结直肠癌肿瘤标志物多分割点设置算法

为了提高诊断正确率,大量医学研究探讨肿瘤标志物正常值与非正常值的合适划分,即确定分割点。本文提出了一种肿瘤标志物多分割点设置算法,旨在提高诊断正确率。通过正交实验和缩小搜索空间的方法,进一步提高了诊断正确率和优化收敛速度。该算法在结直肠癌实际诊断数据中的应用效果表明它能有效地提高诊断正确率,并且优于医学上的单分割点的诊断结果。     

基于随机游走算法的CT图像肺肿瘤分割

针对CT图像肺肿瘤分割中复杂大肿瘤分割的准确性和自适应问题,提出了一种基于随机游走算法的分割方法.首先,根据图像灰度信息提取肺实质;针对大肿瘤与周围肺组织粘连的复杂情况,先提取有凹陷的肺实质,再根据肺实质先验轮廓,用曲线段形变模型修补肺实质的凹陷边界.然后,用区域生长法自动确定目标种子点和背景种子点;对于大血管与肿瘤粘连的情况,需要少量交互修改个别背景种子点.最后,用随机游走算法完成大肿瘤的分割.实验结果表明,该方法的准确性高,分割结果能够满足临床治疗效果分析和病理学研究的要求.     

基于改进差分边缘检测法的车牌字符二值化算法

针对车牌字符光照和污损的复杂特征,对车牌图象的二值化算法进行了深入的分析和研究,提出了一种基于差分边缘检测算法的改进图象二值化算法.实验结果表明,改进算法能够有效地将字符清晰地从背景中分割出来,分割速度快并且有助于提高字符识别的正确率.     

基于模糊定性趋势分析的JTC综合故障诊断方法

针对JTC(jointless track circuit)补偿电容和调谐区故障检测方法不兼容的问题,提出基于模糊定性趋势分析的JTC综合故障诊断方法,实现包括补偿电容和调谐区设备的JTC综合故障诊断。基于传输线理论分别建立JTC补偿电容与调谐区设备故障的仿真模型,以补偿电容所在位置为分割点,提取JTC无故障及补偿电容与调谐区设备分别故障时的信号曲线趋势构建知识库,通过计算实际信号与知识库中经典故障模式的匹配度得出诊断结果。结果表明:信噪比越高,诊断正确率越高,当信噪比为50dB,电阻为1Ω·km时,诊断正确率高达94.9%。相比于模拟退火算法,诊断方法具有更好的适用性和灵活性。     

改进FCMS算法及其在颅内肿瘤图像分割的研究

为了提高脑部肿瘤的磁共振成像(MRI)在肿瘤分割方面的精度和分割效率,提出了自适应阈值蚁群模糊聚类算法(TSAG_PnFCMS)。针对传统的模糊c均值聚类(FCMS)算法对噪声敏感,以及MRI图像中存在属性不同的样本点,在聚类过程中,将不同属性样本点的相关系数作为权重融入到欧氏距离的计算,提高聚类精度;针对蚁群算法容易陷入局部最优,提出一种自适应阈值蚁群算法,提高算法的全局搜索能力,将自适应阈值蚁群算法与改进的模糊聚类算法相结合,提高系统的分割精度和抗噪声性能,使得最终的分割效果达到最优。通过轮廓系数、目标函数收敛结果以及迭代时间进行实验仿真对比,表明改进算法的有效性,可见算法为颅内肿瘤图像的分割提供了可靠的技术手段。     

电话语音的多说话人分割聚类研究

为了提高电话多人语音中提取的单人语音纯度,即多说话人分割聚类处理的性能,该文在传统的分步分割聚类算法机制上增加了重分割处理,提出逐级算法增强处理机制: 在分割部分,该文提出了一种基于Bayesian信息准则的分割算法,融合基于不同距离测度检测得出的分割点提高了分割点检测率;在聚类部分提出了基于BIC和交叉似然比准则(CLR)的分层聚类算法;在重分割部分引入和改进了进化隐Markov模型算法精化分割结果.该文在美国国家标准技术局(NIST) 1998年度多说话人识别数据库上进行实验,聚类后性能"类纯度"比传统算法提高了10%.     

用于计算机辅助诊断的肺实质自动分割方法

在肺结节的计算机辅助诊断过程中,肺实质的分割是关键的步骤。传统的肺部分割方法都是基于肺实质与周围组织对X线的衰减强度不同而进行的。这些方法对正常的肺部能得到理想的结果,但当肺部存在肺结节等异常征象时,这些方法会出现错误。该文提出了一套完整肺实质分割流程,首先用阈值法和边界跟踪算法得到初始的肺部轮廓,然后提出一种新的基于计算局部二维凸包的方法对原始的肺部轮廓进行修正。该算法能将与肺部周围组织相连的肺结节包括在肺实质中,从而在肺部存在与胸膜相连的结节的情况下也能得到满意的分割结果。采用该算法对6个病人的约400张肺部CT图像进行了肺实质提取,实验结果显示:该算法对正常和异常征象的肺部CT图像进行分割的正确率均能达到83%以上,为肺结节的计算机诊断提供了良好的条件。     

基于混合隐Markov模型的红细胞计数方法

为解决红细胞的计算机自动识别问题 ,引入了混合隐 Markov模型对彩色细胞纹理进行识别 ,采用螺旋型采样方法 ,应用一维隐 Markov模型解决二维图像处理问题。选择不同的样本 ,以期望最大算法训练多个混合隐 Markov模型 ,利用它对图像进行纹理识别 ,以距离变换和分水岭算法进行分割计数。该方法在分类正确率和算法适用性上取得了比较好的结果 ,提高了制片质量。该方法对中等质量的红细胞照片进行计数能够取得 94 %以上的识别正确率。提出了对混合 Markov模型初值选取问题的一种改进算法 ,以提高计算效率和算法鲁棒性     

基于深度图像与分水岭的平面点云分割方法

根据目前点云数据分割的研究现状以及分水岭算法在图像处理中的应用,提出一种基于深度图像和分水岭算法的建筑物平面点云分割方法.该方法首先将平面点云数据生成深度图像并给像素赋予灰度值,再使用双边滤波算法进行滤波去噪,然后使用分水岭算法进行图像分割,得到分割结果后索引回原始点云数据,得到点云分割结果.为验证方法的可靠性与准确性,利用区域增长法、RANSAC算法以及欧式聚类法进行对比实验.通过对实验结果的对比分析,能有效地将不同点云面片分割出来,并且具有良好的准确度和完整度,分割结果质量较高,为点云的分割提供了新的思路与方法.     

不同肿瘤标志物检测在口腔癌等恶性肿瘤不同阶段的诊断价值

目的探讨不同肿瘤标志物在口腔等恶性肿瘤不同阶段(Ⅰ,Ⅱ,Ⅲ期)的诊断价值.方法选取病理诊断为恶性肿瘤Ⅰ期阶段患者152例、Ⅱ期阶段94例、Ⅲ期阶段90例以及健康组100例,采用生化比色法测定不同时期患者血清中TSGF的含量,放免法测定CEA,CA125,CA153,CA199,AFP,PSA的含量.结果不同的肿瘤标志物对肿瘤的敏感性不一样,其中TSGF和CA125具有广谱性;同种肿瘤标志物对于不同肿瘤的敏感性也不一样;7种肿瘤标志物联合检测在肿瘤Ⅰ,Ⅱ,Ⅲ期阶段中具有较高的敏感性,优于肿瘤标志物单独使用,差异具有统计学意义(P0.05).结论不同肿瘤标志物对于恶性肿瘤的特异性不一样,对于肿瘤不同阶段诊断的敏感性也不一样,肿瘤标志物具有相对特异性,因此,不同肿瘤标志物在不同程度上对某些肿瘤具有早期普查初筛、辅助诊断的作用;此外7种肿瘤标志物联合检测可明显提高癌症诊断的敏感性,对于复杂病情的评估和监测等具有重要价值.     

融合多尺度特征和子空间注意力的黏膜下肿瘤检测

计算机辅助检测工具可以帮助医生减少在临床检查中漏检误检的情况，从而提高诊断准确度，同时减轻医生的劳动强度。针对超声胃肠镜检查中黏膜下肿瘤的定位与分类问题，提出了一种融合多尺度特征和子空间注意力的黏膜下肿瘤检测算法(MFSA-YOLOv7t)。首先，移除小目标预测头，在保证精度下使网络轻量化；然后，基于浅层特征提出多尺度特征融合模块，提取肿瘤细节信息；其次，改进上采样结构，在保留上层信息的同时增强感受野；最后，引入子空间位置注意力模块，捕获肿瘤的位置和边界特征，进一步提升黏膜下肿瘤的检测性能。实验表明，MFSA-YOLOv7t在平均精度均值、敏感度以及准确度上分别达到97.32%，96.99%和96.24%，相比YOLOv7-tiny算法检测性能有较大的提升，分别提高了2.39%，2.75%和2.59%。MFSA-YOLOv7t为医生在临床检查中的辅助诊断提供更加可靠的肿瘤类型参考，同时为黏膜下肿瘤的检测提供了一个新的思路和研究方向。     

MRI及1H-MRS鉴别脑肿瘤术后损伤、残留及复发的临床研究

论述磁共振增强成像(MRI)和氢质子磁共振波谱分析(1H-MRS)对脑肿瘤术后诊断和鉴别诊断的精确性,鉴别肿瘤损伤、残留或复发的临床研究.     

改进萤火虫算法与小波神经网络相结合的变压器故障诊断

为了解决变压器故障诊断中诊断效率低的问题,本文对萤火虫算法(FA)进行了改进,并与小波神经网络(WNN)相结合应用于变压器故障诊断中。小波神经网络结构简单,预测精度高,收敛速度快,但是网络参数不好选择,易陷入局部最优。本文结合混沌算法、粒子群算法、可变步长的思想来改进萤火虫算法,用于优化小波神经网络的参数,再将处理后的数据带入神经网络中进行训练与诊断。实验结果表明,该算法与BP神经网络、支持向量机、小波神经网络、遗传算法改进的小波神经网络和粒子群算法改进的小波神经网络相比诊断正确率均有所提高。     

基于粒子群算法优化LVQ神经网络的应用研究

为了解决LVQ神经网络在应用时对初始权值敏感的问题,基于粒子群算法提出PSO—LVQ算法。PSO—LVQ算法利用PSO为LVQ神经网络寻找最适应的初始权值。算法的适应度函数定义为初始权值和输入样本集的平均聚集距离与最大聚集距离的变化率。该定义将输入样本集的数据分布特征作为PSO优化LVQ初始权值的依据。利用PSO-LVQ算法对乳腺癌进行诊断实验,并与其它相关算法进行比较。研究结果表明：PSO—LVQ神经网络算法在收敛性和分类准确率上都有改善和提升,乳腺癌诊断平均准确率可达95．94203％,最高可达100％,适用于乳腺癌的辅助诊断。     

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GAPSO-SVM的航空发动机典型故障诊断

针对遗传算法（GA）和粒子群优化（PSO）算法优化支持向量机（SVM）存在容易陷入局部最优解、诊断精度相对较低、鲁棒性较差的问题,提出了一种结合GA、PSO、模拟退火算法的GAPSO优化算法,利用这种算法对SVM的参数进行了优化,优化后的算法能够较好地调整算法的全局与局部搜索能力之间的平衡.通过对航空发动机典型故障的诊断研究表明,该方法不仅能够取得良好的分类效果,诊断精度高于BP神经网络、自组织神经网络、标准SVM、GA-SVM,而且有较好的鲁棒性,更适合在故障诊断中应用.     

硬件增强角速率圆锥优化算法的姿态解算精度分析及改进

在分析传统硬件增强角速率圆锥优化算法姿态解算精度的基础上,提出了一种改进的算法,对传统算法中的周期分量进行了二次优化.首先通过分析传统算法的各轴分量相对于旋转矢量变化量的真值以及理想值的误差来确定算法的姿态解算精度,然后根据经典圆锥运动建立二次优化的误差准则并推导了相应的二次优化系数,最后在不同的经典圆锥运动环境下对传统算法以及改进算法的姿态解算精度进行仿真对比.结果表明,对传统算法的姿态解算精度的分析是正确合理的,而且只需采用改进的三子样算法就可以获得与根据理想值得到的结果几乎完全一致的姿态解算精度.     

基于空间像素强度的脑瘤图像检索方法

针对脑瘤图像提出一种基于内容的检索方法. 首先采用图像膨胀算法增强脑瘤图像的感兴趣区域(ROI); 然后基于点的空间像素强度的特征提取方法, 描述脑瘤图像增强后的ROI局部特征; 最后引入聚合特征算法提高图像特征的辨别能力和压缩能力. 实验对比3种脑瘤图象检索方法的结果表明, 该算法可得到较高的检索精确度, 可实现高效、 准确的脑瘤图像检索.     

基于K2算法的属性层级结构学习研究

诊断测验所考察的属性之间往往存在某种层级关系,然而基于专家经验获得的属性层级关系易出现分歧或错误.该文将属性掌握模式作为输入,考察K2算法在不同阈值条件下学习得到属性层级结构的准确性.模拟研究和实证数据分析的结果表明:K2算法对属性层级结构的学习有较高的成功率,并且K2算法对于4种基本层级结构有不同的敏感性,其中线性型和发散型对阈值的敏感性较低,而收敛型和无结构型对于阈值的敏感性较高.