模体感知的自适应跨层游走社区检测

近年来,利用高阶交互信息进行多层网络社区检测已成为复杂网络分析领域的研究热点。尽管多层网络社区检测的研究已取得了一些进展,但大多数方法忽略了网络各层之间的联系。为了解决这一问题,提出了一种模体(motif)感知的自适应跨层游走社区检测算法(Motif-aware Adaptive Cross-Layer random walk Community Detection,MACLCD)。该算法充分考虑了多层网络各层内的高阶交互特性以及层间的相关性,有效整合了多层网络的结构信息,提高了社区检测结果的准确性。具体地,首先从网络和节点的角度进行综合度量,揭示网络层间相关性;其次,考虑了各层网络可能具有不同的局部和全局结构特征,利用motif识别各层网络特有的高阶交互结构,构建多层加权混合阶网络;进一步,设计了多层网络跨层游走模型,并引入跳转因子,以确保随机游走能够自适应地遍历多层网络,从而捕获更丰富的网络结构信息。在4个真实的网络数据集上进行实验比较分析,结果表明MACLCD算法在社区检测方面性能较优,相比目前表现最佳的对比算法在ACC和NMI上分别提高了10%和8.9%。

基于特征选择ELM的乳腺肿块检测算法

乳腺肿块检测是防治乳腺癌的有效途径,基于乳腺X射线图像特征模型的极限学习机(ELM)分类算法已被应用于计算机辅助检测乳腺肿块中.针对由于特征间的依赖性导致的ELM学习效率和检测准确度低的问题,提出了基于特征选择ELM的乳腺肿块检测算法.利用影响值选择、序列前向选择和遗传选择等方法进行特征选择,进而利用该结果提高ELM的性能.通过490例来自辽宁省肿瘤医院的乳腺X射线图像的实验表明,基于特征选择ELM的乳腺肿块检测算法能有效提升乳腺肿块检测的效果,其中以遗传选择对ELM性能提升最明显.

基于极限学习机的跌倒检测分类识别研究

由于年龄和身体条件的限制,在老年人群中跌倒是非常普遍的现象。因此,根据老年人跌倒的运动特征,远程监测他们在各个时间段的状态,以便在其摔倒或突发状况时及时采取措施显得尤为重要。针对人体运动状态进行监测,分析人体运动学特征,提出基于极限学习机的跌倒检测算法。运用三维加速度传感器采集人体的三维加速度值,建立跌倒检测特征模型。在此基础上,建立基于极限学习机的跌倒检测分类器,完成对老年人的计算机辅助跌倒检测。实验数据共540例样本,选用了不同数量的训练集和测试集,其中440例作为训练数据,其余100例为测试数据。测试结果表明,准确率为93%,敏感度为87.5%,特异性为91.7%,具有良好的分类性能。在对分类训练的运行时间方面,基于极限学习机的跌倒检测方法与传统的机器学习方法相比具有明显优势。

双侧特征融合的乳腺肿块检测

乳腺癌是妇女最常见的恶性肿瘤之一,面向乳腺钼靶X线图像的计算机辅助肿块检测技术可以帮助影像科医师早期发现乳腺病变.针对于单侧的乳腺肿块检测中准确率有待提升的问题,提出双侧特征融合的乳腺肿块检测算法.首先,进行图像预处理,并利用相干点漂移完成乳腺轮廓配准;然后,利用配准得到的变换矩阵获得双侧乳腺感兴趣区域,再在其中提取左右侧乳腺的单侧特征向量和双侧对比特征向量,从而建立融合的特征模型,并采用遗传选择算法对特征向量进行特征选择;最后利用极限学习机基于选择后的特征进行乳腺肿块检测.实验结果表明,与传统的基于单侧的乳腺肿块检测算法相比,文中算法能有效地提高检测准确率.

基于ELM的室性早搏检测算法

计算机辅助室性早搏检测对室早的早诊断、早治疗十分关键,而基于SVM的室早检测方法存在训练速度慢、分类效果不稳定等问题.提出了一种基于极限学习机的计算机辅助室早检测算法,该算法首先对心电图像进行预处理,去除噪声后进行QRS波检测,然后建立室早特征模型并提取特征,最后基于极限学习机(extreme learning machine,ELM)进行室早检测.利用MIT_BIH的Arrhythmia心电数据库的心电信号对该算法进行了测试,结果表明与SVM相比ELM在分类速度及分类准确度上都有明显的优势.

基于极限学习机的左束支传导阻滞辅助诊断研究

左束支传导阻滞(LBBB)作为临床常见的一种心律失常,是左心室收缩功能减低、患者死亡率增加的标志;利用机器学习算法对其进行辅助诊断,将对LBBB早发现、早治疗起到积极的推动作用。然而,由于目前常用的支持向量机(SVM)等传统的机器学习算法容易产生局部最优解,准确度有待提高,因此提出一种基于极限学习机(ELM)的LBBB辅助诊断算法。首先,利用小波进行心电信号预处理,包括基线漂移、肌电噪声及工频干扰的去除;接着,确定QRS波群与T波位置;然后,根据临床上LBBB患者比正常人的QRS波群持续时间延长等特点,建立融合时域、形态与能量3类特征的特征模型;最后,利用该模型提取的特征集合,提出基于ELM的LBBB辅助诊断算法。此外,在MIT_BIH数据库中的5 000份ECG数据上进行实验验证,结果表明所提出的预处理与波形提取算法能有效去除噪声并提取QRS-T特征波;在LBBB的判别上,相比SVM算法、ELM算法的训练时间缩短了88.5%;同时,在准确率、灵敏度、特异度、LBBB检出率和正常人检出率的指标上,分别提升2.4%、5.4%、1.2%、3.6%和2%。因此,基于ELM的LBBB辅助诊断算法具有明显优势。

数据流中ρ-支配轮廓查询算法

数据流上的轮廓查询算法不能直接处理ρ-支配轮廓查询,而传统的ρ-支配轮廓查询无法在数据更新频繁时满足查询处理的实时性需求。因此,提出了数据流上的ρ-支配轮廓查询算法。首先,系统地介绍了完全支配、ρ-支配和ρ-支配轮廓的定义,进而提出了数据流上ρ-支配轮廓的定义。然后,通过深入分析数据流上的ρ-支配轮廓的性质,得出基于时序支配的数据过滤方法,并提出了基于滑动窗口的ρ-支配轮廓查询算法(ρ-dominant skyline query over sliding window,DSSW),提高了数据流上的ρ-支配轮廓计算的效率。最后,通过大量的实验证明,DSSW算法相比较于传统的ρ-支配轮廓查询算法,在响应时间及存储空间上均有明显优势。

基于极限学习机的轻度认知障碍辅助诊断

为解决现有的轻度认知障碍计算机辅助诊断方法准确率较低、耗时较长的问题,对功能磁共振图像进行预处理,基于复杂网络理论构建脑网络,从中提取特征并采用LASSO方法特征选择,采用极限学习机实现轻度认知障碍的辅助诊断。此外,为了得到更合适的极限学习机分类模型,讨论了隐含层节点数与激活函数的选择对分类准确率的影响。结果显示:极限学习机分类器的分类准确率为93.3%,相比支持向量机和BP神经网络提高了13.3%和20.0%,而耗时相比支持向量机和BP神经网络分别减少了60.7%和99.5%,该方法较为明显地提高了轻度认知障碍辅助诊断的准确率和速度,对于轻度认知障碍辅助诊断的临床应用具有重要意义。

高校党员教师针对学习困难学生的帮扶策略研究与实践

随着高等教育规模的扩大,高校内出现了一定数目的学习困难学生群体。学生学习困难往往是多种不同因素导致的,学习困难不但会影响学生的未来发展,更为高校的教学增加了难度,导致学生就业率降低,加重了社会的负担。为帮助这些学生走出困境,东北大学医学与生物信息工程学院生物医学信息学系党支部的党员教师分析了学习困难学生的主要特征,从思想、学业等多个方面入手,有针对性地开展了一系列学业帮扶工作,取得了良好成效。

基于DCL的生物医学工程专业人才培养新模式

生物医学工程学科是一门结合了工学、理学以及生物医学的交叉学科,目前许多生物医学工程相关企业迫切需要大量具有实用创新能力的从业工作人员。因而培养出社会急需的素质高、能力强的生物医学工程人才,是目前急需解决的问题。DCL(Design Centered Learning)是以项目为中心的教学模式,该模式以荷兰埃因霍温科技大学的教学方法为模型,强调对教学环境的创设,在教学安排中明确老师、助教和学生的角色任务,精心设计教学案例并合理规划研究进程,着重强化学生的创新、实践、合作、展示、实验、设计等能力培养。该模式应用于东北大学的教学实践,在生物医学工程专业人才培养质量、学生就业能力、教师队伍建设等方面取得了明显成效,该案例的成效对其他专业人才培养也具有十分积极的借鉴意义。

面向医工结合人才实践能力提升的实习基地建设

随着互联网技术的高速发展,种类众多的数据将人类包围,大数据时代应运而生。大数据的快速发展使得高校生物医学工程专业对学生的综合素质提出更高的要求,这其中就包括学生实践能力、创新能力、就业能力以及创业能力。为了更好的培养学生的实践能力,东北大学医学与生物信息工程学院与东软集团在学生实践教学方面开展了多年的合作,深度探索校外实习基地的建设模式。

基于VTK的交互式切割的研究与实现

本文探讨利用开源的Visualization Toolkit(VTK)技术开发出可视化软件.VTK是面向对象的通用可视化类库,在科学和工程界有着广泛的应用,文中主要介绍交互式切割的意义以及VTK的可视化开发流程,并在此基础上讨论了两种交互式切割方式(Cropping和Clipping)的原理和实现方法,提出将其应用于医学教学、科研和临床诊断的虚拟切割中的设想,完成三维重建与虚拟切割的功能,从而满足临床与科研的需要.

DICOM技术在PACS系统中的应用综述

PACS是当代医院信息化高速发展的重要环节,而DICOM又是PACS中医学图像格式和传输医学图像协议的标准。阐述基于DICOM标准的PACS系统的国内外发展现状,并对PACS系统按其应用分类进行了详细阐述,并分类研究了DICOM在PACS中的应用,同时论述了DICOM在PACS中的长远展望。

面向糖尿病人的家庭医疗监护数据压缩及传输

介绍一种面向糖尿病人的医疗监测系统的实现,通过TCP/IP协议来实现监护数据远程传输,根据传输数据的不同特征采用不同的压缩方式,包括使用BW算法的无损压缩以及基于ROI的有损/无损混合图像压缩,并具体阐述不同数据的传输方式,以此提升传输速度和准确性。

以项目为载体的生物医学工程专业人才能力培养

针对生物医学工程专业实践与创新能力教学过程中存在的问题,提出一种"以项目为载体"的课程设计(Design Centered Learning)特色国际化人才培养模式,对生物医学工程专业实践能力、创新能力人才培养模式现状进行分析,以引进外方优秀教育资源Design Centered Learning(DCL)教学模式中一个案例教学过程为例,阐述这种教学模式对学生创新与实践能力培养产生的积极影响,为生物医学工程专业实践与创新能力人才培养提供一种模式参考。

低负载医学图像自动存档与通讯系统架构

虽然DICOM标准是医学图像存档和通信系统(PACS)中不可或缺的重要组成部分,但由于非DICOM图像在计算机上可以被快捷的浏览和压缩携带,导致了许多医院系统中大量使用的医学图像是非DICOM格式.而这种非DICOM图像却非常不适于医学工作者的诊断和研究.本文利用非DICOM与DICOM格式自动转换技术将DICOM网关的处理下移,设计了一套低负载的医学图像自动传输和存档系统框架.分析表明,该系统与传统的医学图像存档和传输系统相比,在稳定性、兼容性、自动性、可扩充性、可实现性等都有了明显的改善和提高.

传感器网络中基于过滤的概率Skyline查询算法

针对感知数据固有的不确定性问题,研究了无线传感器网络中概率Skyline查询的处理与优化技术.首先分析了概率Skyline查询的性质,证明了概率Skyline查询的不可分解性,因而无法直接利用网内计算方法求解;进而提出了无线传感器网络中基于过滤的概率Skyline查询处理算法(filter-based probabilistic Skyline query processing algorithm in WSN,FPSP).FPSP算法将感知数据划分为候选数据、相关数据和无关数据;只需要候选数据和相关数据即可求得概率Skyline查询结果,可以在传感器节点过滤无关数据以避免大量的数据网内传输.仿真实验结果表明,FPSP算法可以有效降低传感器节点的数据传输量,极大地延长了无线传感器网络的使用寿命.

新时代面向新工科的医工交叉复合创新型人才培养模式探索

近年来随着科学技术的发展,新时达赋予新工科更加深刻的内涵,国家对新时代“新工科”人才需求在不断增大,医工交叉复合领域的创新与发展,对相关人才培养提出了更高的要求。为应对新时代新变革,高校作为人才培养的主要阵地,应积极开展新工科建设,以新时代思想引领新工科发展,以新工科建设为突破口,发展贯通融合式工医交叉专业,培养贯通融合式工医交叉复合创新型人才。本文以东北大学智能医学工程专业人才培养模式为例,提出“面向工科、背靠医科、医工融合”的人才培养思路,通过创新完善人才培养体系和方法,培养具有跨学科思维和创新意识,实践能力强、创新能力强、具备国际竞争力的高素质复合型新工科人才。

基于ARM的嵌入式网络平台的设计与实现

从嵌入式系统的发展前景和当前的需求出发,首先对整个嵌入式系统进行了详细的分析和系统设计;然后给出了系统的硬件设计及实现方案;最后介绍了相关软件的设计与实现,其中包括boot-loader的修改和Linux的移植.系统为嵌入式网络应用程序的开发提供了一个可扩展的平台.随着嵌入式应用受到越来越多的重视,嵌入式网络平台必将得到更加广阔的应用和发展空间.

面向理工科研究生的课程思政方法研究

研究生教育是我国高等教育人才培养的最高层次,也是为我国社会主义现代化建设培养高层次创新人才的重要渠道。以育人为本,使学生树立正确的世界观、人生观和价值观是研究生教育的根本任务。因此,思想政治教育是研究生教育重要的组成部分之一。文章以面向理工科研究生开设的“云计算模型与编程”专业课为例,深入挖掘了该学科内容与课程思政的契合点,探讨了面向理工科研究生课程思政的创新方法和实施举措,为理工科研究生的全方面培养提供了重要参考。