基于粒计算的模糊神经建模方法在电能输出预测中的应用

准确地预测电厂的电能输出可以节约成本从而获得最大利润,因此建立一个模型来预测电厂的满载电功率输出是非常重要的。粒计算(Granular Computing, GrC)是一种新型的数据挖掘方法,它将具有类似特性的对象组合在一起,通过选择合适的粒度提取核心信息,减少冗余,降低问题求解的复杂度。本文使用GrC方法,从复杂多维数据集中以信息粒的形式建立初始的模糊推理系统,再通过模糊神经网络学习方法对系统参数进行优化。这种基于GrC的模糊神经(Granular Computing based Neuro-Fuzzy, GrC-NF)建模方法,不仅可以降低问题求解的复杂度,而且可以保持模糊逻辑系统的可解释性,将其与模糊神经网络的结合又提高了建模精度。本文将该方法用于建立电功率输出的预测模型,通过其预测精度的比较表明了该方法的优越性。     

术前TACE治疗对肝癌患者黏着斑激酶、核因子-κBp65表达及术后生存率的影响

原发性肝癌是世界上发病率最高的恶性肿瘤之一,在我国是排第4位的常见恶性肿瘤,肿瘤致死病因排第2位,严重威胁人民的健康和生命^[1]。肝细胞癌(HCC)占原发性肝癌的85%~90%^[2],手术切除是肝癌的首选治疗方法,但由于本病起病隐匿,发现时多为中晚期,80%~90%的患者就诊时就已失去了手术切除的机会^[3]。     

logistic回归分析和BP神经网络模型在心理健康状况预测中的应用

目的通过logistic回归分析与BP神经网络模型在心理应激相关影响因素研究的结果对比,建立心理应激的神经网络模型。方法对某医学院校785名本科新生进行心理应激以及相关影响因素问卷调查。结果BP神经网络模型对心理健康类的正确预测率为99.7%,对有心理问题类的正确预测率为95.1%,总的符合率为98.5%。logistic回归分析对心理健康类的正确预测率为94.1%,对有心理问题类的正确预测率为75.0%。总的符合率为89.2%。结论人工神经网络模型比logistic回归分析有更好的预测功能。     

基于bp-MRI和VB-Net的临床显著性前列腺癌自动分割和机器学习分类的研究

目的 评价基于双参数MRI的深度学习自动分割与机器学习分类模型,探索其在临床显著性前列腺癌（CSPC）诊断中的应用。方法 纳入409例前列腺患者MRI检查资料,在DWI、ADC和T₂WI中应用VB-Net模型分别进行病灶自动分割和腺体自动分割,生成感兴趣区（ROI）,病灶自动分割时将分割阈值设置为不同数值分别重复进行。分别提取病灶ROI和腺体ROI中的纹理特征,进行Lasso特征选择,建立、训练随机森林、支持向量机和Logistic回归模型并进行验证。结果 病灶分割中分割阈值分别为0.9、0.5、0.1时,假阴性率分别为0.462、0.273、0.182,假阳性率分别为0.134、0.419、0.661;当分割阈值设为0.5,病灶自动分割后进行纹理分析和机器学习分类,3种模型ROC曲线的AUC为0.76～0.792;腺体分割后进行纹理分析和机器学习分类,3种模型ROC曲线的AUC为0.827～0.855。结论 采用基于前列腺bp-MRI的VB-Net模型对CSPC病灶具有一定的自动分割、分类能力,结合进一步的机器学习能较好地诊断CSPC;VB-Net模型对腺体自动...     

膝骨性关节炎运动质量评估系统设计

为膝骨性关节炎患者提供一种运动康复训练的监护系统,患者可以通过监护系统了解自身运动规范程度并作适当的调整.设计了一种基于ZigBee无线通信技术的人体下肢运动质量评估系统,以评估膝骨性关节炎运动理疗法的动作规范性.该系统将装有微型加速度传感器的ZigBee模块穿戴在人体的下肢,获取运动时的三维加速度信号,将加速度信号经过Haar小波变换后,采用粒子群算法提取小波特征值,将提取的特征向量应用神经网络分类器对动作质量进行识别评估.通过对20名年龄在24～30周岁的健康男性直腿抬高训练的动作质量评估测试,系统对规范抬腿、抬腿过高、保持时间太短和非平行抬腿这4类训练取真率的均值和标准差分别为(89.1±2.0)％、(93.4±1.7)％、(89.5±2.3)％、(90.1±1.8)％.实验结果表明,本系统能有效地识别训练过程中的不规范动作,较好地实现了对直腿抬高训练的运动质量监测与评估,满足健康监护系统的应用需求.     

GTP酶激活蛋白(Src同源结构域3)结合蛋白1在乳腺癌细胞MDA-MB-231体外迁移中的作用

目的:研究GTP酶激活蛋白(Src同源结构域3)结合蛋白1[Ras-GTPase activating protein(Src homology domain 3)binding protein 1,G3BP1]在乳腺癌细胞MDA-MB-231体外迁移过程中的作用.方法:人乳腺癌细胞MDA-MB-231培养于RPMI1640培养基中;Western blot检测无表皮生长因子(Epidermal growth factor,EGF)刺激,以及10 ng/ml EGF分别刺激30秒、1分钟、2分钟和5分钟条件下乳腺癌细胞内G3BP1、蛋白激酶Cζ(Protein kinase Cζ,PKCζ)、Akt、pPKCζThin410/403及pAktSer473的表达水平;免疫共沉淀法检测乳腺癌细胞内G3BP1与PKCζ的相互作用;转染小干扰RNA抑制内源性G3BP1的表达;趋化实验和侵袭实验分别检测G3BP1抑制前后MDA-MB-231细胞穿过10 μm聚碳酸酯膜及人工基底膜的细胞数.结果:Western blot检测显示G3BP1在MDA-MB-231细胞内过表达;无EGF刺激时MDA-MB-231细胞内G3BP1,PKCζ与Akt均过表达,pPKCζThe410/403及pAktSer473不表达或低于Western blot检测下限;10 ng/ml EGF刺激后G3BP1、PKCζ与Akt表达水平不变,pPKCζThr410/403及pAktSer473的表达刺激时间增加而升高,至5分钟时达到峰值;在乳腺癌细胞内G3BP1与PKCζ具有相互作用;G3BP1表达抑制后乳腺癌细胞的趋化能力和侵袭能力均显著下降(P ＜0.05,P＜0.05).结论:G3 BP1通过与PKCζ相互作用,在乳腺癌细胞MDA-MB-231的体外迁移过程中发挥重要作用.     

BP网络在麻醉深度监测算法上的应用

麻醉是临床手术中必不可少的环节,但麻醉的过深或过浅可能给病人带来伤害,因而对麻醉深度的监测具有较高的临床价值。脑电是目前检测麻醉深度最有潜力的方法,首先通过滤波等处理方式得到较为纯净的脑电信号,分析时域和频域的特征,计算相应的参数,并将该参数作为前向反馈神经网络的输入参数,选择合适的BP神经网络拟合得到一个能够评价麻醉深度的无量纲常数。使用BP神经网络拟合结果来表征麻醉深度准确率普遍在90%以上,反映了BP神经网络在麻醉深度监测上具有较高的应用价值。     

基于神经网络法反求耳结构弹性模量

目的通过耳结构的位移反算耳结构弹性模量。方法基于Patran软件建立耳结构有限元模型,使用Mat-lab建立计算耳结构反问题的BP神经网络。对耳结构有限元模型进行频率响应分析,得到鼓膜凸和镫骨足板的位移响应;把位移作为BP神经网络的输入、相对应的结构弹性模量作为输出,对网络进行训练。结果利用训练成熟的BP网络反算出耳结构的弹性模量,相对误差非常小。结论反算结果表明,所使用的反问题方法求解耳结构弹性模量是可行的,可为临床提供确定生物结构力学参数简捷有效的方法。     

基于PCA和Fisher判别分析的锋电位在线分类算法

目的 大脑神经元胞外单细胞动作电位(即锋电位)的检测与分类,是研究神经系统处理信息机制的关键.常用方法是实验完成后对记录到的数据进行离线检测与分类,然而当需要在短时完成大量数据的处理或无线传输时,则需实现锋电位的在线检测与分类.方法 为实现在线分类,本文在利用主成分分析法(principal component analysis,PCA)和K均值分类法对一定量数据进行预分类的基础上,提出使用PCA结合Fisher判别分析的方法,并与基于距离的模板匹配法、BP神经网络分类法进行了分类效果和算法复杂度的比较.结果 仿真结果表明,该方法相对于其它两种方法在分类效果和算法复杂度上都具有一定的优势.结论 此方法是实现锋电位在线分类的不错选择.