一种电阻抗频谱法自动诊断乳腺组织疾病优化算法研究

乳腺组织疾病早期诊断具有十分重要的意义,基于电阻抗频谱法进行乳腺组织疾病早期诊断是近年来发展起来的乳腺临床检查技术,具有成本低、无损害、无创伤等优势.本研究采用电阻抗频谱法测量的64位妇女,106个乳腺样本的电阻抗特性数据,基于神经网络与支持向量机实现乳腺组织疾病的早期自动诊断.针对传统神经网络的过拟合问题,网络初始参数如何确定问题,以及支持向量机(SVM)分类器的惩罚因子C与核函数g如何有效确定问题,采用遗传算法全局寻优的方式,按适者生存的原则,进行参数的选择、交叉、变异,直到收敛到最适应环境的“染色体”上,即得到问题的最优解,从而实现网络权值与阈值以及SVM惩罚因子与核函数的参数寻优.改进后的算法诊断识别率分别由优化前的61.92％和51.92％,提高到优化后的76.15％和68.08％,为乳腺组织疾病的早期自动诊断提供了一种有效的参考方法.     

基于复杂度熵特征融合的高压力人群情感状态评估

长期处于压力状态容易引发各类疾病,合理有效的情感压力状态评估是进行压力情感干预的基础.脑电数据含有丰富的情感信息,针对脑电数据的压力情感特征提取问题,提出一种基于Kc复杂度、小波熵与近似熵相结合的脑电数据的压力情感特征提取方法,以Kc复杂度因子来量化脑电数据的随机程度,以小波熵和近似熵参数分别在时域和频域来量化脑电数据的复杂程度与能量分布;采用遗传算法进行全局寻优,按适者生存的原则进行支持向量机参数的选择、交叉、变异,以此优化的支持向量机融合3类不同层次的特征参数,实现压力情感状态评估.以“切水果”游戏作为压力源,采集8名被试共92组脑电信号,基于该算法来分析被试者的压力状态,最高识别率为94.12％,平均识别率82.06％.研究表明,不同脑区对压力敏感程度不同,左半球相对右半球来说,压力感受敏感.希望通过此工作,可以帮助人们有针对性地采取相应措施缓解压力,恢复身心健康.