首页期刊导航|生物医学工程研究
期刊信息/Journal information
生物医学工程研究
山东生物医学工程学会 山东省医疗器械研究所 山东省千佛山医院
生物医学工程研究

山东生物医学工程学会 山东省医疗器械研究所 山东省千佛山医院

康永军 王勤

季刊

1672-6278

sdbme@163.com

0531-88933885,88562189

250013

山东省济南市解放路11号

生物医学工程研究/Journal Journal of Biomedical Engineering Research北大核心CSTPCD
查看更多>>本刊是山东生物医学工程学会等主办的,面向国内外公开发行的学术性期刊。主要栏目有研究论文、科研简报、文献综述、专题讲座、新产品评介、信息动态等。主要刊登人口器官、生物材料、生物力学、生物效应、生物电阻抗、生物信息与控制、生物医学测量、心脏起博与电生理、医学超声、血液净化、中医药工程、人工智能、医学图像与成像、介入医学工程技术、康复工程、组织工程、生物芯片、传感器等领域的文章。该刊面向广大医生、生物医学工程工作者等。本刊除注重论文质量外,最大特点是注重时效性、出版周期短,刊出时间为三个月以内。本刊于1982年创刊,是中国学术期刊、中国期刊网入编期刊、中国学术期刊综合评价数据库来源期刊、中文科技期刊数据库收录期刊。
正式出版
收录年代

    细胞外囊泡分析方法

    杨立敏李景虹
    1-8页
    查看更多>>摘要:细胞外囊泡携带核酸、蛋白质和脂质等生物分子,在细胞间通讯中发挥着重要作用,与多种疾病的发生与发展密切相关.细胞外囊泡广泛分布于大多数体液中,是液体活检的有效生物标志物之一,可用于非侵入性疾病早期诊断和疗效监测.因此,细胞外囊泡及其携带生物分子(蛋白质、核酸)的分析与研究受到了广泛关注.研究者们基于抗体或核酸适配体特异性识别细胞外囊泡表面蛋白质,提出了多种策略用于细胞外囊泡及其表面蛋白质的高灵敏、高特异性检测.采用直接递送或膜融合方式将传感探针输送至细胞外囊泡内部,可实现细胞外囊泡内部核酸的原位、准确检测.本文综述了细胞外囊泡及其携带生物分子检测方法的最新进展,并展望了该领域未来的发展方向.

    细胞外囊泡蛋白质核酸生物传感方法抗体核酸适配体

    经颅磁刺激在脑卒中运动功能障碍康复中的研究进展

    黄莲池权璐文斌韦思宏...
    9-15页
    查看更多>>摘要:脑卒中是一种高发病率的急性脑血管疾病,常伴随肢体运动功能障碍的后遗症.经颅磁刺激(transcranial magnetic stimulation,TMS)作为一种非侵入式的脑刺激方法,大量临床实验证明其对卒中后运动功能障碍有明显的康复作用,但背后的神经康复机制仍不明确,需要更多的研究和探索.本文从TMS在运动功能评估、干预和康复预测模型的建立等方面入手,梳理、总结了近年来TMS在脑卒中运动康复领域的发展进程和研究现状,以期为后续研究提供参考.

    脑卒中经颅磁刺激功能评估运动障碍康复康复预测

    肌肉电阻抗技术应用于神经肌肉疾病评估和机制研究进展

    郭杰承王翔李乐
    16-23页
    查看更多>>摘要:神经肌肉疾病涉及周围神经和肌肉的损伤或功能障碍,严重影响受影响个体的生活质量.在大多数情况下,常用的功能影像临床评估工具如磁共振成像(magnetic resonance imaging,MRI)、计算机断层扫描(computed tomography,CT)、双能X线吸收仪(dualenergy X-ray absorptiometry,DXA)和超声成像(ultrasonography),可以诊断疾病、评估治疗效果.肌肉电阻抗(electrical impedance myography,EIM)相对于其他评估技术具有简便性、定量性、灵活性、可重复性、对退化肌肉敏感等优势,被广泛应用于临床评估中.本综述将针对EIM应用于神经肌肉疾病的研究进行简单总结.

    神经肌肉疾病肌肉电阻抗临床评估诊断康复

    基于多分辨率卷积网络的房颤起始点定位

    李茜王星尧高鸿祥赵莉娜...
    24-32页
    查看更多>>摘要:为提高阵发性房颤(paroxysmal atrial fibrillation,PAF)的识别能力,本研究提出一种基于卷积网络的多分辨率心电图(electrocardiogram,ECG)理解框架.该框架通过同时利用局部的高分辨率形态特征和全局的低分辨率节律特征,可始终保持高分辨率特征并不断引入低分辨率特征分支.通过不断整合各分支的特征,高分辨率分支可辨别P波形态变化,低分辨率分支可检测RR间期的节律变化,从而实现PAF定位、房颤分类和QRS波定位多个任务.本研究使用CPSC 2021-Train数据库训练模型,并使用两个临床ECG数据库测试.两个数据库上的PAF定位分数分别为1.818 2 和3.487 0;房颤分类和QRS波定位在两个数据库上的F1 分数均值分别为 88.36%和 99.47%.说明本研究方法具有良好的PAF端点和QRS波定位性能.

    阵发性房颤多分辨率特征穿戴式心电多任务

    基于心电信号图像特征及卷积神经网络的情绪识别研究

    李永康方安成陈娅南谢子奇...
    33-39页
    查看更多>>摘要:为提高情绪识别的准确率,本研究利用卷积神经网络和迁移学习,提出了一种基于心电(electrocardiography,ECG)信号图像特征的情绪识别方法.首先对ECG信号进行预处理,去除噪声;然后提取ECG信号的时域波形图和时频图;最后,利用迁移学习和双输入EfficientNetV2 网络学习图像的时域和频域特征并进行分类,得到对应的情绪类别.在公开数据集Amigos上进行验证,结果显示,本研究在唤醒度、效价和优势度的识别准确率分别为 91.63%,95.27%和 92.32%.相较于其它情绪识别方法,本研究方法具有更高的准确率.

    情绪识别心电信号特征提取双输入卷积神经网络

    基于子时段呼吸暂停和睡眠阶段的脑网络分析与分类

    赵今朝刘铭江秀全史维友...
    40-45页
    查看更多>>摘要:睡眠分期是评估睡眠质量的基础.然而,睡眠呼吸暂停(sleep apnea,SA)会改变测试者的睡眠结构,进而影响对睡眠分期的准确评估.因此,在评估睡眠质量时,准确检测睡眠呼吸暂停和睡眠分期至关重要.为准确评估睡眠分期,本研究通过研究脑区之间的功能连接,探讨了脑功能连接的相互作用关系.采用锁相值(phase locking value,PLV)在不同时间段上进行特征提取,构建功能连接网络;然后利用多个时间段的PLV进行特征融合,并通过LibSVM(library for support vector ma-chines,LibSVM)结合分类性能优化策略的方法进行睡眠分期.同时,本研究还分析了睡眠呼吸暂停和正常呼吸对脑网络的影响.实验结果显示,睡眠呼吸暂停时的各脑区连通紧密程度大于正常呼吸时,并在子时段数为 30 时,睡眠分期的分类准确率达到了 88.87%,呼吸暂停的检测准确率达到了 93.64%.该算法在睡眠分类和呼吸暂停检测方面表现出良好性能,有助于推动脑电睡眠分类和呼吸暂停检测系统的开发和应用.

    脑电图睡眠阶段分类脑功能连接锁相值睡眠呼吸暂停

    基于CTSA-Net的急性肾损伤风险预测研究

    张青松陈春晓陈利海
    46-54页
    查看更多>>摘要:针对过去对急性肾损伤(acute kidney injury,AKI)患者的识别存在临床时间序列数据未被充分利用、提前预测窗口较短及缺少连续预测研究等不足,本研究提出了一种卷积神经网络和两阶段交叉注意力的混合网络模型(CTSA-Net),实现对 1 期及以上AKI的每小时连续预测.CTSA-Net的注意力支路、CNN支路及特征融合模块可增强对时间序列数据的全局表示以及局部细节的感知能力,从而提高对AKI的连续预测性能.在AKI发生时、发生前24、48及72h四个预测时间点,模型预测AKI的受试者工作特征曲线下面积分别为0.946、0.907、0.895 和 0.879,准确率-召回率曲线下面积分别为 0.979、0.960、0.949 和 0.939.实验结果表明,CTSA-Net模型在多个预测时间点进行AKI预测的性能较好,可用于患者的实时监测,辅助医生进行临床决策.

    急性肾损伤深度学习电子健康记录注意力卷积神经网络

    融合自注意力的乳腺钼靶图像特征引导分割算法

    申文静丛金玉班楷第王苹苹...
    55-61页
    查看更多>>摘要:为提高对乳腺癌钼靶图像中病灶区域的识别精度,本研究设计了一种面向乳腺肿块和钙化区域分割的特征引导注意网络.首先,该网络通过特征提取模块学习乳腺组织的语义特征;其次,利用融合自校正注意力的解码模块,增强对病灶区域边缘信息的关注度,提高边界的清晰度;最后,采用特征引导注意模块增强通道的依赖关系,进一步还原病灶区域边缘细节,提高分割精度.实验结果表明,本研究网络在扩充后的INBreast1 数据库中肿块和钙化分割的平均骰子系数(mDice)分别达到了 0.971 和 0.888,在DDSM数据库肿块分割的mDice达到了 0.911,优于其他常规的分割模型,对乳腺癌的早期诊断和治疗具有重要意义.

    乳腺癌钼靶图像图像分割自注意力特征引导

    面向人工耳蜗的改进Wave-U-Net算法

    巩瑾琪叶萍吴逸凡常兆华...
    62-69页
    查看更多>>摘要:针对人工耳蜗在噪声环境下言语感知效果差,以及现有算法降噪能力不足的问题,本研究提出了一种改进的Wave-U-Net模型.通过采取轻量化卷积,引入注意力机制,改进损失函数,优化数据集结构,以提高人工耳蜗的降噪效果.使用短时客观可懂度(short-time objective intelligibility,STOI)、语音质量评估(perceptual evaluation of speech quality,PESQ)、浮点运算次数(floating point operations per second,FLOPs)和参数量(Params)对模型的降噪效果和复杂度进行了评估,分别达到0.81、2.75,0.83 G,1.04 M.实验结果表明,本研究算法在符合人工耳蜗产品规范的基础上,实现了明显的降噪效果,提高了人工耳蜗使用者在复杂噪声环境中的语音感知效果.本研究方法为人工耳蜗算法的改进提供了新的可能,可为听力受损患者提供更好的听觉感受.

    人工耳蜗改进Wave-U-Net噪声环境语音感知语音降噪

    基于多波长近红外光谱的血红蛋白浓度无创检测技术研究

    彭福来陈财张宁玲王星维...
    70-75页
    查看更多>>摘要:针对传统的血红蛋白浓度检测需要抽血采样,检测流程复杂且无法连续监测血红蛋白浓度的变化趋势等问题,本研究设计了一种基于多波长近红外光谱的无创血红蛋白浓度检测方法.首先,基于Beer-Lambert定律建立了血红蛋白无创检测数学模型,并依据该模型设计了八波长近红外光电容积脉搏波(photoplethysmography,PPG)信号采集系统;然后,对采集的PPG信号进行降噪和滤除基线漂移等预处理,并根据建立的无创检测模型对特征信息进行提取与选择;最后,基于Stacking算法构建血红蛋白预测回归模型.通过对 249 例临床数据进行实验验证,得到无创检测模型的预测值与参考值的均方根误差为 1.17 g/dL,相关系数为 0.75.实验结果表明,本研究方法可有效实现血红蛋白浓度的无创检测.

    血红蛋白浓度无创检测PPG信号处理Stacking回归模型