地描述膝关节的健康状态,在膝关节疾病的无创检测中具有重要作用.现有的对VAG信号正常和异常分类方法自动化程度低,且分类准确度较低,总体性能有待进一步提升.因此,提出一种基于改进卷积神经循环网络(PCNN-LSTM)的VAG信号分类算法.首先...