目的:探讨基于卷积神经网络（CNN）的人体行为识别在新一代院前急救中的应用。方法:从蒙特利尔跌倒视频数据集获取60份视频，按5∶1比例分为模型训练数据和评价测试数据。①数据模型训练：利用奇异值分解对图片进行清晰化处理，通过目标检测与傅里叶变换识别图片中人体的目标边界，将人体曲线描绘出来；利用OpenCv计算机视觉和机器学习软件库人体姿态估计将人体的重要部位（如臀部、膝盖）标出，计算重要部位连线与水平方向的夹角及检测框架的长宽比例，识别人体是否具有异常行为。②评价测试：从模型训练数据集中随机提取6个视频，每个视频抽取10个1帧，将每帧看成一张图片，对每帧进行CNN行为识别，计算正常行为和异常行为的识别率。结果:数据模型训练过程中，对每帧进行人为的标签化，训练CNN人体行为识别模型。评测结果显示，正常行为识别率为（90.33±3.03）%，异常行为识别率为（87.74±2.88）%。结论:在路人发生危险行为时，通过CNN识别人体行为可判断其是否处于危急状态，并及时发出预警，对院前急救起到至关重要的作用。

目的:基于可变图结构配准网络（DGRNet）模型，建立一种可实现三维点云智能配准的本体-镜像关联深度学习算法，以实现三维颜面正中矢状面的自动化构建，为口腔临床数字化设计与分析提供参考。方法:收集200例2020年10月至2022年10月就诊于北京大学口腔医学院·口腔医院修复科、正颌外科和口腔正畸科的无明显颜面畸形的牙体缺损或缺失或错 畸形患者的三维颜面数据。通过数据增强（平移和旋转）的方式获得1 200例三维颜面数据，分为训练集（800例）、验证集（200例）、测试集（200例），用于DGRNet模型训练与测试。DGRNet模型包含构造本体与镜像点云中关键点的特征向量、基于特征向量获取本体和镜像点云中关键点的对应关系，并通过奇异值分解计算旋转矩阵和平移矩阵。基于DGRNet模型实现本体点云与镜像点云的智能配准，获得本体-镜像联合点云，并采用主成分分析算法获得DGRNet模型正中矢状面。基于决定系数R 2指标对测试集平移及旋转矩阵进行模型评价，以迭代最近点（ICP）算法构建的三维颜面正中矢状面作为真值。选择上述200例临床患者中的50例数据，对DGRNet模型与ICP算法构建的三维颜面正中矢状面进行角度误差评价。 结果:基于200例三维颜面数据测试DGRNet模型旋转矩阵R 2为0.90，平移矩阵R 2为0.94。构建50例三维颜面数据正中矢状面共用时3 s，DGRNet模型与ICP算法构建的三维颜面正中矢状面角度误差为1.05°±0.56°，最小误差为0.13°，1.50°以内的准确率为78%（39/50），2.00°以内的准确率为90%（45/50）。 结论:本项研究提出的基于三维点云智能配准的DGRNet模型可构建三维颜面正中矢状面，并在一定程度上提升诊疗效率和效果。

目的:为实现从母体腹壁混合信号中提取高信噪比和波形清晰的胎儿心电信号,提出一种融合核主成分分析(kernel principal component analysis,KPCA)、快速独立成分分析(fast independent component analysis,FastICA)及奇异值分解(singular value decomposition,SVD)的胎儿心电信号提取算法.方法:首先,采用KPCA对母体心电信号进行降维,再利用改进的基于负熵的FastICA处理降维后的数据,得到独立成分.随后,引入样本熵进行信号通道选择,挑选出包含最多母体信息的信号通道.在选中的母体通道上进行SVD,得到母体心电信号的近似估计,再用腹壁源信号减去该信号得到胎儿心电的初步估计.最后,采用改进的基于负熵的FastICA成功分离出纯净的胎儿心电信号.在腹部和直接胎儿心电图数据库(Abdominal and Direct Fetal Electrocardiogram Database,ADFECGDB)和 PhysioNet 2013挑战赛数据库中对提出的算法进行验证.结果:提出的算法在主观视觉效果和客观评价指标上都表现出优越的性能.在ADFECGDB数据库中,胎儿QRS复合波检测的敏感度、阳性预测值和F1值分别为99.74％、98.85％和99.30％;在PhysioNet 2013挑战赛数据库中,胎儿QRS复合波检测的敏感度、阳性预测值和F1值分别为99.10％、97.87％和98.48％.结论:融合KPCA、FastICA及SVD的胎儿心电信号提取算法在提取胎儿心电信号的同时有效处理了附加噪声,为胎儿疾病的早期诊断提供了有力支持.

目的:探讨奇异值分解(SVD)在优化超声造影(CEUS)图像质量以及甲状腺结节微波消融(MWA)围术期CEUS评估中的应用价值.方法:收集2023年4月在武汉科技大学附属华润武钢总医院2例行甲状腺结节MWA患者其围术期的二维超声、CEUS图像数据集,根据归一化互相关算法获取基于CEUS图像进行SVD滤波处理后的造影图像,比较原始CEUS图像和SVD滤波处理后的造影图像的信噪比(SNR)及微血管密度(MVD)的差异.结果:与甲状腺结节MWA术前和术后的原始CEUS图像相比,经SVD滤波处理后的造影图像能够更清晰显示结节内血管结构且检测出更多的血流信号.术后原始CEUS图像的平均SNR为(1.07±0.66)dB,术后经SVD滤波处理后的造影图像平均SNR为(6.21±1.01)dB(t=-6.015,P=0.038).术后原始CEUS图像的平均MVD为(0.60±0.33)%,术后经SVD滤波处理后的造影图像平均MVD为(5.42±0.67)%(t=-9.076,P=0.029).术后经SVD滤波处理后的造影图像SNR、MVD,显著高于术后原始CEUS图像的SNR、MVD,其研究结果均具有统计学意义.结论:SVD滤波可有效抑制噪声并增强微血流信号,通过提升造影图像质量以用于甲状腺结节MWA围术期的精准诊断,灵敏地检测出术后残留的消融不完全区域,以指导临床医师进行更彻底地消融治疗,为精准消融疗效评估提供决策支持.

目的:基于双闭环工作路径构建闭环双向对标管理模式,提高医疗设备临床配置水平.方法:构建招标采购和临床使用的闭环双向对标管理指标体系,采用奇异值分解算法选取标杆,形成双向对标管理模式.选取2018年6月至2022年5月解放军总医院采购的357台医疗设备,包括医用电子仪器、手术室设备、医学检验仪器、生命支持设备、医学影像设备及其他医疗设备,分别采用专家论证管理模式(165台)和闭环双向对标管理模式(192台)进行设备临床配置管理,对比两种配置管理模式的医疗设备临床配置管理效果.结果:采用闭环双向对标管理模式的医用电子仪器、手术室设备、医学检验仪器、生命支持设备、医学影像设备及其他医疗设备的临床配置管理评估值分别为(0.86±0.07)、(0.87±0.05)、(0.88±0.05)、(0.84±0.07)、(0.87±0.04)和(0.85±0.05),均高于专家论证管理模式,其差异有统计学意义(t=2.564、3.228、4.641、2.719、2.774、3.490,P＜0.05);医疗设备采购失败率和管理成本增幅分别为(2.78±1.97)%和(0.98±0.70)%,低于专家论证管理模式,其差异有统计学意义(t=3.322、2.538,P＜0.05);医疗设备验收通过率和开机运转率分别为(98.10±2.68)%和(91.54±4.76)%,均高于专家论证管理模式,其差异有统计学意义(t=3.470、2.125,P＜0.05).医院设备采购及使用相关工作人员对采用闭环双向对标管理模式的医疗设备配置流程合理性、制度规范性和质量有效性满意度分别为98.75%、93.75%和100%,均高于专家论证管理模式,其差异有统计学意义(x2=5.769、4.006、6.234,P＜0.05).结论:闭环双向对标管理模式能够使配置的医疗设备更好地满足临床科室需求,最大化地应用于疾病诊疗和科研教学,提高招标采购和运行管理的规范性.

目的:为解决CT与MRI图像版权侵权与恶意破坏问题,通过结合轮廓波变换与斑点检测技术,提出一种基于轮廓波变换自动选择感兴趣区域(ROI)的双水印算法.方法:该算法通过斑点检测与奇异值分解,选取医学图像轮廓波低频域与诊断最相关的位置作为ROI,在ROI生成零水印图像用于保护图像的完整性,并将ROI生成的零水印与版权水印共同嵌入图像的非感兴趣区域.结果:该双水印算法与其他双水印算法相比,载体医学图像遭受攻击后的不可见性有很大提升,结构相似度达到94%以上.结论:斑点检测轮廓波双水印算法对常规攻击与几何攻击具有较好的鲁棒性,且对于载体医学图像视觉质量有明显提升.

目的 为从少量的低信噪比扩散加权(DW)图像中估计得到准确的扩散张量成像(DTI)量化参数,本文提出一种基于3D U-Net和DTI模型约束的扩散张量场估计网络(3D DTI-Unet).方法 3D DTI-Unet的输入为有噪声的扩散磁共振成像(dMRI)数据(包含1幅非扩散加权图像与6幅不同扩散编码方向的DW图像),通过3D U-Net网络预测得到降噪后的非扩散加权图像以及准确的扩散张量场,并通过DTI模型重建得到dMRI数据,将其与dMRI数据的真实值进行比较来优化网络,从而保证dMRI数据与扩散张量场的物理模型一致性.为验证所提方法的有效性,与Marchenko-Pastur主成分分析(MP-PCA)和基于全局指导下的局部高阶奇异值分解(GL-HOSVD)这两种扩散加权图像去噪算法进行实验对比.结果 从DW图像、扩散张量场以及DTI量化参数的定量分析结果以及视觉效果来看,所提方法均优于MP-PCA与GL-HOSVD.结论 本文所提方法能够从1幅非扩散加权图像和6幅DW图像得到准确的DTI量化参数,可减少临床采集时间,提高临床量化诊断的可靠性.

目的 低剂量投影条件下的CT图像重建.方法 采用双层K-奇异值分解(K-singular value decomposition,K-SVD)字典训练的学习方法进行图像的超分辨率重建.字典学习方法中采用K-SVD算法,稀疏编码采用正交匹配追踪(orthogonal matching pursuit,OMP)算法.该算法首先利用训练库进行第一层字典训练,然后利用第一层训练的字典对低分辨率图像进行重建.进而将重建图像作为第二层待重建图像的输入,这样使得第二层输入图像含有较多的高频细节信息,因此能在重构的过程中恢复更多的细节信息,让高分辨率重构图像达到较好的效果.结果 双层字典重建效果明显优于K-SVD算法,重建图像更接近于原始高分辨率CT图像.结论 本研究对双层字典训练学习的框架进行反迭代投影的全局优化改进,改善了图像的重建质量.

超声生物测量通常采用包络检测确定渡越时间的方法来测量眼球结构各部分长度,但常规包络法的分辨力受超声频率和仪器的限制.为突破这些限制,达到超声分辨力增强的目的,将一种基于自回归模型的超分辨力算法应用于A型超声.算法利用域变换的思想,将用奇异值分解求得的模型阶数应用于自回归模型,并将其与功率谱估计相结合对超声信号进行处理,最终得到分辨力增强的超声信号.为验证其方法可行性,分别在25、5 dB模拟回波和30 dB层靶回波的情况下进行实验,比较包络法和此算法的分辨力.结果显示,在3种不同情况下,包络法的分辨力分别为0.120、0.135和0.135 mm,而基于自回归模型的超分辨力算法分辨力分别为0.060、0.090和0.075 mm,其较包络法分辨力分别提高1.0、0.5和0.8倍.再将其应用于眼球真实回波,比较可得此算法比包络法的分辨能力强,细节测量更精准,算法真实有效,因此具有A模式生物测量的应用潜力.

光声成像结合了光学成像高光学对比度和超声成像高空间分辨率的优点.光声成像的原理是用光照射生物组织,生物组织吸收一部分能量并转化成热能,使生物组织的温度升高,引起热膨胀并产生超声波.生物组织吸收的能量正比于光子数密度和生物组织的吸收系数.光声重建的第一步是用采集到的超声波重建初始场强,第二步是分离出生物组织的光学系数(如光的吸收系数和散射系数)和声学系数(Grüneisen系数等),光声重建的第二步也称定量化光声重建.然而,定量化光声成像依然面临着很多困难,多光源光声成像已经被证明可以分离出光的吸收系数和散射系数.本文中,我们用多个点光源,从收集到的超声波中直接分离出了光的吸收系数和散射系数,并且对比了奇异值分解算法和代数迭代算法(Algebraic Reconstruction Technique,ART)两种重建算法对定量化光声成像效果的影响.结果表明,在加入噪声的情况下,ART的定量化光声成像效果更佳.