现有脑电情绪识别中的域适应方法利用源域数据及其特征分布来训练模型,不可避免地需要频繁访问源域,可能会导致源域受试者的隐私信息泄露.针对该问题,本研究提出一种基于高斯混合模型、核范数最大化和Tsallis熵的无源域适应(GNTSFDA)脑电情绪识别方法.首先,基于源域数据和本研究所提出的CNN和Transformer特征混合(CTFM)网络,利用交叉熵损失训练得到源域模型;然后,通过高斯混合模型聚类生成目标域数据的伪标签以构建分类损失;最后,基于伪标签和分类损失在目标域数据上对源域模型再训练以更新其参数,从而得到目标域模型,训练过程中还利用核范数最大化损失来提升模型预测的类判别性和多样性,同时利用Tsallis熵损失来减少模型预测的不确定性.GNTSFDA方法采用留一被试交叉验证的实验范式分别在SEED(源域14个受试者,目标域1个受试者)、SEED-Ⅳ(源域14个受试者,目标域1个受试者)和DEAP(源域31个受试者,目标域1个受试者)公开数据集上进行了实验.结果显示,在3个数据集上,目标域模型情绪识别的准确率分别为80.20％、61.20％和58.89％,相较于源域模型分别提升8.98％、7.72％和6.54％.GNTSFDA方法仅需要访问源域模型参数,而不是源域,从而有效地保护了源域受试者的隐私信息,在脑电情绪识别的实际应用中具有重要意义.

目的:了解经皮冠状动脉介入术(PCI)病人多维症状体验,构建PCI术后病人症状网络,探索症状网络中的核心症状,为个性化干预提供证据支持.方法:2021年12月—2022年12月选取广西某医院行PCI术的748例病人.采用一般资料调查表、疾病症状严重程度调查表及9条目健康人抑郁量表等,调查PCI术后相关症状的发生率与严重程度;通过高斯模型进行网络分析其核心症状,并基于相关、回归分析联合混合症状网络模型,探索PCI术后各症状与人口学、生活方式及疾病因素间的关系.结果:PCI术后发生率最高的症状是术后切口压迫点疼痛(90.5%);严重程度最高的是疲乏,其次是下肢肿胀以及压迫点疼痛;在高斯网络中,压迫点疼痛在整个网络中起桥梁作用;混合网络中,支架个数与消化道症状、睡眠障碍症状、心慌症状、下肢麻木症状及恐动症状有较强的直接关联,抑郁与疲乏症状有直接关联,生活态度与睡眠障碍症状有直接关联.结论:PCI术后病人压迫点疼痛症状须首要关注,安装支架个数与消化道、焦虑情绪及睡眠障碍等症状往往相互影响,未来的研究有必要建立动态症状网络和中心性指数的轨迹,以探索上述症状和疾病之间的因果关系.

目的:为抑制临床颅脑电阻抗动态监测中体动干扰导致的图像伪影,提出一种基于小波分解的体动干扰实时处理方法.方法:首先,使用混合高斯模型描述颅脑电阻抗信号小波分解系数分布特征,对体动干扰和正常信号进行区分并加以处理;其次,采用垒墙式的计算策略,实现小波分解的实时化处理;最后,开展仿真实验与人体实测数据实验验证提出方法的有效性.结果:实验结果表明,该方法可以有效抑制尖峰类型的体动干扰,恢复信号的连续性,并显著减少图像上的重构伪影,恢复正常的图像监测.结论:基于小波分解的体动干扰实时处理方法能够有效抑制临床颅脑电阻抗动态监测中的体动干扰,特别适用于多通道数据采集的应用场景.

脉搏波特征反映着人体生理病理状态,本文基于高斯混合模型提出一种脉搏波特征提取方法.该方法利用脉搏波的一、二阶差分信号的零点确定脉搏波特征点的数目及类型,并采用泰勒级数展开简化特征点位置估计的复杂度.仿真及实际数据的处理结果表明,本文所提出的方法相对经典算法能更精确地实现脉搏波特征点的定位及信息获取,是一种有效的脉搏波特征提取方法.

针对宫颈癌智能化筛查系统需要从阴道镜图像中分割出宫颈区域的问题,提出一种改进的k均值与高斯混合模型相结合的图像分割方法.首先根据宫颈区域的代表性颜色和其距离图像中心点的距离,构造出待分类的数据集;其次通过对宫颈区域代表性颜色的重新计算,一种使待分类数据集可随着迭代的进行而动态调整的规则被加入到k均值算法中,使得k均值算法适用于多种光照环境下的目标图像分割;最后利用k均值的聚类结果,初始化高斯混合模型的参数,并得到最终的分割结果.75套来源于不同成像条件下的宫颈图像上的实验结果显示,该方法的平均分割精度达到65.1％,比采用基本k均值算法进行初始化的高斯混合模型算法高出5.5％,比模糊C均值聚类算法高出5.8％,比基本高斯混合模型算法高出8.5％;其均方差达到11.5％,与水平集算法相比降低5.6％.实验结果证明,该方法在阴道镜视野下的宫颈区域分割中是行之有效的.

人体动作和路况的快速准确识别是实现智能假肢自主控制的基础与前提.本文提出了一种基于假肢(下肢)惯导信号的高斯混合模型(GMM)和隐马尔可夫模型(HMM)融合的人体动作和路况识别方法.首先,使用惯性传感器采集膝关节处 x、y 和 z 轴方向上的加速度、角度和角速度信号,然后用时间窗截取信号段并用小波包变换消除信号的抖动噪声;接着对预处理后的信号进行快速傅里叶变换,提取其系数作为特征值;随后对特征进行主成分分析(PCA),去除冗余信息;最后采用高斯混合模型和隐马尔可夫模型进行假肢动作和路况识别.试验结果表明,本文方法对常规的动作(散步、跑步、骑行、上坡、下坡、上楼梯和下楼梯)的识别率分别达到96.25％、92.5％、96.25％、91.25％、93.75％、88.75％ 和 90％.同等试验条件下,将本文方法与常规的支持向量机(SVM)识别方法进行比较,结果显示本文方法的识别率明显较高.本文研究结果或可为智能假肢的监测和控制提供新的思路和途径.

目的 从磁共振噪声图像中分割脑组织(脑脊液、灰质、白质).方法 首先利用K均值分类自动计算三类脑组织的初始灰度分布参数,通过期望最大化算法(Expectation maximization,EM)估计高斯混合模型(Gaussian mixture model,GMM)参数.然后按照空间体素的GMM分类信息改变其相应体素的联合概率的能量函数,控制该能量函数中代表灰度信息的分量,并且自适应地调节图像灰度和空间信息的分配.结果 实验结果表明该模型能够有效地分割出脑脊液,灰质和白质,并且对噪声不敏感,能消除灰度不均匀的影响.结论 与同类算法相比,本算法对含有噪声污染的脑MR-T1图像分割精度较高,也表现出不错的稳定性,且算法运行时间短.

为了提高计算机化癫痫发作检测的准确性和检测效率,本文提出了一种基于改进遗传算法的优化反向传播(IGA-BP)神经网络的癫痫诊断方法,以期利用该方法可以实现临床癫痫病症的快速、高效检测.该方法首先对癫痫脑电信号进行线性与非线性相结合的特征提取,通过高斯混合模型(GMM)对癫痫特征聚簇集合分析,利用最大期望(EM)算法估算高斯混合模型参量,获取遗传算法(GA)选择算子的最优参数组合,实现对遗传算法的改进,用改进的遗传算法调整反向传播(BP)神经网络以获取最佳初始权值和阈值,建立改进遗传算法优化的BP神经网络模型.利用该模型对癫痫脑电信号分类识别,最终实现癫痫病症的自动检测.与传统遗传算法优化的BP (GA-BP)神经网络相比较,本文所提出的方法提高了种群的收敛速度、减小了分类误差,在癫痫病症自动检测中提高了检测准确率并缩短了检测时间,在临床癫痫发作诊断中具有重要的应用价值.

[目的]构建Varian NovalisTX直线加速器盆腔肿瘤放疗摆位误差分布预测模型.[方法]选取加速器治疗30例盆腔肿瘤患者先验IGRT摆位误差数据,采用高斯混合模型构建误差分布预测模型,并求解分析模型参数.[结果]由模型参数可知摆位误差主要往μ1～μ4四个中心点方向集中;中心点坐标表明误差在Vrt方向(-3.88～4.28)mm和Lng方向(-2.41～1.54)mm较大,Lat方向(-1.85～0.72)mm较小;误差可能性往μ2和μ4中心(0.301、0.310)较μ1和μ3中心(0.190、0.196)大;摆位误差标准差可达5.2 mm.[结论]高斯混合模型对盆腔摆位误差分布进行定量描述和预测分析,为缺少IGRT的盆腔肿瘤放疗摆位误差控制及肿瘤计划靶区外扩提供参考.

随着2014年国家环保部首次提出了“最小生态安全距离”的概念,城市内部与城市间的生态安全逐渐受到社会重视,而且基于热环境的最小生态安全距离也逐渐成为人们关注的焦点.基于热环境视角下最小生态安全距离的实质内涵,结合遥感影像、行政边界、建成区边界,利用高斯混合模型及热岛信号函数,对2013年至2016年大连市北三市的热岛面积及最小生态安全距离进行测算.研究表明,2013年至2016年间,大连市北三市的城市热岛总面积已由694.10 km2扩张到1864.30 km2.同时,普兰店市与瓦房店市之间的最小生态安全距离由8.70 km衰减至-3.10 km,热环境出现叠加情况,相对危险.而普兰店市与庄河市之间的最小生态安全距离,由73.47 km衰减至58.24 km,热环境未出现叠加情况,相对安全.总体上呈现出城市热岛面积逐渐扩张趋势,城市间最小生态安全距离逐渐衰减的趋势.