基于图神经网络的自闭症辅助诊断研究综述

自闭症谱系障碍是一种复杂的神经系统发展障碍疾病,截至目前其病因尚不明确。图神经网络作为非欧几里得空间深度学习的重要分支,在处理图结构数据的相关任务中取得优异表现,为医学领域的成像和非成像模式的集成提供了可能,因此利用图神经网络进行自闭症等脑部疾病神经成像诊断逐渐成为研究热点。阐述传统机器学习方法在自闭症疾病预测中应用,介绍图神经网络的基本分类,按照图中节点与边关系的建模方法,从基于人群图和基于个体图两个角度对图神经网络在自闭症辅助诊断中的应用进行梳理和分析,并归纳现有诊断方法的优劣势。根据目前基于图神经网络的自闭症神经成像诊断的研究现状,总结了脑神经科学领域辅助诊断技术面临的主要挑战和未来研究方向,对于自闭症等脑部疾病辅助诊断的进一步研究具有指导意义和参考价值。     

卷积神经网络诊断阿尔兹海默症的方法

针对阿尔兹海默症（AD）通常会导致海马体区域萎缩的现象,提出一种使用卷积神经网络（CNN）对脑部磁共振成像（MRI）的海马体区域进行AD识别的方法。测试数据来自ADNI数据库提供的188位患者和229位正常人的脑部MRI图像。首先,将所有脑图像进行颅骨剥离,并配准到标准模板;其次,使用线性回归进行脑部萎缩的年龄矫正;然后,经过预处理后,从每个对象的3D脑图像的海马体区域提取出多幅2.5D的图像;最后,使用CNN对这些图像进行训练和识别,将同一个对象的图像识别结果用于对该对象的联合诊断。通过多次十折交叉验证方式进行实验,实验结果表明所提方法的平均识别准确率达到88.02%。与堆叠自动编码器（SAE）方法进行比较,比较结果表明,所提方法在仅使用MRI进行诊断的情况下效果比SAE方法有较大提高。     

基于3D卷积神经网络的无参考视频质量评价

无参考视频质量评价（NR-VQA)在无法获得原始高质量视频参照的前提下,对失真视频的视觉质量进行定量度量.常规NR-VQA方法通常针对特定失真类型设计,或者与人的主观感受存在偏差.首次将3D深度卷积神经网络（3D-CNN)引入到了视频质量评价中,提出了一种基于3D-CNN的无参考视频质量评价方法,可以适用于非特定失真类型的NR-VQA.首先,通过3D块来有效学习和表征视频内容的时空特征.其次,对常规的3D卷积网络模型进行改进,使其适用于视频质量评价的任务.实验结果表明,所提出的方法在多种失真类型和多个测试指标上,与人的主观感知一致性较高.作为无参考视频质量评价方法,其性能与许多全参考评价方法具有可比性,同时比主流的NR-VQA方法具有更快的运行速度,这使得所提模型在实际中具有更好的应用前景.     

计算机辅助诊断算法平台

针对计算机辅助诊断系统已成为制约医疗器械硬件发展的关键因素,提出一个医学影像辅助诊断算法平台（Computer Aided Diagnosis Algorithm Platform,CADAP）,帮助研发人员高效、便捷地开发面向人体多种疾病的计算机辅助诊断系统．平台集成医学影像三维可视化、图像增强、图像分割、ROI（Regionof Interest）检测、特征提取与分类等关键算法,并引入工作流技术,采用组件与多层体系结构建立一个算法流程可以动态管理和复用的算法平台．     

医用内窥镜图像计算机辅助诊断研究进展

内窥镜作为一种重要的医学诊断工具,广泛地应用于多种疾病的诊断和筛查。随着电子内窥镜的广泛应用,基于图像处理技术的计算机辅助诊断算法不断地涌现。就应用于医用内窥镜图像的计算机辅助诊断研究进展予以综述,分别总结了基于人选特征和基于卷积神经网络的内窥镜图像分析方法,最后分析了两类方法在处理内窥镜图像时的优势与缺点。     

采用伪3D卷积网络的脑部MRI图像超分辨率重建

针对现有深度学习医学图像超分辨率重建算法因网络参数量大导致计算复杂度过高、网络难以训练的问题,提出一种采用伪3D卷积的轻量级密集残差连接3D卷积神经网络(P3DSRNet)模型.首先利用密集残差块拓宽残差块中卷积层的通道,将更多的特征信息传送到激活函数,使网络中浅层图像特征更容易地传播到高层,增强医学图像超分辨率的表达...     

基于3D-PCANet的阿尔兹海默病辅助诊断

深度学习在医疗辅助诊断上发挥着越来越重要的作用。然而,深度学习在辅助诊断的过程中,常常会遇到数据标签不足的问题。研究了以非监督深度学习的思想来解决数据标签不足的问题,提出了一种非监督学习方法——3D-PCANet,以对阿尔兹海默病症的MRI图像进行计算机的辅助诊断。该方法使用三维的MRI图像作为数据源。实验结果显示,3D-PCANet算法在阿尔兹海默病诊断中实现了良好的分类效果。     

基于多级特征和全局上下文的纵膈淋巴结分割算法

针对纵膈淋巴结尺度差异大、正负样本不均衡、软组织和肺肿瘤易混淆的问题,提出一个新颖的用于纵膈淋巴结分割的多级特征和全局上下文分割网络.为了解决纵膈淋巴结正负样本不均衡、与纵膈器官和软组织相似的问题,通过医学先验提取纵膈间隙,减少了纵膈器官干扰.为了解决肿大纵膈淋巴结与肺肿瘤相似、淋巴结出现区域分散的问题,设计了全局上下...     

基于独立成分分析功能连接的抑郁症分类研究*

已有的功能连接研究大多根据脑图谱构建全脑功能连接,但目前可选用的脑图谱种类有限且采用不同脑图谱的分析结果可能存在一定的差异。针对上述问题,利用独立成分分析方法研究了抑郁症辅助诊断问题。首先利用组独立成分分析提取独立成分并构建全脑功能连接网络,然后采用BoostFS(Boosting Feature Selection)方法进行特征选择,最后应用多元模式分析方法对20名抑郁症患者和21名健康被试进行分类。实验分类准确率达到95.12%,错分了一名抑郁症患者和一名健康被试。进一步分析表明,具有较强分辨能力的脑网络为感觉运动网络、默认网络和视觉网络,与已有基于脑图谱的研究结果基本一致,从而说明了基于独立成分分析方法的合理性,使其可能成为抑郁症辅助诊断的一种新方法。     

核独立成分分析在fMRI数据中的应用

介绍了一种全新的功能核磁共振数据（fMRI）分析方法即核独立成分分析方法,它是核方法与典型相关分析方法的综合运用。将Bach和Jordan提出的核独立成分分析方法应用于功能核磁共振成像数据分析,并基于实验所得的时间序列与参考函数的相关系数的大小,比较了该方法与经典的成分分析方法-主成分分析（PCA）方法与快速不动点算法（FastICA）的实验结果。结果表明,对fMRI数据而言,核独立成分分析方法和FastICA算法要优于PCA算法。     

基于多遗传算法的BP神经网络人脸识别

人脸识别应用十分广泛,在实际问题中较高的识别率十分重要,其中BP神经网络模型广泛用于人脸识别.然而在现实应用中,BP神经网络结构和权值阈值的选取往往依靠经验值,这使得BP神经网络存在容易陷入局部最优和收敛速度慢等问题。针对该问题,提出了一种基于多遗传算法优化BP神经网络结构和权值阈值的人脸识别方法。利用主成分分析算法对人脸图像进行降维,快速独立成分分析算法对人脸图像进行特征提取,以组合算法的方式使得处理后的人脸图像特征更加明显。通过第一层遗传算法优化BP神经网络的结构,第二层遗传算法优化BP神经网络的权值阈值,以此解决BP神经网络陷入局部最优和收敛速度慢等问题。基于ORL人脸库进行仿真验证,实验结果表明该算法具有较高的识别率。     

核磁共振图像重构的即插即用算法

为解决核磁共振图像重构中由于欠采样导致的重构图像质量较低的问题,提出了一种基于凸-非凸稀疏正则和即插即用近似点梯度下降的核磁共振图像重构算法。首先给出了凸-非凸稀疏正则的近似点算子。然后基于该近似点算子提出近似点梯度下降算法。最后将上述算法中的近似点算子用某种合适的去噪器（如神经网络去噪器）替换,得到即插即用近似点梯度下降算法,并将其应用到核磁共振图像重构上。数值实验中,分别用不同的待重构图像、采样模板和去噪器进行对比实验,实验结果表明,所提算法在使用神经网络去噪器时,峰值信噪比较已有算法提升了6.26 dB。同时视觉效果也得到了显著的提升,在处理边缘和纹路方面效果都更加明显,从而验证了算法的有效性。     

A novel method for spatio-temporal pattern analysis of brain fMRI data

1 Introduction Functional magnetic resonance imaging (fMRI) is a non-invasive brain imaging technique which has been utilized in brain function researches since the early 1990s[1]. However, it is often difficult to do analysis in fMRI data because of the low signal to noise ratio (SNR) (about 2%—4% with 1.5T magnetic field strength) and the delay within the true neural activity and the stimuli-induced signal dynamic responses. The prevalent methods applied to fMRI data could be divided i…     

多成分正则化约束的断层图像重建算法

压缩感知理论为低采样率下稀疏性信号的高质量重建提供理论基础和广泛的应用前景,然而现有大部分研究通常假设原始图像是分段光滑的,不适用于纹理丰富的图像。基于多成分分析理论将原始图像分为卡通和纹理两部分,并且利用各成分在不同变换下稀疏的性质,提出一种多成分正则化的断层图像重建模型。采用分裂Bregman方法将多正则项解耦合,分解成最小二乘问题和去噪问题求解,提出该模型的交替迭代算法。对MRI和CT图像进行仿真实验,并同新近的多种算法进行比较。实验结果表明,该模型能够较好地保持图像纹理等中小尺度信息,收敛速度快。     

遗传BP网络在模拟电路故障诊断的应用

分析了传统BP型神经网络在模拟电路故障诊断中应用所存在的缺点,提出了解决办法。利用遗传算法优化BP网络的结构和具体的参数,可以避免靠经验和试验确定参数的弊端,能够提高神经网络用于模拟电路故障诊断的智能性,改善故障诊断的精度、速度。     

功能磁共振成像与脑电的融合及其应用

作为当今医学影像技术研究中的热点问题之一,多模态医学影像融合技术的研究及其研究成果,对认知科学的研究和临床治疗有着重要的意义.提出了一种基于独立分量分析(ICA)的fMRI受限等效偶极子模型(简称FC-ECD)来解决fMRI与EEG的融合问题.方法首先利用ICA,剔除原始信号中的噪声,提取有效ERP成分(同时可以对偶极子的数量进行估计);然后基于理想4层头模型,利用fMRI激活点的空间信息作为限制条件,对提取出的ERP成分进行精确的定位,从而减少了计算量并取得了很好的效果;然后,通过仿真实验的结果验证了方     

功能磁共振图像处理的ICA方法综述

能够进行无损伤探测的功能核磁共振成像(functional magnetic resonance imaging，fMRI)技术使人们又多了一种研究神经活动的有力工具，但传统的数据分析方法还不能很好地揭示fMRI数据中所包含的丰富信息，而独立分量分析(indepenctent component analysis，ICA)作为一种新近出现的数据处理方法，则不仅可以从fMRI数据分析中得出一些传统方法所未发现的结果，并且这种方法不需要传统方法的那种预先假设的先验模型，只依赖于数据本身即可提取其中所包含的信息。为了使人们对这一技术有一概略了解，首先对ICA方法的基本原理及其在fMRI数据处理中的应用进行了综述，并针对不同特点的fMRI数据详细讨论了如何选择不同的算法；然后ICA方法与传统方法相比存在的优越性进行了介绍，最后提出了此方法当前存在的一些问题及处理思路，并展望了其在fMRI数据处理中的发展趋势，可以认为，ICA是一种很有发展潜力的功能磁共振数据处理新方法。     

基于改进PSO优化PNN网络的变压器故障诊断方法

根据变压器产生故障时特征气体和故障类型的非线性关系,结合油中溶解气体分析方法,采用了基于改进粒子群-概率神经网络(PNN)的故障诊断方法.针对PNN网络平滑因子按照经验选取的不足,以及使用粒子群优化(PSO)该参数时搜索精度低、容易早熟收敛等缺点,改进粒子群引入遗传算法的变异操作,并在迭代中对惯性权重动态调整和加速因子的线性变化,并用于训练PNN神经网络平滑因子集合;然后将改进PSO-PNN神经网络应用于变压器故障诊断中,通过诊断测试验证了该方法的有效性.