一种基于特征选择的医学图像检索方法

提出了一种基于特征选择的医学图像检索方法。考虑到医学图像的多类别特性，将分类与检索结合，采用AdaBoost方法对样本进行多次抽样，并将分类精度作为判据对特征进行选择，选取少量有利于分类的特征，同时将单特征弱分类器增强为强分类器。在检索阶段，本方法在选择后的特征子集以及类别子空间中进行检索。实验结果表明，与传统方法相比，本方法能达到较高的查准率，计算量也明显降低。     

一种用于尿沉渣图像的自适应阈值分割新方法

我们针对复杂散焦的尿沉渣图像的精细分割,首先使用小波变换和形态学处理消除散焦影响并进行图像的粗分割,然后对粗分割得到的小波变换子图像进行自适应阈值处理,结合形态学处理完成细分割,最后再采用剥离算法处理粘连重叠成分。该方法不受散焦影响,充分利用了图像的多种信息,实验结果表明,该方法对尿沉渣图像的分割有效且令人满意。     

基于贝叶斯粗糙集的肺部肿瘤CT图像高维特征选择算法

针对变精度粗糙集在高维特征选择过程中对分类错误率β的过分依赖问题,结合遗传算法提出一种基于贝叶斯粗糙集的肺部肿瘤CT图像高维特征选择算法。首先提取3000例肺部肿瘤CT图像ROI区域的104维特征构造决策信息表;然后从全局相对增益函数的角度分析属性重要度,结合属性约简长度、基因编码权值函数三者的加权和构造一个适应度函数框架,提出以此为启发式信息的属性约简算法;最后利用支持向量机进行分类识别。实验结果表明,本研究算法摆脱了阈值人工设置的束缚,并且在很大程度上提高整体性能,对肺部肿瘤计算机辅助诊断具有积极的推广价值。     

基因位点预测的一种特征选择优化算法

目的剪接位点是真核细胞生物基因序列中外显子和内含子的相邻区域,如果能准确预测基因序列中的剪接位点,就能将基因中的表达区域和非表达区域分开.方法从机器学习的角度出发,提出了一种有效的特征选择算法用于剪接位点的建模和预测.该算法首先将初始链模型中每一对父子节点作为特征量提取,然后通过遗传算法和最大后验分类器进行特征选择.结果及结论对剪接位点数据的预测结果显示,这种新算法能够有效地优化链模型的结构,提高对剪接位点的预测能力.同时,经过优化的模型也有助于了解真核细胞中基因转录和表达的过程.     

决策树特征基因选择方法对SVM有效性的研究

基因芯片新兴生物技术为从分子水平上研究疾病的发病机理和临床疾病诊断提供了强有力的手段。其中特征基因选择是疾病模式识别诊断最重要的一个环节 ,但不同的特征基因选择方法往往影响疾病模式分类方法的效能。本研究针对这一问题 ,结合结肠癌基因表达谱数据分析 ,研究了递归决策树特征基因选择集成方法EFST ,对支持向量机 (SVM )模式分类器能力的影响。主要从特征基因选择前后分类器的性能、支持向量的吻合度、错分样本标识的吻合度、对样本均匀翻倍模式分类器的稳定性的影响等四个方面研究EFST特征选择算法对支持向量机模式分类方法的影响 ,同时考察了支持向量机模式分类器的泛化能力。结果表明 :基于决策树特征基因选择算法EFST明显地提高了支持向量机模式分类的效能 ,且支持向量机模式分类器具有很强的泛化能力。     

乳腺计算机辅助诊断中DCE-MRI图像特征的选择与分析

目的比较动态对比度增强磁共振成像（dynamic contrast—enhanced magnetic resonance imaging,DCE—MRI）图像的形态、纹理和时间强度曲线（time intensity curve,TIC）特征对乳腺病灶良恶性的诊断效果,讨论DCE—MRI图像特征的计算机辅助诊断价值。方法测量224个乳腺病灶样本（良性样本82个,恶性样本142个）的12个形态学特征、56个基于灰度共生矩阵（gray level co—occurrencematrix,GLCM）的纹理特征以及11个TIC特征,采用平均平方距离准则和SVM分类器评估这三类特征的良恶性分辨能力。结果反映病灶血流动力学特性的TIC特征的分类性能最优（SE0．9366,SP0．8293,AUC0．9495）;纹理特征次之（SE0．9225,SP0．7195,AUC0．8835）;形态学特征效果最差（SE0．8451,SP0．6951,AUC0．8079）。研究发现,在上述基础上融合三类特征可优化分类性能。最终结合平滑度、紧致度、熵等9个特征参数进行诊断,对乳腺病灶良恶性的分辨效果最好,AUC达0．9642。结论DCE—MRI的TIC特征对恶性乳腺病灶具有较高的灵敏度,可以提高乳腺计算机辅助诊断的恶性病灶检出率。综合分析形态、纹理和TIC特征可以提高病灶的诊断特异度,降低良性病灶的误诊率。     

基于多模态磁共振图像特征选择的脑胶质瘤分割

脑胶质瘤分割通常需要将肿瘤区域细分为多个不同性质的子区域,往往需要使用多种不同模态的磁共振(MR)图像。近年来,基于深度学习的脑胶质瘤分割研究已成为主流。然而,大多数基于深度学习的方法只是将不同模态MR图像(或底层特征)进行通道维度堆叠后输入到分割网络中,并且在特征提取阶段忽略不同性质子区域分割时所需模态特征的差异性,导致分割性能不够精良。本研究提出一种基于多模态MR图像特征选择的两阶段分割框架进行脑胶质瘤分割。一方面,设计多模态特征选择模块并嵌入到分割网络框架中,对当前分割任务所需多模态MR图像特征进行自动提取和有效选择;另一方面,将多个不同性质的病变组织子区域分为两阶段分割任务,利用第一阶段分割任务结果提供第二阶段分割目标的定位信息。本方法和对比方法分别在BraTS2018(训练集285个患者,验证集66个患者)、BraTS2019(训练集335个患者,验证集125个患者)和BraTS2020(训练集369个患者,验证集125个患者)公开数据集上进行了实验。在BraTS2018数据集上,本方法在完整肿瘤、肿瘤核心和增强肿瘤区域的Dice相似系数分别为0.898、0.854和0.818,Hausdorff距离分别为4.072、6.179和3.763;在BraTS2019数据集上,本方法在上述3个肿瘤区域的Dice相似系数分别为0.892、0.839和0.800,Hausdorff距离分别为6.168、7.077和3.807;在BraTS2020数据集上,本方法在上述3个肿瘤区域的Dice相似系数分别为0.896、0.837和0.803,Hausdorff距离分别为6.223、7.033和4.411。对比实验结果表明,所提方法在增强肿瘤区域和肿瘤核心区域的分割性能具有明显优势,特别是增强肿瘤区域分割性能在BraTS2020数据集上最佳。基于多模态特征选择模块的两阶段分割框架,针对每阶段分割目标实现了不同模态MR图像特征的自动和充分学习,取得了理想的分割结果,为计算机辅助肿瘤诊断提供了可能的解决方案。     

基于融合多网络深层卷积特征和稀疏双关系正则化方法的乳腺癌图像分类研究

乳腺癌是全球女性癌症死亡的主要原因之一。现有诊断方法主要是医生通过乳腺癌观察组织病理学图像进行判断,不仅费时费力,而且依赖医生的专业知识和经验,使得诊断效率无法令人满意。针对以上问题,设计基于组织学图像的深度学习框架,以提高乳腺癌诊断准确性,同时减少医生的工作量。开发一个基于多网络特征融合和稀疏双关系正则化学习的分类模型:首先,通过子图像裁剪和颜色增强进行乳腺癌图像预处理;其次,使用深度学习模型中典型的3种深度卷积神经网络(InceptionV3、ResNet-50和VGG-16),提取乳腺癌病理图像的多网络深层卷积特征并进行特征融合;最后,通过利用两种关系(“样本-样本”和“特征-特征”关系)和l_F正则化,提出一种有监督的双关系正则化学习方法进行特征降维,并使用支持向量机将乳腺癌病理图像区分为4类—正常、良性、原位癌和浸润性癌。实验中,通过使用ICIAR2018公共数据集中的400张乳腺癌病理图像进行验证,获得93%的分类准确性。融合多网络深层卷积特征可以有效地捕捉丰富的图像信息,而稀疏双关系正则化学习可以有效降低特征冗余并减少噪声干扰,有效地提高模型的分类性能。     

基于SVM-RFE-SFS的基因选择方法

基因微阵列数据通常包含大量与肿瘤分类无关的数据,会严重降低肿瘤诊断的准确率;基因微阵列数据还存在小样本、高维度的问题,也增加了肿瘤诊断的难度,所以必须对其进行基因选择。提出一种新的基于支持向量机(SVM)、联合递归特征去除(RFE)和序列前向选择(SFS)的基因选择方法。首先利用SVM计算每个基因的排序准则分数,再利用排序准则分数的一阶差分把基因划分为若干小组;对排序准则分数值最小的基因小组进行递归特征去除,消去噪声基因,同时对排序准则分数值最大的基因小组进行序列前向选择,选取有效信息基因。对白血病、结肠癌、乳腺癌基因微阵列数据的实验结果表明,所提出的方法运行效率高、分类性能好。     

四种模式分类方法应用于基因表达谱分析的比较研究

利用基因表达谱数据借助于模式分类的方法识别癌症等疾病的类型及不同亚型是DNA芯片技术的一个应用方面。在这篇文章中，我们研究比较了在不同的特征基因选择方法的情况下，Fisher线性判别，Logit非线性判别，最小距离和K-最近邻四种模式分类方法对疾病分型效能的影响及四种模式分类方法的泛化能力，同时研究了在样本构成变化的情况下，模式分类方法的稳定性。结果发现：运用t检验法和分类树选择的特征基因，明显优于随机选择的基因在四种不同的分类器中分类效果；四种分类器中，K最近邻分类器的分类效能最优；基于最小距离的分类器和K最近邻分类器有较强的泛化能力；四种模式分类对样本构成的变化呈较好的稳定性。     

一种基于组合分割思想的尿沉渣图像分割新方法

本研究针对复杂散焦的尿沉渣图像的精细分割,提出了首先使用小波变换和形态学处理消除散焦影响并进行图像的粗分割,然后根据粗分割得到的子图像的情况采用边缘检测或者自适应阈值分割的混合分割方法进行细分割,最后再采用剥离算法处理待分割的粘连重叠成分的分割。该方法不受散焦影响,充分利用了图像的多种信息,因此分割结果准确。实验结果表明,该方法对尿沉渣图像的分割有效且令人满意。     

不同尿沉渣检测方法在检测尿红细胞形态及参数中的价值分析

目的 探究全自动尿沉渣分析仪联合尿干化学分析法在尿沉渣检测中的价值.方法 随机选取118份从住院患者处收集的血尿样本,根据临床诊断结果将其分为肾小球疾病组(肾小球性血尿组,n =72)及非肾小球疾病组(非肾小球性血尿组,n=46).比较两组血尿样本尿平均红细胞体积(MCV)、尿平均红细胞血红蛋白(MCH)水平差异.每份尿样均分为2管(15mL/管),分别予以显微镜人工镜检法及全自动尿沉渣分析仪+尿干化学检测法检测(尿液收集后2h内完成).记录两种检测方法的尿红细胞(RBC)阳性检出率;以临床诊断结果为依据评估其尿RBC形态参数测定结果差异.结果 肾小球性血尿组患者尿MCV、尿MCH水平均明显低于非肾小球性血尿组患者,差异有统计学意义(P＜0.05).118份血尿样本经全自动尿沉渣分析仪+尿干化学检测法测得尿RBC阳性率为76.3％ (90/118),显微镜人工镜检法测得尿RBC阳性率75.4％ (89/118);两组尿RBC阳性检出率比较,差异无统计学意义(P＞0.05).显微镜人工镜检法鉴别灵敏度为97.2％(70/72)、特异性为84.8％ (39/46);全自动尿沉渣分析仪+尿干化学检测法鉴别灵敏度为94.4％ (68/72)、特异性为80.4％(37/46),两种方法灵敏度及特异性比较,差异无统计学意义(P均＞0.05).结论 全自动尿沉渣分析仪+尿干化学检测法对血尿来源的定位诊断准确性较高且操作性强,临床可将其作为一种可行性途径,为后续治疗工作的顺利开展提供依据.     

解决空域控制问题时的遗传算法

空域控制问题就是调整可能进入一定空域的多架飞机的航向，使之在该空域内能安全恰当地飞行。作者首先给出了此问题的数学表示，并讨论了解决空域控制问题的途径及其困难，其次在给出了遗传算法的框架表示的基础上，提出了解决空域控制问题的遗传算法设计，最后给出了在一个具体空域控制问题上的遗传算法的解答并对此解答作了些讨论。     

原发性肝癌放疗后乙肝病毒再激活预测模型的特征降维分析

建立对原发性肝癌(PLC)患者精确放疗后乙肝病毒(HBV)再激活的分类预测模型可以提前进行预防治疗,减少发病率。采用山东省肿瘤医院的90例原发性肝癌患者放疗后的临床指标作为研究数据。每例患者的检查记录都包括:性别、年龄、KPS评分、AFP、HBV DNA水平、TNM等30个特征。提出用顺序特征选择进行关键特征的选取,将选取的特征组成新的特征子集,并建立贝叶斯分类预测模型。顺序后向选择发现KPS评分、HBV DNA水平、外放边界、TNM、全肝最大剂量是乙肝病毒再激活的危险因素,建立贝叶斯分类模型,结果采用3折交叉验证,预测精度达到85.75%。顺序前向选择发现性别、KPS评分、HBV DNA水平、HBeAg、外放边界两分类编码是乙肝病毒再激活的危险因素,5折交叉验证下的贝叶斯分类预测精度达到84.06%。实验结果表明,贝叶斯分类器可以很好地用于乙肝病毒再激活的研究,特征选择后的关键特征具有更优越的分类性能。     

改进的遗传模糊聚类算法及其在MR脑组织分割中的应用

为提高MR图像中脑组织分割的精度,针对目前遗传模糊聚类算法存在的问题,提出了改进的遗传模糊聚类算法。首先,通过完全改变遗传算法的编码方式、变异方式和交叉方式,对现有遗传算法进行改进,从而使遗传算法能获得最小的适应度函数值;然后,结合模糊聚类算法,最终得到改进的遗传模糊聚类算法。将改进的遗传模糊聚类算法应用于MR脑图像的分割,结果表明,改进的遗传模糊聚类算法的分割质量高于现有的遗传模糊聚类算法和快速模糊聚类算法。改进的遗传模糊聚类算法可以做为一种快速、全自动的MR脑图像分割工具。     

混合遗传算法结合时空模型评估脑电多源定位问题

脑电源定位可以归结为优化问题，非线性优化方法是解决这一问题的有力工具。本研究在时空模型的基础上，引入遗传算法，并将遗传算法与局域算法结合起来构成混合遗传算法，用来评估多偶极子源的定位问题。仿真结果表明，在多偶极子定位问题上，遗传算法和混合遗传算法的运算性能要优于传统的非线性局域优化方法，当偶极子数目为2时，混合遗传算法的定位结果要好于遗传算法的定位结果；当偶极子数目为3时，遗传算法与混合遗传算法的运算性能相差不大。     

遗传算法在放射治疗计划射野参数优化中的应用

随着调强放疗和逆向治疗计划的发展,在放射治疗中如何自动选择射野参数受到广泛的关注,由于遗传算法具有搜索速度快,搜索空间广的特点,在放射治疗计划参数优化中得到了越来越多的应用,本文在积极跟踪国内外最新文献的基础上对常规优化算法的优缺点进行了比较,并重点介绍和讨论了遗传算法在优化射野参数方面的应用和发展.     

应用改进的遗传算法拟合麻风年龄患病概率的两极催化模型

作者运用改进的遗传算法，拟合了扬州地区１９８５年的麻风年龄患病概率的两极催化模型，并与遗传算法，文献的拟合结构进行比较。结果表明，改进的遗传算法结果较优，可望成为各类医用非线性模型辨识的有效工具。