SPM软件包头动校正原理的分析与评价*

背景：头动校正是功能磁共振图像处理的一个重要步骤,也是目前应用广泛的SPM软件的第一步,其效果直接关系到结果的可靠性。 目的：分析SPM软件包头动校正处理的基本原理和关键算法,包括刚体变换、高斯牛顿迭代算法和B样条插值算法。 方法：使用SPM2软件包对一组实际数据进行了处理,并结合头动校正的原理,提出了头动校正效果的评价方法：残差图与残差平方和。 结果与结论：使用高斯牛顿迭代算法得到优化的刚体变换参数,用B样条插值算法对须校正的图像进行重采样得到校正后图像,实现图像序列的头动校正。实验结果表明,评价指标能较好衡量算法效果。     

基于声像图深度残差网络ResNet模型自动诊断肾囊肿

目的 分析基于声像图的深度残差网络ResNet模型自动诊断肾囊肿的效能。方法 收集3 670例患者的肾脏超声资料,其中2 024例超声诊断肾囊肿、1 646例肾脏正常,每例选取2幅肾脏声像图,共以7 340幅肾脏声像图构建数据集;以其中6 294幅（3 238幅肾囊肿、3 056幅正常肾）为训练集,1 046幅（810幅囊肿、236幅正常肾）为测试集,分别采用梯度方向直方图（HOG）+支持向量机（SVM）方法及3种深度残差网络ResNet模型（ResNet18、ResNet34、ResNet50）进行诊断。以超声诊断结果为金标准,计算并比较4种方法诊断测试集肾囊肿的敏感度、特异度及准确率,并绘制受试者工作特征（ROC）曲线,获得曲线下面积（AUC）。结果 ResNet34、ResNet50模型诊断测试集肾囊肿的敏感度、特异度及准确率均高于HOG+SVM方法及ResNet18模型（P均<0.01）,且ResNet50模型的特异度和准确率均高于ResNet34模型（P均<0.05）。ROC曲线显示,HOG+SVM方法及ResNet18、ResNet34、ResNet50模型自动...     

灰色模型GM(1,1)和残差自回归模型在中国孕产妇死亡率预测中的应用

目的 采用灰色模型GM(1,1)和残差自回归模型分别对我国孕产妇死亡率(MMR)进行预测,并比较两者预测准确性,为MMR预测提供方法学指导。方法 根据我国1991—2020年的MMR数据,应用灰色模型GM(1,1)和残差自回归模型,建立MMR预测模型并进行预测研究。结果 GM(1,1)模型对MMR预测精度高于残差自回归模型,求得GM(1,1)方程为：x⁽(1))(k+1)=-1 544.142 7e^{-0.051 1k}+1 624.142 7,拟合检验显示本模型拟合精度好(C=0.186 8,P=1),能够较好地预测MMR的趋势,预测2022—2024年MMR分别为16.6/10万、15.8/10万和15.0/10万。结论 对于1991—2021年MMR数据,GM(1,1)拟合效果优于残差自回归模型,预测表明2022—2024年我国MMR将继续呈下降趋势。     

应用广义估计方程对老年冠心病患者非心脏手术术中高血压发生风险的评价

目的 运用广义估计方程对不同麻醉方式下(吸入麻醉和静脉维持麻醉)老年冠心病患者非心脏手术术中高血压发生的风险进行评价.方法 数据来自临床多中心试验.在4家三级甲等医院按纳入标准及排除标准选取择期进行非心脏手术的60岁以上老年冠心病患者,将患者按照不同麻醉方式随机分为吸入麻醉组和静脉麻醉组,观察两组患者术中高血压发生情况,并在控制其他混杂因素后,评价采用不同麻醉方式的老年冠心病患者术中发生高血压的风险是否不同.分析过程采用广义估计方程,并采用QIC准则以及累积残差对模型进行评价.结果 在控制了性别、年龄、术中降压药物的使用,并且考虑了麻醉过程中病人各个时点高血压发生的相关性后,吸入组患者术中各个测量时点的高血压的发生率明显低于静脉组患者(P＜0.05).结论 吸入麻醉在应用于老年冠心病患者非心脏手术时可以降低术中高血压发生的风险,广义估计方程在处理分类纵向资料测量值之间的相关性上有其独到的优势,可减小信息的损失.     

灰色残差GM(1,1)模型在预测肺结核流行趋势中的应用

目的预测西安市肺结核短期流行趋势,探讨灰色模型在疾病预测及效果评价中的作用。方法对西安市1996-2005年肺结核发病率资料分别建立单纯GM(1,1)模型和残差GM(1,1)模型,比较两个模型的拟合优度,选择拟合度好的模型预测肺结核的短期流行趋势。结果单纯GM(1,1)模型的拟合度为"勉强",残差GM(1,1)模型的拟合度为"好"。采用拟合度满意的残差GM(1,1)模型预测西安市2006年和2007年肺结核发病率分别为364.79/10万和523.20/10万,较实际发病率显著降低,降幅分别为72.09%和82.32%。结论 2005年以来西安市结核病防治工作取得初步成效,灰色残差GM(1,1)模型可作预测肺结核的短期流行趋势之用。     

基于深度LSTM残差网络的帕金森症诊断方法

语音特征分类下的帕金森症诊断方法具有无创、高效、准确、远程与成本低等特点,本研究提出一种基于深度长短期记忆网络（LSTM）残差网络的帕金森症诊断方法。分析帕金森症语音信号特点和LSTM残差模型,基于深度LSTM残差网络的帕金森症诊断模型分成3个部分:语音信号预处理网络、深度LSTM残差语音诊断网络和GAP-ELM帕金森症分类网络。该模型能实现帕金森语音信号的深层特征提取,通过LSTM结构的遗忘门和记忆门得到帕金森语音信号随时间变化的状态,最后通过帕金森症元音集完成帕金森症诊断测试。结果表明本文方法在各类信噪比环境中的帕金森症识别准确度均较高,并可在较少的轮次中完成训练,达到较优的稳定性和较小的损失值。     

基于鞋垫传感器测量垂直地面反作用力的算法

目的 提出一种实用、高精度的足底压力动态监测算法,通过电容式鞋垫传感器测量走路时垂直地面反作用力(vertical ground reaction force, vGRF),并验证预测精度的可靠性。方法 4名健康男性受试者穿戴电容式鞋垫传感器,在Kistler三维测力台上采集快速和慢速行走数据。对电容式鞋垫传感器采集到的数据进行像素化处理,处理后的数据输入残差神经网络ResNet18,预测得到高精度vGRF。结果 与Kister测力台收集的数据分析比较,快速和慢速行走的归一化均方根误差(normalized root mean square error, NRMSE)分别为8.40%和6.54%,皮尔森相关系数(Pearson correlation coefficient)均大于0.96。结论 本研究为移动场景下GRF动态测量提供了一种新型算法,可以用于实验室外完整GRF估计,而不受测力台数量和位置的约束,潜在应用领域包括步态分析以及有效捕捉病理性步态。     

改进U-Net深度网络的视网膜血管分割算法

为了解决U-Net算法在分割眼底图像时无法分割末梢微小血管和无法处理噪声干扰等问题,提出了一种改进的视网膜血管分割算法。首先,在U-Net算法中引入通道强化残差网络,用以优化U-Net架构,使得网络识别更多视网膜微血管。其次,引入空间注意力网络来排除噪声,更好地突出血管。最后,在损失函数的计算中,使用动态权重代替U-Net算法的固定权重,迫使神经网络能够学习一个稳健的特征映射。将改进的算法在DRIVE数据集上进行实验,实验结果表明本文分割算法的准确性和敏感性大幅提高。比原U-Net算法准确性和敏感性分别提高了2.12%和7.51%,比DCU-Net准确性和敏感性分别提高了1.20%和2.55%。     

被动吸烟对儿童肺功能影响的研究

本文对上海市居住区域767名10～14岁儿童进行被动吸烟对儿童肺功能影响的调查。采用逐步回归法,建立“最佳”回归模型,对所有调查儿童的性别、年龄、身高、胸围、体重等因素进行校正,认为被动吸烟儿童的肺功能PEF、V_(75)、V_(50)、V_(25)指标与非被动吸烟儿童相比较均有显著差别(p<0.01),还认为随着吸烟指数增加,肺功能各指标逐渐下降(p<0.01)。     

残差自回归模型在中国人口出生率预测中的应用

时间序列是将某一指标在不同时间上的数值按时间先后顺序排列而成的数列(1).时序分析中对非平稳时间序列的处理有两种方法:(1)确定性分析方法,假定序列的变化不是变化莫测的,而是可以用一条趋势线来加以刻画的,即序列的趋势是时间t的确定函数,常用的方法有线性模型、指数模型等(2).该方法只能提取确定性信息,没有利用随机性信息.(2)随机性分析方法,ARIMA模型是典型代表,通过差分方法提取确定性信息,能提高非平稳序列的拟合精度,但难以对模型进行直观解释.