目的:为实现从母体腹壁混合信号中提取高信噪比和波形清晰的胎儿心电信号,提出一种融合核主成分分析(kernel principal component analysis,KPCA)、快速独立成分分析(fast independent component analysis,FastICA)及奇异值分解(singula...目的:为实现从母体腹壁混合信号中提取高信噪比和波形清晰的胎儿心电信号,提出一种融合核主成分分析(kernel principal component analysis,KPCA)、快速独立成分分析(fast independent component analysis,FastICA)及奇异值分解(singular value decomposition,SVD)的胎儿心电信号提取算法。方法:首先,采用KPCA对母体心电信号进行降维,再利用改进的基于负熵的FastICA处理降维后的数据,得到独立成分。随后,引入样本熵进行信号通道选择,挑选出包含最多母体信息的信号通道。在选中的母体通道上进行SVD,得到母体心电信号的近似估计,再用腹壁源信号减去该信号得到胎儿心电的初步估计。最后,采用改进的基于负熵的FastICA成功分离出纯净的胎儿心电信号。在腹部和直接胎儿心电图数据库(Abdominal and Direct Fetal Electrocardiogram Database,ADFECGDB)和PhysioNet 2013挑战赛数据库中对提出的算法进行验证。结果:提出的算法在主观视觉效果和客观评价指标上都表现出优越的性能。在ADFECGDB数据库中,胎儿QRS复合波检测的敏感度、阳性预测值和F1值分别为99.74%、98.85%和99.30%;在PhysioNet 2013挑战赛数据库中,胎儿QRS复合波检测的敏感度、阳性预测值和F1值分别为99.10%、97.87%和98.48%。结论:融合KPCA、FastICA及SVD的胎儿心电信号提取算法在提取胎儿心电信号的同时有效处理了附加噪声,为胎儿疾病的早期诊断提供了有力支持。展开更多
目的:基于多模态神经影像探究脑年龄估值差(brain age gap estimation,BrainAGE)与非影像衍生标记物(noni-maging derived phenotypes,Non-IDPs)的关系。方法:以英国生物银行27 842例受试者的6种影像模态[T_(1)WI、弥散加权成像(diffusi...目的:基于多模态神经影像探究脑年龄估值差(brain age gap estimation,BrainAGE)与非影像衍生标记物(noni-maging derived phenotypes,Non-IDPs)的关系。方法:以英国生物银行27 842例受试者的6种影像模态[T_(1)WI、弥散加权成像(diffusion-weighted imaging,DWI)、磁敏感加权成像(susceptibility-weighted imaging,SWI)、T_(2)WI、静息态功能成像(resting-state fMRI,rsfMRI)和任务态功能成像(task fMRI,tfMRI)]共7种特征集(FSL、Freesurfer、DWI、SWI、T_(2)WI、tfMRI、rsfMRI)为基础,采用相关向量回归模型对大脑年龄进行预测,并采用平均绝对误差(mean absolute error,MAE)评估模型的性能;将经偏差校正后的BrainAGE与223个Non-IDPs进行回归分析,以探究BrainAGE与Non-IDPs的关系。结果:相关向量回归模型预测脑年龄的MAE为2.767年。通过多元线性回归分析发现服用治疗药物的数量、全谷物摄入量、糖尿病诊断、收缩压、心室率以及吸烟状况6个Non-IDPs与BrainAGE之间存在显著相关。结论:BrainAGE是一项综合性脑健康评估指标,需要考虑多种健康信息和生活方式来进行综合分析。展开更多
目的:研究基于人工神经网络(artificial neural network,ANN)的零差K参数成像监测微波热消融凝固区的可行性。方法:在消融功率和持续时间分别为60 W 3 min、70 W 2 min、80 W 1 min的条件下,各采集16例经过微波热消融的离体猪肝的超声...目的:研究基于人工神经网络(artificial neural network,ANN)的零差K参数成像监测微波热消融凝固区的可行性。方法:在消融功率和持续时间分别为60 W 3 min、70 W 2 min、80 W 1 min的条件下,各采集16例经过微波热消融的离体猪肝的超声背散射信号,分别利用ANN估计器和XU估计器在滑动窗口内估算背散射信号零差K分布模型的α、k参数,之后与多项式拟合技术相结合监测微波热消融产生的凝固区,并比较基于2种估计器获得的零差K参数成像监测微波热消融凝固区的效果。结果:在不同消融功率、持续时间条件下,α参数成像对微波热消融凝固区的监测性能优于k参数成像;2种估计器均在80 W 1 min时获得了最好的监测效果;基于ANN估计器和XU估计器获得的基于α参数的多项式拟合成像的AUC值、Dice系数、Jaccard系数差异均无统计学意义(P均>0.05)。结论:基于ANN的零差K参数成像可用于监测微波热消融凝固区。展开更多
文摘目的:为实现从母体腹壁混合信号中提取高信噪比和波形清晰的胎儿心电信号,提出一种融合核主成分分析(kernel principal component analysis,KPCA)、快速独立成分分析(fast independent component analysis,FastICA)及奇异值分解(singular value decomposition,SVD)的胎儿心电信号提取算法。方法:首先,采用KPCA对母体心电信号进行降维,再利用改进的基于负熵的FastICA处理降维后的数据,得到独立成分。随后,引入样本熵进行信号通道选择,挑选出包含最多母体信息的信号通道。在选中的母体通道上进行SVD,得到母体心电信号的近似估计,再用腹壁源信号减去该信号得到胎儿心电的初步估计。最后,采用改进的基于负熵的FastICA成功分离出纯净的胎儿心电信号。在腹部和直接胎儿心电图数据库(Abdominal and Direct Fetal Electrocardiogram Database,ADFECGDB)和PhysioNet 2013挑战赛数据库中对提出的算法进行验证。结果:提出的算法在主观视觉效果和客观评价指标上都表现出优越的性能。在ADFECGDB数据库中,胎儿QRS复合波检测的敏感度、阳性预测值和F1值分别为99.74%、98.85%和99.30%;在PhysioNet 2013挑战赛数据库中,胎儿QRS复合波检测的敏感度、阳性预测值和F1值分别为99.10%、97.87%和98.48%。结论:融合KPCA、FastICA及SVD的胎儿心电信号提取算法在提取胎儿心电信号的同时有效处理了附加噪声,为胎儿疾病的早期诊断提供了有力支持。
文摘目的:研究基于人工神经网络(artificial neural network,ANN)的零差K参数成像监测微波热消融凝固区的可行性。方法:在消融功率和持续时间分别为60 W 3 min、70 W 2 min、80 W 1 min的条件下,各采集16例经过微波热消融的离体猪肝的超声背散射信号,分别利用ANN估计器和XU估计器在滑动窗口内估算背散射信号零差K分布模型的α、k参数,之后与多项式拟合技术相结合监测微波热消融产生的凝固区,并比较基于2种估计器获得的零差K参数成像监测微波热消融凝固区的效果。结果:在不同消融功率、持续时间条件下,α参数成像对微波热消融凝固区的监测性能优于k参数成像;2种估计器均在80 W 1 min时获得了最好的监测效果;基于ANN估计器和XU估计器获得的基于α参数的多项式拟合成像的AUC值、Dice系数、Jaccard系数差异均无统计学意义(P均>0.05)。结论:基于ANN的零差K参数成像可用于监测微波热消融凝固区。