CT三维重建对肝胆管结石成因分析及手术抉择的应用价值研究

目的研究Cr三维重建技术对肝胆管结石成因分析及手术方式选择的临床应用价值。方法以2011年1月～2011年7月本科室20例复杂肝胆管结石患者为研究对象,采集肝胆管结石患者64排螺旋CT扫描二维数据集,运用自行开发的软件一医学图像处理系统MedicalImageProcessSystem（MI~S）进行自动程序分割,将肝脏和各管道模型以STL（StandardTemplateLibrary）格式导入FreeFormModelingSystem进行三维重建;通过对三维模型的全方位,多角度,多层次观察,分析确定各部位肝内胆管结石的成因,并据此制定合理手术方案。结果三维重建所获得的肝胆模型结构清晰、立体感强,形态逼真,交互性好;通过将肝脏及胆道系统透明化处理,可直观分析各部位肝胆管结石与周围组织结构的空间位置关系,为结石成因分析及手术方式确定提供可靠依据。结论cr三维重建技术对肝胆管结石成因分析及手术方式的选择具有良好的应用价值。     

无线传感器网络能量平衡的数据汇聚路由算法

传感器的数据在传输过程中按照贪婪算法形成的数据汇聚路径中,有些节点过早地消耗完其能量,造成所谓的热点问题,引起传感器网络能量消耗的不平衡．本研究提出了一种能量平衡的数据汇聚路由算法EBGP协议．该协议依据邻居节点的剩余能量、邻居节点到Sink节点的距离以及邻居节点到源节点的距离来计算概率值,然后选择邻居节点中概率最大的一个作为数据转发节点．仿真显示EBGP协议胜过GPSR、GEAR和D-REECR协议,达到了能量平衡和能量效率的目的．     

基于原型网络的小样本脑电伪迹检测方法

正常脑电信号由于容易受到多种脑电伪迹的干扰而导致信噪比低，为了提高脑电信号的信噪比，使用一种基于度量的小样本学习模型来检测脑电信号中的伪迹，提出了一种基于原型网络的脑电伪迹识别模型(EEG Artifact Prototype Network，EAPNet)。该模型能够学习一个从EEG特征到目标空间的非线性映射，然后计算每个类原型表示的距离，并按此距离进行分类; 仅需较少数量的数据样本进行训练，就能实现对伪迹的准确识别。最后，在公开的脑电伪迹数据集TUAR(TUH EEG Artifact Corpus)中进行了伪迹识别实验，并将EAPNet模型与2个深度学习模型(EEGNet、全连接神经网络(FNN))及7个机器学习模型(高斯贝叶斯模型(Gaussian NB)、随机森林模型(RF)、逻辑回归模型(LR)、套索回归模型(Lasso)、支持向量机模型(SVM)、岭回归模型(Ridge)和最近邻算法(KNN))进行了对比实验。实验结果显示:(1)EAPNet模型是一种高效的伪迹检测方法:在2-way 1-shot、2-way 5-shot、2-way 10-shot任务中，模型的检测准确率分别为69.44%、77.21%、80.01%。(2)在所有对比模型中，EAPNet模型的识别准确率最高。