基于迭代校正的病例临床复杂度度量方法研究

现有病例临床复杂度(episode clinical complexity,ECC)模型在评估临床复杂程度时主要关注诊断数目的不同,忽略了不同诊断类型造成的差异.本文提出了一种基于迭代校正思想,将诊断数目和诊断类型同时纳入病人费用和病情复杂水平评估过程的ECC改进模型(iteration-based ECC,IECC).基于重庆某大型三甲医院2015-2019年呼吸系统、循环系统的病案首页数据的实验结果表明,根据IECC方法估算得到的住院费用与真实费用的相关性有较大提升,说明本文所提方法能够更好地评估病人临床复杂水平,为成功实施以疾病诊断相关分组(diagnosis related groups,DRGs)为核心的付费制度提供有力支持.

低信噪比下的浅海水声稀疏信道估计

研究了浅海水声稀疏信道的估计方法,并在此基础上提出了一种应用于低信噪比且相邻路径最小时延差小于经典匹配跟踪算法可以分辨情况下的信道估计算法。所提出的信道估计算法基于最小二乘准则,利用浅海水声信道的稀疏特性,同时结合匹配跟踪算法,将信道脉冲响应函数的l1范数作为代价函数,并将其转化为凸优化问题进行求解。仿真实验验证了提出方法的有效性。

时频信号的非参数加窗稀疏协方差迭代分析法

针对多分量非平稳时频信号的分析,提出了一种非参数加窗稀疏协方差迭代分析(Sparse Iterative Covariance-based Estimation,SPICE)法。该方法通过引入局部化的窗函数,并在窗内对信号建立非参数化的时频模型,以获取非平稳信号的局部时频特性。分析表明:给出的非参数时频模型,可通过加权最小二乘(Weighted Least Square,WLS)进行求解。当将WLS的加权矩阵的构建问题转换为广义噪声协方差矩阵时,提出的模型也可借助于加窗SPICE方法来进行求解。分析和仿真均表明:与传统方法相比,提出方法具有噪声抑制能力强、能量集中度高和对于载频差异较小信号的分离效果佳等优点。

基于协方差稀疏迭代的柱面共形阵2-D DOA估计

应用协方差稀疏迭代方法实现了短快拍条件下的柱面共形阵的二维波达方向估计。根据柱面共形阵的特点,利用欧拉旋转变换构造阵列流型矩阵;对协方差矩阵进行稀疏求解,把最小化协方差拟合代价函数转化为一个凸性的线性约束最小化问题,并通过循环最小化算法保证其全局收敛性;最后实时更新信源能量谱,谱峰对应的方位角和俯仰角即为所得二维波达方向估计值;仿真实验表明:所提算法只需少量快拍,即可实现高精度2-D DOA估计。

动态背景下的稀疏光流目标提取与跟踪

目的针对背景和摄像机同时运动情况下的运动目标提取与跟踪,提出一种基于稀疏光流的目标提取与跟踪新方法。方法首先,利用金字塔LK光流法生成光流图像匹配相邻两幅图像的特征点,依据光流图像中的位移、方向等光流信息初步划分背景和前景目标的特征点;然后利用中心迭代法去除不属于目标运动区域的噪声特征点;最后,通过前N帧图像目标特征点的最大交集得到属于目标的稳定特征点并在后续帧中进行跟踪。对于后续跟踪图像中存在的遮挡问题,引入了一个基于特征点的遮挡系数,运用Kalman预估算法得到目标位置的预测,并且在目标重新出现时能够迅速定位目标。结果与已有的光流匹配算法相比,本文算法的目标特征点误检率降低了10%左右,成功跟踪率达到97%;引入预估器使得本文算法对有遮挡运动目标也能够实现准确跟踪和定位。结论本文算法对复杂动态背景下无遮挡和有遮挡的持续运动目标跟踪均具有准确识别定位性能,满足实时要求,适用于缓慢或者快速移动的运动场景目标提取和目标跟踪。