图像配准在临床医学诊断和辅助手术过程中非常重要,采用仿X光和数字减影图像的数字重建影像(DRR)设计将使医学图像配准精度和速度提高,提出用片段着色器同时生成三维渲染图像和仿X光或者数字减影图像的DRR,将复杂优化和配准计算采用并行计算语言OpenCL完成,使整个DRR图像生成和2D/3D配准交由图像处理单元GPU完成.实验结果表明,依赖仿真的X光图像或者数字减影图像配准方法可为图像引导的手术提供精确和快速的辅助作用.

目的/意义 基于真实世界数据构建预测模型,实现对2型糖尿病微血管病变的预测和早期筛查.方法/过程 以南京鼓楼医院10年间真实世界数据为资料,将检验检查结果、病历文书等纳入考量,构建基于粒子群算法优化深度置信网络的2型糖尿病微血管并发症预测模型.结果/结论 该模型能够预测2型糖尿病微血管并发症,性能优于随机森林、支持向量机基准模型,为真实世界数据疾病预测模型研究提供借鉴.

目的:为提高生命探测雷达对人体心跳、呼吸等生命信号提取、分离的准确性和实时性,提出一种基于优化变分模态分解(variational mode decomposition,VMD)的人体生命信号分离与重构方法.方法:首先,采用粒子群优化算法对VMD的参数进行优化,并将人体生命信号分解为一系列的本征模态函数(intrinsic mode function,IMF);其次,计算每个IMF的排列熵,根据排列熵阈值去除噪声,将剩余分量重构形成人体生命信号;最后,为验证提出的方法的性能,与无限脉冲响应(infinite impulse response,IIR)滤波、VMD和完全噪声辅助聚合经验模态分解(complete ensemble empirical mode decomposition with adaptive nosie,CEEMDAN)3种方法进行比较.结果:在不同噪声水平下,提出的方法在信噪比和均方根误差2项评价指标上均优于IIR滤波方法、VMD方法和CEEMDAN方法,在计算耗时上优于CEEMDAN方法.结论:提出的方法在有效滤除噪声的同时实现了对心跳、呼吸等生命信号的快速分离与重构,在烧烫伤患者、传染病患者、新生儿等特殊人群的非接触生命体征检测及灾后掩埋伤员搜救等领域具有很好的应用前景.

目的:基于粒子群优化(PSO)算法构建设备风险管理模型,探讨其在急诊科心电监护设备管理中的应用价值.方法:采用PSO算法优化神经网络模型构建心电监护设备风险管理模型,收集北京市普仁医院心电监护设备运行风险数据进行归一化处理,并将2021年11月至2023年10月北京市普仁医院急诊科在用的30台心电监护设备,按照设备管理模式不同对其分别采用反向传播(BP)神经网络模型(简称传统BP模式,设备运行时段为2021年11月至2022年10月)和PSO算法的设备风险管理模型(简称PSO算法模式,设备运行时段为2022年11月至2023年10月)进行管理,比较两种管理模型设备风险故障识别效果(测试集与训练集)、警报风险控制效果和设备故障维修诊断用时.结果:采用PSO算法的测试集风险故障数据识别受试者工作特征(ROC)曲线下面积(AUC)值、准确率、灵敏度和特异度分别为0.869、93.6%、92.8%和95.1%,训练集风险故障数据识别AUC值、准确率、灵敏度和特异度分别为0.839、95.6%、97.9%和96.7%,均高于传统BP模式,差异有统计学意义(x2测试=3.691、4.023、3.557、3.409,x2训练=6.884、5.962、5.334、3.215;P＜0.05).采用PSO算法的心电监护设备警报阈值合格率和设备维护平均合格率分别为(98.61±3.07)%和(98.79±3.11)%,均高于传统BP模式,警报静音率为(1.14±0.27)%,低于传统BP模式,差异均有统计学意义(Z=11.831、10.020、21.141,P＜0.05).采用PSO算法的心电监护设备内部报修用时、外部报修用时、故障诊断用时和报修总用时分别为(1.21±0.96)、(3.18±1.09)、(5.08±1.93)和(10.95±2.81)min,均少于传统BP模式,差异有统计学意义(t=15.404、19.020、16.694、25.511,P＜0.05).结论:基于PSO算法构建的心电监护设备风险管理模型应用,能够提高心电监护设备风险故障数据识别灵敏度、特异度和准确性,提升警报阈值合格率和设备维护合格率,降低警报静音率,缩短故障诊断报修用时.

[目的]褐飞虱Nilaparvata lugens种群监测的自动化和智能化尚未实现.本研究旨在探究水稻受褐飞虱危害后冠层光谱和温度以及叶片叶绿素相对含量与为害虫量的关系,建立基于高光谱、热成像和叶绿素等多信息融合的误差反向传播(back propagation,BP)神经网络监测褐飞虱的方法,为田间褐飞虱种群监测向自动化与智能化方向发展提供方法支持.[方法]在可控条件下利用方形塑料框培育水稻,并在分蘖期接入雌雄1:1配对的不同对数(0,1,2,3,4,5,6和7对)的褐飞虱雌、雄成虫,然后连续多次(接虫后16,27,32,44和60 d时)调查接虫区水稻上褐飞虱虫量(每4穴稻上个体数),并采用高光谱仪和热成像仪分别测定水稻冠层光谱反射率和冠层温度,利用土壤和植物分析仪器开发(soil and plant analyzer development,SPAD)叶绿素仪测定叶片叶绿素的相对含量(SPAD值);采用Pearson相关法分析各测量指标与褐飞虱虫量的相关性;采用多元散射校正对光谱反射率数据进行降噪处理;采用连续投影算法对高光谱反射率数据进行降维和敏感波段筛选;分别以光谱反射率单一信息及其与冠层温度和SPAD值融合后的多源信息为输入量,采用普通和加入粒子群算法优化的BP神经网络建模,构建褐飞虱为害不同时段后种群大小的神经网络监测模型.[结果]褐飞虱为害后水稻冠层光谱在近红外的730-930 nm波段反射率、水稻冠层温度与气温的差值(冠气温差)和叶片的SPAD值均与褐飞虱虫量呈显著负相关.利用连续投影算法筛选出的冠层光谱敏感波段处反射率并降噪后建立的BP神经网络监测5个危害时段褐飞虱虫量的预测集决定系数R2在0.504～0.892之间;融合冠层光谱、冠气温差和叶片SPAD值等多信息建立的BP神经网络监测褐飞虱虫量的预测集R2提升到0.640～0.975;在多源信息基础上再选用粒子群优化(particle swarm optimization,PSO)算法优化BP神经网络后监测褐飞虱虫量的精度提高,预测集R2提升到0.931～0.991,模型预测效果好.[结论]基于水稻冠层高光谱与热成像和叶片SPAD值等多信息融合的PSO-BP神经网络方法监测褐飞虱虫量的精度高、效果好,有望用于田间褐飞虱种群的自动监测.

生态环境质量评价作为生态文明建设的基本依据,对于积极适应气候变化、合理开发及保护生态环境等具有重大意义.本文以生态环境脆弱的黄土高原为研究区,基于植被覆盖度、地形位指数、人口密度等数据反演资源环境承载力,以MODIS数据和土地利用数据表征生态弹性限度,分析2000-2020年研究区资源环境承载力与生态弹性限度的演变特征,利用耦合协调度模型综合表征区域生态环境,通过标准差椭圆方法探究协调度的重心变化及转移路径,并在此基础上利用粒子群优化的Elman神经网络对生态环境的未来趋势进行预测.结果表明:2000年以来黄土高原资源环境承载力呈现东南高、西北低的分布格局,呈指数缓慢上升趋势(0.0625 a-1),生态弹性限度与该区域土地利用格局呈高度一致,指数波动上升但整体水平低;黄土高原生态环境耦合协调度从轻微失调阶段转变为初级协调阶段;黄土高原生态环境协调发展度的重心向东南偏移,且呈现东北-西南方向向心聚集,西北-东南方向空间发散的趋势;预测发现,2030年各市(自治州)资源环境承载力-生态弹性限度系统耦合协调度将稳步上升,这表明未来黄土高原的生态环境质量将逐步趋于协调,但各地的增长速度将存在显著差距.

目的 比较组合模型与单一模型在(hemorrhagic fever with renal syndrome,HFRS)拟合及预测中的预测效果,为优化HFRS预测模型提供参考.方法 以近年来全国发病率最高的黑龙江省作为研究现场,收集 2004-2017 年黑龙江省HFRS逐月发病率数据.2004-2016 年黑龙江省HFRS逐月发病率作为训练数据,2017 年1～12 月数据作为测试数据.训练数据分别训练 SARIMA、ETS 和 NNAR 模型.利用方差倒数法、粒子群优化算法(particle swarm optimization,PSO)分别计算SARIMA、ETS和NNAR模型系数,构建组合模型A、组合模型B.利用建立模型预测2017年1～12 月HFRS发病率.5 个模型拟合值与训练数据、预测值与测试数据比较,采用平均绝对误差百分比(mean absolute percentage error,MAPE),平均绝对误差(mean absolute error,MAE),均数标准差(root mean squared error,RMSE)和平均误差率(mean error rate,MER)评价模型拟合及预测效果.结果 SARIMA最优模型为SARIMA(1,0,2)(2,1,1)12.ETS最优模型为(M,N,M),平滑参数α =0.738,γ =1?10-4.NNAR最优模型为NNAR(13,1,7)12.3 个单一模型残差均为白噪声(P>0.05).组合模型A表达式为y∧ = 0.134×ySARIMA +0.162×yETS +0.704×yNNAR;组合模型B表达式为y∧ = 0.246×ySARIMA +0.435×yETS +0.319×yNNAR.SARIMA、ETS、NNAR、组合模型A、组合模型B拟合的MAPE、MAE、RMSE、MER分别为 24.10%、0.11、0.17、23.29%;17.14%、0.08、0.14、17.96%;6.33%、0.02、0.03、4.25%;9.03%、0.03、0.05、7.51%;13.16%、0.06、0.09、12.33%.SARIMA、ETS、NNAR、组合模型A、组合模型 B 预测的 MAPE、MAE、RMSE、MER 分别为 18.70%、0.05、0.06、19.62%;23.83%、0.06、0.07、24.49%;28.30%、0.07、0.10、29.21%;21.69%、0.06、0.08、22.63%;17.39%、0.05、0.07、18.76%.结论 组合模型拟合及预测效果优于单一模型.基于PSO计算单一模型权重的组合模型为最优模型.

提出了一种基于改进遗传算法的高值医疗设备优化管理方法.根据高值医疗设备优化管理的目标随机生成一组初始解,根据个体的适应度值选择父代个体,采用二进制编码的方式结合遗传算子逐步改进种群适应度,充分发挥遗传算法的寻优能力.将所提方法应用到某医院高值医疗设备管理数据集中,结果表明基于改进遗传算法优化高值医疗设备管理的方法能够有效地降低管理成本,且明显优于粒子群算法与模拟退火算法,验证了所提出方法的有效性.

目的:针对运动想象脑电(MI-EEG)信号个体差异性大,特征质量依赖频带的选择,导致多类MI-EEG信号识别效果差的问题,提出节律自适应的空域特征提取方法.方法:用滤波器组共空间模式(FBCSP)提取多个频带的空域特征,结合免疫粒子群优化算法,对特征提取过程中的频、空参数寻优,实现节律、空域特征提取参数的自适应调整,获取最优节律下的FBCSP空域特征,提升多类MI-EEG信号的识别准确率.结果:本文方法在BCI-IV Dataset 2a、BCI-ⅢDataset 3a数据集上取得85.49%的平均准确率,较原始FBCSP方法提升10.84%.结论:本文方法更好地获取了脑电空域特征,能有效提高分类正确率,为MI-EEG分类提供了新的解决思路.

目的:基于粒子群优化算法(PSO)的XGBoost模型(PSO-XGBoost)预测中老年患者经皮肾镜碎石术(PCNL)后的泌尿系统结石残留情况.方法:选取2014年1月至2018年12月在某三级甲等医院接受PCNL治疗的596例中老年肾结石患者为研究对象.将数据集按7:3的比例随机分为训练集和测试集,建立PSO-XGBoost模型,以准确度、精准度、召回率、F1值和ROC曲线下面积(AUC)等指标评估模型性能.结果:PSO-XGBoost模型预测PCNL术后泌尿系统结石残留的准确度、精准度、召回率、F1值和AUC均优于支持向量机、近邻算法、决策树和BP神经网络模型.结论:PSO-XGBoost模型可更快、更准确地预测中老年患者PCNL术后是否有泌尿系统结石残留,为制定术后个性化治疗、护理方案提供参考.