基于径向基函数神经网络的心电图ST段形态识别

心电图的ST段是指QRS波的终点至T波的起点间的一个子波,其时间长度与心率有关,对ST段形态的识别有助于分析ST段变化的原因和确定缺血的部位。将模糊逻辑系统与神经网络相结合,利用基于自适应模糊系统的径向基函数神经网络对心电信号ST段的形态识别进行了研究。该网络比BP网络学习进度快,具有增量学习的能力,它能够识别学习外的新模式。研究取得了较好的识别结果。     

基于径向基函数神经网络的温室室内温度预测模型

试验证实径向基函数神经网络(Radial Basias Function Neural Network)在函数逼近能力、训练速度方面都有良好的性能．采用最小正交二乘法为训练算法,基于传统的数学分析,用PRIVA公司温室监控系统采集数据,选用当前时刻室外温度、风速、太阳辐照度、顶窗开度、内帘幕展开度、水温、室内温度、相对湿度,再加上1个时间间隔、2个时间间隔以前的室内温度作为输入向量,获得了满意的温室室内温度一步预测模型(均方差等于0．0073)．该模型为设计温室环境控制器及分析温室性能奠定了良好基础．     

头部组织三维核磁共振电阻抗成像算法的仿真研究

文章给出了一种基于核磁共振技术的三维阻抗成像（电导率分布）重构算法,并将该方法应用于人体头部组织电导率分布重构上。该代数重构方法是利用高分辨率的核磁共振成像系统对成像物体进行三维构建和不同组织的边界区分,根据核磁共振系统中测量得到的磁感应强度Bx和By分量并结合有限元数值计算得到的电流密度分布J组成非线性矩阵,通过迭代求解此非线性矩阵,来解决三维电导率分布的重构问题。在三层球头模型（包括头皮、颅骨和大脑）上分别进行的仿真实验结果表明,该算法具有较强的抗噪声能力和较好的收敛性,重构的头部电导率分布图像具有较高的精确性。     

体外循环血栓非侵入在线电阻抗成像方法

目的 在体外循环系统中,血栓的在线检测和可视化具有重要意义。本文提出了基于电阻抗成像（EIT）的体外循环血栓非侵入在线检测方法。方法 首先通过联合仿真研究了传感器尺寸对成像效果的影响。其次,根据仿真结果设计了直径为20 mm的16铜质电极EIT传感器,搭建了循环流动实验平台,并设计了静态和循环流动实验。使用尺寸为3～6 mm的猪血块代替血栓,将血块置于新鲜猪血样本中,采用Tikhonov正则化算法进行成像。将3 mm和5 mm的血块分别置于循环系统中,重建血块在传感器截面的大小和位置图像,并与高速相机拍摄结果进行对比。结果 仿真结果显示当目标物与传感器面积比（AR）不小于0.01时,传感器直径为20 mm和30 mm对应的图像相关系数（IC）均大于0.06,成像效果较好。静态成像结果显示,相对尺寸覆盖率误差（RCR）小于等于0.1。循环流动实验显示,血块经过传感器时,检测到归一化后的相对电导率变化值分别为80和200,结果显示该方法能够检测到循环系统中的血块。结论 该方法具有实时性和非侵入的优点,有望应用于体外血栓的检测。     

基于BP神经网络和RBF神经网络预测老年痴呆症疾病进展的对比研究

目的:比较反向传播算法(BP)神经网络和径向基函数(RBF)神经网络预测老年痴呆症疾病进展的效果。方法:以老年痴呆症随访数据为研究对象,以性别、年龄、受教育程度、有无高血压、有无高胆固醇、有无心脏病、有无中风史、有无家族史8个指标作为输入变量,以五年随访的MMSE差值为输出变量,构建基于BP神经网络和RBF神经网络的老年痴呆症疾病进展预测模型。结果:与BP神经网络模型相比,RBF神经网络预测的结果更好,能够有效地预测老年痴呆症疾病进展。结论:神经网络模型将老年痴呆症疾病进展预测问题转化为随访数据中相关测量指标与MMSE差值的非线性问题,为复杂的老年痴呆症疾病进展预测提供了新思路。     

基于神经网络模型和地统计学方法的土壤养分空间分布预测

采用径向基函数神经网络模型与普通克里格法相结合的方法,预测川中丘陵区县域尺度土壤养分(有机质和全氮)的空间分布,并与普通克里格法和回归克里格法进行比较.结果表明：各方法对研究区土壤养分的预测结果相似.与多元回归模型相比,神经网络模型对验证样点土壤有机质和全氮的预测值与样点实测值的相关系数分别提高了12.3%和16.5%,表明神经网络模型能更准确地捕捉土壤养分与定量环境因子间的复杂关系.对469个验证样点预测结果的误差分析表明,神经网络模型与普通克里格法相结合的方法对土壤有机质和全氮预测结果的平均绝对误差、平均相对误差、均方根误差较普通克里格法分别降低了6.9%、7.4%、5.1%和4.9%、6.1%、4.6%,降低幅度达到极显著水平(P<0.01);与回归克里格法相比则分别降低了2.4%、2.6%、1.8%和2.1%、2.8%、2.2%,降低幅度达显著水平(P<0.05).     

基于神经网络模型和地统计学方法的土壤养分空间分布预测

采用径向基函数神经网络模型与普通克里格法相结合的方法,预测川中丘陵区县域尺度土壤养分(有机质和全氮)的空间分布,并与普通克里格法和回归克里格法进行比较.结果表明：各方法对研究区土壤养分的预测结果相似.与多元回归模型相比,神经网络模型对验证样点土壤有机质和全氮的预测值与样点实测值的相关系数分别提高了12.3%和16.5%,表明神经网络模型能更准确地捕捉土壤养分与定量环境因子间的复杂关系.对469个验证样点预测结果的误差分析表明,神经网络模型与普通克里格法相结合的方法对土壤有机质和全氮预测结果的平均绝对误差、平均相对误差、均方根误差较普通克里格法分别降低了6.9%、7.4%、5.1%和4.9%、6.1%、4.6%,降低幅度达到极显著水平(P<0.01);与回归克里格法相比则分别降低了2.4%、2.6%、1.8%和2.1%、2.8%、2.2%,降低幅度达显著水平(P<0.05).     

基于位置特异性谱和输入加权神经网络的蛋白质亚细胞定位预测

蛋白质必须处于正确的亚细胞位置才能行使其功能。文章利用PSI-BLAST工具搜索蛋白质序列,提取位点特异性谱中的位点特异性得分矩阵作为蛋白质的一类特征,并计算4等分序列的氨基酸含量以及1～7阶二肽含量作为另外两类特征,由这三类特征一共得到蛋白质序列的12个特征向量。通过设计一个简单加权函数对各类特征向量加权处理,作为神经网络预测器的输入,并使用Levenberg-Marquardt算法代替传统的EBP算法来调整网络权值和阈值,大大提高了训练速度。对具有4类亚细胞位置和12类亚细胞位置的两种蛋白质数据集分别进行＂留一法＂测试和5倍交叉验证测试,总体预测精度分别达到88.4%和83.3%。其中,对4类亚细胞位置数据集的预测效果优于普通BP神经网络、隐马尔可夫模型、模糊K邻近等预测方法,对12类亚细胞位置数据集的预测效果优于支持向量机分类方法。最后还对三类特征采取不同加权比例对预测精度的影响进行了讨论,对选择的八种加权比例的预测结果表明,分别给予三类特征合适的权值系数可以进一步提高预测精度。     

神经肌肉电刺激下小腿肌肉的电学特性研究

目的 采用电阻抗成像（electrical impedance tomography,EIT）方法研究神经肌肉电刺激（neuromuscular electrical stimulation,NMES）下小腿肌肉的电学特性,旨在将EIT作为一种长期监测方法,从而可视化NMES训练对人类小腿肌肉的训练效果。方法 16名实验对象被随机分配到对照组（control group,CG,n=8）和最佳电压强度的NMES训练组（optimal voltage intensity training group,OG,n=8）。对照组保持正常生活方式并不进行NMES和其他的肌肉训练;NMES训练组中使用商业NMES设备对实验对象右小腿进行23 min的NMES训练,每周3次,为期5周。应用EIT测量在每周一训练开始前的电导率分布。并且采用生物电阻抗分析（bioelectrical impedance analysis,BIA）方法测量右腿细胞外含水量与身体总含水量的比率（ECW/TBW） βrl,及身体总含水量（TBW）τ。为了量化NMES在肌肉训练过程中的作用,使用配对样本t检验分析EIT重建图像的...     

胃容积及胃食道液体状态变化的电学特性研究

目的 三维电阻抗成像(3D-EIT)结合二维电阻抗成像(2D-EIT)研究胃容积及胃食道液体状态变化的电学特性响应,旨在探究EIT技术应用于胃食道反流病监测的可能性。方法 8名受试者被要求在实验前4 h禁食,保证实验开始时胃部处于排空状态,实验开始后受试者被要求分两次喝下400 ml经口补水液,在摄入200 ml状态下和摄入400 ml状态下分别应用3D-EIT检测腹腔3D空间的电导率分布。为了定量说明不同状态下电学特性的变化,使用配对样本t检验分析3D-EIT重建3D图像的空间平均电导率(■)。采用数值仿真工具,建立两种尺寸胃容积模型验证,实验结果中胃容积变化是引起受试者腹腔3D空间内电导率变化的原因,并研究胃腔被不同比例补水液填充状态下电学特性的变化趋势,应用2D-EIT数值仿真进行电导率分布图像重建。结果 8名受试者腹腔3D-EIT实验中空间平均电导率■的配对样本t检验结果表明,空间平均电导率从C^{200 ml}状态下的■增加到C^{400 ml}状态下的■(n=8,P<0.05)。因此,受试者腹腔胃部区域空间平均电导率随胃容积增加而显著增...     

人类小腿肌肉对运动训练生理响应的电学特性研究

目的 运动训练已被证明能够改善许多慢性肌肉功能疾病,被用于治疗衰老型肌萎缩。本文采用电阻抗成像(electrical impedance tomography,EIT)研究人类小腿肌肉对运动训练生理响应的电学特性,旨在使用EIT方法可视化运动训练对人类小腿响应肌肉隔室内肌肉纤维体积增加的效果。方法 实验对象被要求在连续5个实验日进行左、右腿单侧提踵训练,应用EIT检测每日运动训练前和运动训练后小腿肌肉的电导率分布。为了定量分析运动训练对响应肌肉隔室的作用,使用配对样本t检验分析EIT重建图像的空间平均电导率<σ>。结果 运动训练后,由小腿腓肠肌组成的M₁肌肉隔室空间平均电导率<σ>_M1显著增加。此外,连续5个实验日的EIT测量结果显示,运动训练前的空间平均电导率<σ^pre>_M1呈上升趋势。所有实验对象在实验日1早晨进行实验前的腿部瘦体重与<σ>_M1呈线性关系,即<σ>_M1随腿部瘦体重增加而增加;运...     

A Multi-Branch Convolutional Neural Network for Screening and Staging of Diabetic Retinopathy Based on Wide-Field Optical Coherence Tomography Angiography

BackgroundDiabetic retinopathy (DR) is one of the major causes of blindness in adults suffering from diabetes. With the development of wide-field optical coherence tomography angiography (WF-OCTA), it is to become a gold standard for diagnosing DR. The demand for automated DR diagnosis system based on OCTA images have been fostered due to large diabetic population and pervasiveness of retinopathy cases.Materials and methodsIn this study, 288 diabetic patients and 97 healthy people were imaged by the swept-source optical coherence tomography (SS-OCT) with 12 mm × 12 mm single scan centered on the fovea. A multi-branch convolutional neural network (CNN) was proposed to classify WF-OCTA images into four grades: no DR, mild non-proliferative diabetic retinopathy (NPDR), moderate to severe NPDR, and proliferative diabetic retinopathy (PDR).ResultsThe proposed model achieved a classification accuracy of 96.11%, sensitivity of 98.08% and specificity of 89.43% in detecting DR. The accuracy of the model for DR staging is 90.56%, which is higher than that of other mainstream convolution neural network models.ConclusionThis technology enables early diagnosis and objective tracking of disease progression, which may be useful for optimal treatment to reduce vision loss.