基于AT89C2051单片机的指脉检测系统的研究

利用51系列单片机开发指脉采集系统,以实现对社区或医院住院病人等的脉搏数据采集、存储、报警等功能。该系统采用低功耗的AT89C2051单片机作为处理器,利用计时中断的方法计算脉搏信号的频率,结合液晶显示器显示测量结果。该系统具成本低,实用性强等特点。有较好的市场前景,符合便携式数字化医疗器械的发展需求。

基于混合优化算法的医学图像配准方法

基于互信息的图像配准算法计算复杂度高,配准速度慢。针对这一问题,本文提出一种基于改进遗传算法和Powell算法相结合的医学图像配准方法。首先针对传统遗传算法收敛速度慢、易早熟的缺陷,本文对遗传操作中的交叉运算过程提出了改进策略,并将改进的遗传算法与Powell算法相结合,充分利用遗传算法的全局搜索能力与Powell算法的局部搜索能力。与Powell算法和未改进的遗传算法相比,本文提出的算法极大地缩短了图像配准所用的时间,同时提高了算法的抗噪性。

应用ROC曲线优选模式分类算法

不同模式分类算法具有性能各异的特征参数及识别效果,至今缺乏普适的评估和优选方法．文中尝试将临床诊断受试者操作特性(receiver operation characteristic,ROC)曲线应用于人工神经网络(artificial neural network,ANN)的参数优化与支持矢量机(support vector machine,SVM)的性能比较．试用结果表明,ROC曲线能兼顾灵敏度和特异性要求以综合评价分类器的识别性能；ROC曲线下面积作为量化指标可以直观有效地帮助优选分类阈值和比较不同分类器的性能优劣,值得推广应用于各种模式分类算法的科学实践．

独立分量分析在乳腺钼靶X片感兴趣区域提取中的应用

为乳腺癌早期诊断和乳腺X线影像微钙化点计算机辅助检测的前期预处理,本研究提出基于独立分量分析(ICA)的自动提取新算法并且将其应用于乳腺图像感兴趣区域的自动提取。其具体思路是:(1)将乳腺区域图像提取成等大的子图像作为待测乳腺图像感兴趣区域;(2)将ICA应用于乳腺图像感兴趣区域得到基图像;(3)将待识别乳腺图像感兴趣区域在基图像所构成的子空间进行投影求得待测乳腺图像感兴趣区域的特征矢量;(4)用人工神经网络分类方法进行乳腺图像感兴趣区域的模式判别。对临床实际病例的试验结果表明,该方法的检出率为91%,与同类研究检出率相当。本研究方法简单有效,并具有较高的智能性,为ROI的自动提取提供了新的研究思路。

使用遗传算法的乳腺微钙化点特征优化

乳腺微钙化点包含众多属性,由于其中存在的冗余和不相关属性降低了微钙化点病变类型判别的性能。因此,特征子集选择问题成为微钙化点病变类型识别中的重要问题。该文针对传统优化方法用于特征选择的种种缺陷,提出了基于遗传算法的特征子集选择测算法。经乳腺微钙化点特征选择实例分析,证明该方法拥有较强的并行性和寻优能力,在特征选择领域有广阔的应用前景。

睡眠脑电信号的非线性动力学分析

睡眠与健康、工作、学习等之间的关系甚为密切。由于脑电(EEG)是描述睡眠过程中最显著和最直观的信号,所以睡眠脑电是研究睡眠的重要且有用的工具。其中睡眠分期研究对评估睡眠质量重要。由于脑电活动自身的复杂性,因此采用非线性方法处理会有比较好的结果。本文简单介绍了睡眠与脑电的关系,重点介绍了几种非线性动力学方法,包括李亚普诺指数、复杂度、相关维数、近似熵等,并介绍了它们对睡眠脑电信号进行特征处理的情况,发现在不同的睡眠期,计算出的结果呈现一定的变化规律。

基于多分辨率分析的心率变异性分析

目的:心率变异性蕴藏了大量有关心血管调节的信息,可作为定量反映自主神经功能及其对心血管的调控作用和反映心脏活动正常与否的重要指标之一。因此,主要研究了几种常用的心率变异性分析方法。方法:本论文应用多分辨率分析方法对HRV信号进行6尺度分解,计算小波系数的能量及其在各频段的分布,对cd3～cd6频段的能量进行分析比较。结果:充血性心衰患者各频段能量均值比正常人都要低,能量分别主要集中在高频段和低频段的偏低频部分,且两组的能量差异更为明显,与频域分析结果相比更为精确。结论:要得到带有普遍规律的实验结果,需要对不同的分析方法进行不断地改进和优化,并进行大量的研究工作。

重症监护室患者病情预测方法研究进展

重症监护室(intensive care unit,ICU)患者病情预测对帮助医生制定医疗方案、配置医疗资源、评估医疗效果具有重要意义。本文从临床和机器学习两个领域介绍了国内外ICU患者病情预测方法的研究和应用进展,主要包括急性生理和慢性健康状况评分(acute physiology and chronic health evaluation,APACHE)、简明急性生理功能评分(simplified acute physiology score,SAPS)、逻辑回归、贝叶斯、人工神经网络、支持向量机(support vector machine,SVM)和Adaboost等方法,分析了各种方法的预测模型、预测结果和不足,并对ICU患者病情预测方法的未来发展趋势进行展望。

基于卷积神经网络和图像显著性的心脏CT图像分割

目的心脏医学影像中,感兴趣部分的提取与分割是诊断心脏病变部位的关键。由于心脏舒张、收缩以及血液的流动,心脏CT图像易出现弱边界、伪影,传统分割算法易产生过度分割的情况。为此,提出一种基于卷积神经网络和图像显著性的心脏CT图像分割方法。方法采用卷积神经网络对目标区域进行定位,滤除肋骨、肌肉等造影对比不明显部分,截取出感兴趣区域,结合感兴趣区域的对比度计算并提高感兴趣区域的心脏组织的显著值。通过获得的显著值图像截取心脏图像,并与区域生长算法的分割结果进行对比。最后使用泰州人民医院11例患者的影像数据对算法模型进行训练和测试,随机选择9例用于训练,剩余2例用于测试。结果所提算法模型在心底、心中、心尖3个心脏分段的分割正确率分别达到了92.79%、92.79%、94.11%,均优于基于区域生长的分割方法。结论基于卷积神经网络和图像显著性的分割方法能够准确获取心脏的外围轮廓,轮廓边缘更加平滑,完全能够满足CT图像序列的心脏全自动分割任务需求,分割后的图像更有利于医生对患者心脏健康状况和病变部位的观察。

医疗仪器产业现状及存在问题探讨

医疗仪器在现代医疗中发挥着越来越重要的作用,在检测、治疗方面有效地辅助医生做出判断。医疗仪器是一个朝阳行业,吸引世界各国投入大量的精力研究,与之而来的是医疗仪器水平的迅猛发展。但是,随着医疗仪器的广泛使用,由医疗仪器的不正确操作而导致的检测和治疗失误的比例也在增大。本文从国内外医疗器械产业发展的现状入手,简叙了我国现阶段卫生领域的发展现状,最后就如何保证医疗仪器正确、有效地使用,发挥其应有作用提出几点意见。

基于心电信号的身份识别方法研究进展

随着人们对信息安全和可靠性的要求日益提高,生物特征识别技术成为信息安全领域中一个重要的研究课题。近年来,由于传统生物特征识别技术正在遭遇伪造、仿制生物特征的挑战,使得基于心电信号的身份识别技术成为一个热门研究领域。自心电信号被作为新的生物特征用于身份识别以来,其研究方法从复杂到简单,本文对其发展史、研究现状以及应用进行了概括。通过心电信号识别个体的方法是可行的,且有其防伪性高的独特优势,但距在实际中广泛应用尚有一段距离。

基于空间连续性的4DCT图像排序算法研究

4DCT图像应用于肿瘤的放线治疗中,能够在全呼吸周期中定位肿瘤的运动,同时有效地减少运动伪影的产生。目前,4DCT在临床应用中需要依靠外部呼吸信号检测装置提供呼吸信号运动信息。本文提出了一种4DCT自动图像排序算法,不需要外部呼吸监测装置,在Cine扫描模式下采集图像数据,从第一个床位开始,利用空间连续性特征,寻找相邻床位之间呼吸相位相同的图像,将其归入相应的图像集合中,以此类推,直到全部床位的图像都归入到相应相位的图像集合中,构成4DCT重建所需要的图像数据集合。本文的算法应用于呼吸体模数据和临床图像数据,观察三维重建图像和冠状面重组图像。对比单独使用的三维重建算法,本算法较好地消除了呼吸运动伪影,能够清楚观察到模拟肿瘤的运动和器官在呼吸运动过程中的变化情况。

基于Gabor变换特征选择的ECG心拍分类

为了解决小波变换法不能有效地提取心拍的局部特征,甚至丢失一些关键特征的问题,该文基于类内类间距离和准确性准则,分别采用顺序浮动前向搜索(SFFS)法和单独最优特征组合法对心拍信号的Gabor变换系数的实部选择。选出的系数与RR间期一起组成最近邻分类器的输入特征向量。数据集来自MIT-BI H(MassachusettesInstitute of Technology-Boston s Beth Israel Hospital)心电数据库的8种类型的心拍。实验结果表明,基于准确性准则和SFFS法即封装法的心拍分类方法准确性最高,为98.65%,仅需利用15个Gabor变换系数,有利于提高分类速度。该方法是一种更有效的心拍分类方法。