工程科學學報

自注意力指導的多序列融合肝細胞癌分化判別模型

2021-09-18

結合影像學和人工智能技術對病灶進行無創性定量分析是目前智慧醫療的一個重要研究方向。針對肝細胞癌（Hepatocellular carcinoma, HCC）分化程度的無創性定量估測方法研究，結合放射科醫師的臨床讀片經驗，提出了一種基于自注意力指導的多序列融合肝細胞癌組織學分化程度無創判別計算模型。以動態對比增強核磁共振成像（Dynamic contrast-enhanced magnetic resonance imaging, DCE-MRI）的多個序列為輸入，學習各時序序列及各序列的多層掃描切片在分化程度判別任務的權重，加權序列中具有的良好判別性能的時間和空間特征，以提升分化程度判別性能。模型的訓練和測試在三甲醫院的臨床數據集上進行，實驗結果表明，本文所提出的肝細胞癌分化程度判別模型取得相比幾種基準和主流模型最高的分類計算性能，在WHO組織學分級任務中，判別準確度、靈敏度、精確度分別達到80%，82%和82%。

工程科學學報. 2021 43(9): 1149-1156. 刊出日期: 2021-09-18

基于群體智能優化的MKL-SVM算法及肺結節識別

2021-09-18

針對單核學習支持向量機無法兼顧學習能力與泛化能力以及多核函數參數尋優問題，提出了一種基于群體智能優化的多核學習支持向量機算法。首先，研究了五種單核函數對支持向量機分類性能的影響，進一步提出具有全局性質的多項式核和局部性質的拉普拉斯核凸組合形式的多核學習支持向量機算法；其次，為增加粒子多樣性及快速尋優，將粒子群優化算法引入了遺傳算法中的雜交操作，并用此改進的群體智能優化算法對多核學習支持向量機進行參數尋優。最后，分別采用深度特征與手工特征作為識別算法的輸入，研究表明采用深度特征優于手工特征。故本文采用深度特征作為多核學習支持向量機的輸入，以交叉遺傳與粒子群混合智能優化算法作為其尋優方式。實驗選取合作醫院數據集對所提算法進行訓練并初步測試，進一步為了驗證所提算法的泛化能力，選取公開數據集LUNA16進行測試。實驗結果表明，本文算法易于跳出局部最優解，提升了算法的學習能力與泛化能力，具有較優的分類性能。

工程科學學報. 2021 43(9): 1157-1165. 刊出日期: 2021-09-18

基于切面識別的房間隔缺損智能輔助診斷

2021-09-18

針對超聲心動圖像質量差、噪聲多，傳統卷積神經網絡架構對超聲心動圖像的學習能力有限、表達不充分的缺點，提出了一種基于標準切面識別的房間隔缺損（Atrial septal defect，ASD）智能輔助診斷模型。該模型通過對超聲心動圖像進行切面識別，充分融合其不同切面的語義特征，使得診斷的準確率得到明顯提升。此外，還對其進行雙邊濾波保邊去噪，并基于此模型搭建房間隔缺損智能輔助診斷系統（簡稱ASD輔助診斷系統）。結果表明，該ASD輔助診斷系統的準確率高達97.8%，且與傳統卷積神經網絡相比大大降低了假陰性率。

工程科學學報. 2021 43(9): 1166-1173. 刊出日期: 2021-09-18

基于ALBERT與雙向GRU的中醫臟腑定位模型

2021-09-18

臟腑定位，即明確病變所在的臟腑，是中醫臟腑辨證的重要階段。本文旨在通過神經網絡模型搭建中醫臟腑定位模型，輸入癥狀文本信息，輸出對應的病變臟腑標簽，為實現中醫輔助診療的臟腑辨證提供支持。將中醫的臟腑定位問題建模為自然語言處理中的多標簽文本分類問題，基于中醫的醫案數據，提出一種基于預訓練模型ALBERT和雙向門控循環單元（Bi-GRU）的臟腑定位模型。對比實驗和消融實驗的結果表明，本文提出的方法在中醫臟腑定位的問題上相比于多層感知機模型、決策樹模型具有更高的準確性，與Word2Vec文本表示方法相比，本文使用的ALBERT預訓練模型的文本表示方法有效提升了模型的準確率。在模型參數上，ALBERT預訓練模型相比BERT模型降低了模型參數量，有效減小了模型大小。最終，本文提出的臟腑定位模型在測試集上F1值達到了0.8013。

工程科學學報. 2021 43(9): 1182-1189. 刊出日期: 2021-09-18

融合多特征嵌入與注意力機制的中文電子病歷命名實體識別

2021-09-18

中文電子病歷文本包含大量嵌套實體、句子語法結構復雜、句式偏短。為有效識別其醫療實體，提出一種融合多特征嵌入與注意力機制的命名實體識別算法，在輸入表示層融合字符、單詞、字形三個粒度的特征，并在雙向長短期記憶網絡的隱含層引入注意力機制，使算法在捕獲特征時更加關注于醫療實體相關的字符，最終實現對中文電子病歷中疾病、身體部位、癥狀、藥物、操作五類實體的最優標注。面向開源和自建糖尿病數據集的實驗結果中所提算法的實體識別準確率、召回率和F1值都達到97%以上，表明其可以更加有效地識別中文電子病歷中各類實體。

工程科學學報. 2021 43(9): 1190-1196. 刊出日期: 2021-09-18

基于數據融合的智能醫療輔助診斷方法

2021-09-18

醫生診斷需要結合臨床癥狀、影像檢查等各種數據，基于此，提出了一種可以進行數據融合的醫療輔助診斷方法。將患者的影像信息（如CT圖像）和數值數據（如臨床診斷信息）相結合，利用結合的信息自動預測患者的病情，進而提出了基于深度學習的醫療輔助診斷模型。模型以卷積神經網絡為基礎進行搭建，圖像和數值數據作為輸入，輸出病人的患病情況。該醫療輔助診斷方法能夠利用更加全面的信息，有助于提高自動診斷準確率、降低診斷誤差；另外，僅使用提出的醫療輔助診斷模型就可以一次性處理多種類型的數據，能夠在一定程度上節省診斷時間。在兩個數據集上驗證了所提出方法的有效性，實驗結果表明，該方法是有效的，它可以提高輔助診斷的準確性。

工程科學學報. 2021 43(9): 1197-1205. 刊出日期: 2021-09-18

基于小波分析和自相關計算的非接觸式生理信號檢測

2021-09-18

采用調頻連續波（Frequency modulated continuous wave, FMCW）雷達實現非接觸式生理信號檢測，并提出了基于小波分析和自相關計算（Wavelet analysis and autocorrelation computation, WAAC）的檢測方法。首先，毫米波FMCW雷達發射電磁波信號，并接收來自身體的反射信號。然后，通過信號預處理從中頻信號中提取包含呼吸和心跳的相位信息，消除直流偏置并完成相位解纏。最后，基于小波包分解（Wavelet packet decomposition, WPD）從原始信號中得到心跳和呼吸信號，利用自相關計算減小雜波對心跳信號的影響，進而提取高精度的心率參數。應用FMCW雷達對10名受試者進行實驗測試，結果表明本文方法得到的呼吸和心率的平均絕對誤差率平均值分別小于1.65%和1.83%。

工程科學學報. 2021 43(9): 1206-1214. 刊出日期: 2021-09-18

基于ECG信號的高精度血糖監測

2021-09-18

連續血糖監測在糖尿病管理中具有重要的意義。目前糖尿病患者主要通過指尖采血或植入式微創傳感器監測血糖，但上述方法存在疼痛、成本昂貴、易感染等問題，因此，無創監測是實現連續血糖監測的理想技術。本文利用心電(ECG)信號，提出了一種血糖水平無創監測的方法：通過獲取12名志愿者共60 d 756160個ECG周期信號，利用遞歸濾波器實現ECG信號的濾波，并采用卷積神經網絡和長短期記憶網絡相結合(CNN-LSTM)的方法，實現了血糖水平的十分類監測，并通過實驗探索了個體建模和群體建模2種建模方式的差異。結果表明，在個體建模和群體建模的條件下，血糖監測精確率分別約達到80%和88%。其中群體建模10分類的F1值可達到0.95、0.88、0.91、0.85、0.92、0.88、0.86、0.86、0.87和0.86。研究表明，本文提出的基于ECG的無創血糖監測方法為實現血糖水平的實時、精準監測提供了一種有力的理論支撐與技術指導。

工程科學學報. 2021 43(9): 1215-1223. 刊出日期: 2021-09-18

基于一維卷積特征與手工特征融合的集成超限學習機心跳分類方法

2021-09-18

融合手工特征和深度特征，提出了一種集成超限學習機心跳分類方法。手工提取的特征明確地表征了心電信號的特定特性，如相鄰心跳時間間隔反映了心跳信號的時域特性，小波系數反映了心跳信號的時頻特性。同時設計了一維卷積神經網絡對心跳信號特征進行自動提取。基于超限學習機（Extreme leaning machine，ELM），將上述特征融合進行心跳分類。由于ELM初始參數的隨機給定可能導致其性能不穩定，進一步提出了一種基于袋裝（Bagging）策略的多個ELM集成方法，使分類結果更加穩定且模型泛化能力更強。利用麻省理工心律失常公開數據集對所提方法進行了驗證，分類準確率達到了99.02%，實驗結果也表明基于融合特征的分類準確率高于基于單獨特征的分類準確率。

工程科學學報. 2021 43(9): 1224-1232. 刊出日期: 2021-09-18

骨架圖引導的級聯視網膜血管分割網絡

2021-09-18

針對目前視網膜血管分割中存在的細小血管提取不完整、分割不準確的問題，從血管形狀拓撲關系利用的角度出發，探索多任務卷積神經網絡設計，提出骨架圖引導的級聯視網膜血管分割網絡框架。該框架包含血管骨架圖提取網絡模塊、血管分割網絡模塊和若干自適應特征融合結構體。骨架提取輔助任務用于提取血管中心線，能夠最大限度地保留血管拓撲結構特征；自適應特征融合結構體嵌入在兩個模塊的特征層間。該結構體通過學習像素級的融合權重，有效地將血管拓撲結構特征與血管局部特征相融合，加強血管特征的結構信息響應。為了獲得更完整的骨架圖，骨架圖提取網絡還引入了基于圖的正則化損失函數用于訓練。與最新的血管分割方法相比，該方法在3個公共視網膜圖像數據集上均獲得第一名，在DRIVE，STARE和CHASEDB1中其F1值分別為83.1%，85.8%和82.0%。消融實驗表明骨架圖引導的視網膜血管分割效果更好，并且，基于圖的正則化損失也能進一步提高血管分割準確性。通過將骨架提取模塊和血管分割模塊替換成不同的卷積網絡驗證了框架的普適性。

工程科學學報. 2021 43(9): 1244-1252. 刊出日期: 2021-09-18

基于一維卷積神經網絡的兒童睡眠分期

2021-09-18

高質量睡眠與兒童的身體發育、認知功能、學習和注意力密切相關，由于兒童睡眠障礙的早期癥狀不明顯，需要進行長期監測，因此急需找到一種適用于兒童睡眠監測，且能夠提前預防和診斷此類疾病的方法。多導睡眠圖(Polysomnography，PSG)是臨床指南推薦的睡眠障礙基本檢測方法，通過觀察PSG各睡眠期間的變化和規律，對睡眠質量評估和睡眠障礙識別具有基礎作用。本文對兒童睡眠分期進行了研究，利用多導睡眠圖記錄的單通道腦電信號，在Alexnet的基礎上，用一維卷積代替二維卷積，提出一種1D-CNN結構，由5個卷積層、3個池化層和3個全連接層組成，并在1D-CNN中添加了批量歸一化層（Batch normalization layer），保持卷積核的大小保持不變。針對數據集少的情況，采用了重疊的方法對數據集進行了擴充。實驗結果表明，該模型兒童睡眠分期的準確率為84.3%。通過北京市兒童醫院的PSG數據獲得的歸一化混淆矩陣，可以看出，Wake、N2、N3和REM期睡眠的分類性能很好。對于N1期睡眠，存在將N1期睡眠被誤分類為Wake、N2和REM期睡眠的情況，因此以后的工作應重點提升N1期睡眠的準確性。總體而言，對于基于帶有睡眠階段標記的單通道EEG的自動睡眠分期，本文提出的1D-CNN模型可以實現針對于兒童的自動睡眠分期。在未來的工作中，仍需要研究開發更適合于兒童的睡眠分期策略，在更大數據量的基礎上進行實驗。

工程科學學報. 2021 43(9): 1253-1260. 刊出日期: 2021-09-18

振動觸覺編碼的研究現狀

2021-09-18

觸覺作為人的一種獨特的感官通道具有獨特的優勢，它不僅能最大限度的貼合人體的生理構造，傳遞硬度、大小、紋理、形狀、溫度等視聽覺無法傳遞的信息，而且擁有快速準確的特性，觸覺不僅可以實現全方位的感知，而且能夠有效感知一些很難被視覺或聽覺形式表達的更真實復雜的信息，和外界環境進行一系列的交互。振動觸覺編碼的設計是開發觸覺的一個重要途徑，也是未來人機交互的一種重要手段。本文從振動觸覺感知機理入手，討論了不同振動參數的振動觸覺分辨率和振動信息編碼理論，并按照方向導航和文字交互的應用對振動信息編碼進行歸納總結，介紹了振動信息編碼的實驗手段和結論，最后展望了振動信息編碼領域未來的發展前景。

工程科學學報. 2021 43(9): 1261-1268. 刊出日期: 2021-09-18