简介：为了克服图像模式识别中的噪声干扰,提出了一种具有感知功能的蚁群算法获得最终检测的边缘信息。改降低了迭代的游走以及初始随机分布里面一些没有意义的运算,使系统运算更加快捷,极大的提高了运算的效率。同时使用感知区域对蚂蚁的游走方向进行了引导和限制,降低了蚂蚁陷入局部而无法走出的可能性。通过对比两种算法进行仿真实验时的运行速度可以发现传统蚁群算法的速度比SACO慢很多。

简介：小世界是一种以较低的连接和能量成本实现高效的信息分离与整合的网络结构,而人脑网络具有显著的小世界特性。在弥散张量成像（diffusiontensorimaging,DTI）脑网络的研究中,如何有效地量化和评估网络的小世界属性依然是研究中存在的一个关键问题。在研究文中,我们首先概括了已有小世界属性评估指标及其存在的问题,随后提出了一种新的基于网络全局效率和局部效率的小世界属性评估指标。为了验证该指标的有效性,我们基于75个中老年人的DTI脑网络对其进行了应用与评估。与传统指标相比,该指标对研究对象的年龄变化更敏感,并与多项认知评估量表的结果存在显著相关。网络节点随机化和网络失连接这两种攻击测试的结果也表明,新指标在DTI脑网络的研究中具有较高的准确性和稳定性。

简介：深度学习算法现在已经成为医学图像处理的最成功的模型,生成对抗网络将神经网络与对抗训练的思想相结合,已经开始应用于医学图像处理。该文主要介绍了几种典型的生成对抗网络,回顾了生成对抗网络在医学图像处理中的应用,包括图像的生成、转换、重建、分割等任务,并对生成对抗网络在智能诊断中的作用、目前存在的问题和未来的发展方向做了讨论。

简介：目的:通过对志愿者观看3D影片之后的脑电信号进行主成分分析,选取最能代表立体视觉疲劳度的主成分,运用BP神经网络对疲劳等级进行建模,提高对疲劳度等级的预测准确度。方法:采集15名志愿者观看五部不同3D影片前后的脑电信号,先对脑电信号进行疲劳度分级并选取特征通道;再对特征通道的脑电信号进行主成分分析选取影响最大的特征主成分,利用BP神经网络进行建模,根据建立的模型对立体视觉引起的疲劳等级进行预测,将预测结果与已知的疲劳等级进行对比。结果:根据文献中的疲劳等级将实验结果分成三个等级;据累计贡献率超过90%选取的前四个主成分建立的预测模型,准确度达95.4%。结论:运用主成分分析和BP神经网络的方法对立体视觉疲劳度进行预测,预测准确度较高,与直接根据脑电特征参数建立模型的方式相比简便和准确,这一方法对立体视觉引起的疲劳度分级及预测提供了新的思路。

简介：目的探索Cookgas和Fastrach插管型喉罩联合光索在预测重度困难气道管理中的应用,为临床处理重度困难气道管理的问题提供依据。方法本院选择于2016年1月至2016年12月接受治疗的预测重度困难气道患者104例作为观察对象,按数字表法分为Cookgas插管型喉罩联合光索组(CILA组)和Fastrach插管型喉罩联合光索组(FT-LMA组),每组52例,并对两组患者的临床资料、手术之前的困难气道评估及声门的暴露情况进行分析。结果两组一般临床资料(年龄、性别、体重及身高)相比的差异没有统计学意义(t=1.562,P=0.092;χ^2=1.448,P=0.104;t=1.520,P=0.081;t=1.604,P=0.095)。CILA组的张口度明显小于FT-LMA组,并且差异具有统计学意义(t=3.935,P=0.002);CILA组的Mallampti分级Ⅲ级之上的例数明显多于FT-LMA组,并且差异具有统计学意义(χ^2=4.852,P=0.004);CILA组的预测困难面罩通气例数明显多于FT-LMA组,并且差异具有统计学意义(χ^2=4.276,P=0.001)。CILA组4级声门的暴露例数显著低于FT-LMA组,且差异有统计学意义(χ^2=4.921,p=0.003)。结论应用CILA和FT-LMA在预测重度困难气道管理中具有高效安全的功效,CILA插管的成功率更高,操作更为便捷,具有较高的临床应用价值。