结合多模态融合方式的脉搏波房颤识别

针对心房颤动疾病诊断检测复杂,病理检查有创等问题,构建基于脉搏波与深度学习的心房颤动分类预测模型,实现对心房颤动疾病的准确预测。首先,通过脉搏波设备采集数据,与MIMIC-Ⅲ数据库数据共同构建PPG-AF数据集;其次,基于Pytorch深度学习框架构建用于房颤分类的ResNet-CBAM-1DCNN双通道卷积神经网络;最后,将数据集按照8:1:1的比例划分为训练集,验证集和测试集,将脉搏波和其对应的格拉姆角场图作为输入,通过对网络结构和超参数的优化,在测试集中分类的F1分数达到了97.30%,准确度达到98.12%。本研究基于脉搏波信号与双通道卷积神经网络模型,能够实现对心房颤动疾病的准确诊断,有望为临床医师制定最佳治疗决策提供重要依据。     

基于K-Nearest Neighbor和神经网络的糖尿病分类研究

为实现糖尿病的早期筛查,提高对糖尿病分类的准确度,在研究有关糖尿病危险因素的基础上,增加糖化血红蛋白作为糖尿病早期筛查的特征之一。研究中选取与人类最为相似的食蟹猴作为研究对象,利用年龄、血压、腹围、BMI、糖化血红蛋白以及空腹血糖作为特征输入,将正常、糖尿病前期和糖尿病作为类别输出,利用K-Nearest Neighbor(KNN)和神经网络两种方法对其分类。发现在增加糖化血红蛋白作为分类特征之一时,KNN(K=3)和神经网络的分类准确率分别为81.8%和92.6%,明显高于没有这一特征时的准确率(68.1%和89.7%),KNN和神经网络都可以对食蟹猴数据进行分类和识别,起到早期筛查作用。     

基于时、频域的前额叶血氧浓度特征分析

本研究旨在从时域和频域两个角度出发,探究前额叶血氧浓度在任务状态下的变化特征,以及与静息状态下相比表现出的异同。随机选择21名受试者,使用多功能近红外脑功能成像仪采集每一个受试者在静息、运动想象以及运动实际发生时前额叶血氧饱和度的变化量,通过空间配准、曲线分析、配对样本t检验以及傅里叶谱分析方法对数据进行分析处理。在任务状态下,前额叶的血氧饱和度明显高于静息状态下的含量(P0.01);运动想象状态下的血氧饱和度高于实际运动状态下的含量(P0.05);前额叶血氧浓度变化的频率一般在0.1 Hz以下。下肢的运动想象比实际运动更能激活双侧额叶前区;血氧浓度信号变化的频率很低,通过低通滤波能有效滤除心跳和呼吸等生理活动的影响。     

基于脉搏波的呼吸频率计算方法

为了在可穿戴医疗领域中快速检测出人体的呼吸频率,提出一种基于光电容积脉搏波的呼吸频率计算方法。首 先,通过MIMIC Database数据集获取人体同时段的脉搏波信号与呼吸波信号;其次,通过对脉搏波信号运行经验模态分 解算法,从而获得脉搏波信号的有限个本征模态函数,再选取合适的本征模态函数重构呼吸波信号;最后,通过对重构的 呼吸波信号进行特征提取,计算出呼吸频率。结果表明:经过脉搏波分解得到的呼吸信号与原始呼吸信号的相对相干系 数在0.6以上,呼吸频率也十分接近,准确率高达0.9以上。说明通过光电容积脉搏波信号计算呼吸频率的可行性,这对于 可穿戴医疗领域、无创医疗诊断具有重要意义。     

基于心电-脉搏波的心血管疾病识别研究

为实现心血管疾病的早期筛查,降低心血管疾病临床检测的成本。本研究基于上肢脉搏波传导速度（PWV）及脉搏波相关血液动力学基础理论,采集了总计51人的脉搏波与心电信号数据,提取了包括3种PWV和脉搏波特征参数总计16个特征参数,将不同的PWV与脉搏波特征组成3个样本特征数据集,分别建立了基于K近邻学习（KNN）和支持向量机（SVM）的心血管疾病识别模型。KNN模型分类准确率为66.28%,SVM模型分类准确率为84.3%,并通过对比不同PWV对模型性能的影响,确定了用于血管评估的最优脉搏波传导速度pwvm。研究表明基于SVM建立的分类模型对心血管疾病识别有一定可靠性,为低成本的心血管疾病早期筛查提供了新思路,也为穿戴式心血管系统监测提供了基础。     

基于BP神经网络的胰岛素评价预测模型

在糖尿病的研究和治疗中,血糖异常不仅会严重影响机体生理功能,也会损伤机体组织,所以研究胰岛素评价预测模型对维持血糖平衡具有重要的临床意义。为理性地认识胰岛素对血糖的调节作用,本文通过食蟹猴口服葡萄糖耐量试验(OGTT)获得血糖-胰岛素代谢系统的相关数据,经过对数据的筛查和预处理,选择胰岛素功能评价指标作为胰岛素特征参数,根据食蟹猴的糖耐量水平,建立基于BP神经网络胰岛素预测模型,得到的胰岛素评价指标预测值与真值有较好的相关性。该模型利用血糖值和生理参数评价胰岛素分泌情况,用以评估和预测胰岛素在血糖调节过程中的作用,为糖耐量评估提供参考信息,辅助糖尿病诊断。     

广西某边防部队常见病调查

1986年,我们到广西南部山区共15个连队,进行疾病的调查及治疗。调查结果表明,3种疾病发病率较高:运动肌、关节疼痛症为16.9％;癣病为13.6％;慢性胃炎为11.1％。现就这三种疾病报告如下: 运动肌、关节疼痛症本症占外科疾病就诊总数的64％,发病率居各组疾病之首位。主要症状有:肩关节内收、内旋时疼痛障碍,上臂内收、内旋时疼痛障碍,髋关节屈曲时髂腰肌疼痛,脊椎前屈时腹直肌疼痛等。绝大多数患者经过适当休息、局部按摩、内服钙剂7～10天,症状可以逐渐消失。     

基于容积脉搏波的无创连续血压测量系统

目的 设计一种基于容积脉搏波的无袖套连续血压测量系统.方法 从单一容积脉搏波中提取脉搏波传导时间,经逐步回归分析与血压建立血压估算方程,实现无创连续血压测量.结果 通过对不同人群血压检测,并与鱼跃牌水银血压计进行对比,结果表明该方法和传统方法具有较好的测试一致性,测量误差优于美国医疗仪器促进协会(AAMI)推荐标准.结论 该方法同传统血压测量方法相比,测量方便,可彻底摆脱缚带,并能实现无创连续测量,具有更广阔的应用前景.     

协同训练算法在无创血糖检测中的应用

目的:在无创血糖检测方法的研究中,因无创生理参数相比血糖真值更易于获取,病理数据库中未用血糖真值标记样本的数量远大于有标记的样本,若能将未标记样本应用于传统有监督血糖预测模型的训练中,将有效扩充训练样本集并提高模型的泛化能力。 方法:在基于能量代谢守恒法的理论基础上,利用无创生理参数天然的多视图特性,将半监督学习算法应用于无创血糖的预测中,提出一种基于多视图协同训练与支持向量机技术的血糖预测算法。结果:经实验分析,在一定标记率下,基于协同训练的学习算法相比传统的有监督学习算法预测误差更小。说明未标记样本能够有效提升原始模型的泛化能力。 结论:协同训练的引入,充分利用了规模较大的未标记样本,提高了模型泛化能力,并减少了血糖样本采集中标记样本的工作量,为今后无创血糖算法的研究提供了新思路。     

酶标羊抗兔聚合物中加入不同表面活性剂对免疫组化染色强度的影响

在临床病理诊断和形态学研究中,免疫组化是病理科主要的辅助诊断技术之一,对疾病诊断、预后判断、靶向治疗相关指标的检测指导临床用药、了解发病机制和检测病原体等方面起重要的作用[1 -2].免疫组化整体染色步骤繁琐,每一步骤所用试剂及操作方法均可能影响染色效果,本文主要探索向酶标羊抗兔聚合物中添加不同表面活性剂对免疫组化染色...