首页期刊导航|生物医学工程学杂志
期刊信息/Journal information
生物医学工程学杂志
生物医学工程学杂志

陈槐卿

双月刊

1001-5515

swyxgcxzz@163.com，swyxgcxzz@yahoo.cn

028-85501507,85422073

610041

四川省成都市武候区外南国学巷37号 四川大学华西医院

生物医学工程学杂志/Journal Journal of Biomedical EngineeringCSCD北大核心CSTPCDEI
查看更多>>本刊为中国生物医学核心期刊。被国内外多家著名检索系统收录。是国内外重点院校，从事生物医学工程领域科技工作者进行学术交流的主要场地。本刊的收录近况以2000年为例：自然科学刊登率为55.4%,Ei的收录率为55.7%.
正式出版
收录年代

    基于IWOA-ELM算法的脑电情绪识别方法研究

    谢松云雷凌俊孙江徐建...
    1-8页
    查看更多>>摘要：情绪是人类重要的生理属性,情绪识别技术可以更好地辅助人类进行自我认识.本文针对不同受试者之间的脑电信号(EEG)存在巨大差异的难点,在传统鲸鱼优化算法(WOA)中引入新机制,加速算法的优化和收敛.同时,将改进的鲸鱼优化算法(IWOA)用于搜索极限学习机模型(ELM)中的最佳训练方案,包括最佳特征集、训练参数以及脑电通道.纳入24种常见的EEG情绪特征进行测试,发现不同受试者最佳脑电情绪特征之间存在一定特异性,同时也具有共性.本文所提方法在脑电情绪识别中获得92.19％的平均识别准确率,显著减少了手动调试模型的工作量,且具有更高的识别精度和更短的训练时间,相较于对照方法具备更优越的性能,为情绪脑电信号解码研究提供了新的思路.

    脑电图情绪识别鲸鱼优化算法特征选择极限学习机

      原文链接:
    • 万方数据
    • 维普

    基于语音预训练模型的抑郁症识别研究

    黄祥胜廖义龙张文劲张莉...
    9-16页
    查看更多>>摘要：针对数量日益增多的抑郁症患者群体,本文提出一种通过语音信号有效识别抑郁症的人工智能方法,以提高诊断和治疗效率.首先,通过微调语音到特征向量模型2.0(wav2vec2.0)的预训练模型对语音进行编码和上下文化,从而获得高质量的语音特征;然后,应用情感障碍分析的公用数据集——绿野仙踪忧虑分析访谈语料库(DAIC-WOZ)数据集验证上述模型.结果显示,在抑郁症识别的二分类任务中,该方法在精确率方面达到了 93.96％、召回率达到了 94.87％、F1分数达到了 94.41％,总体分类准确率达到96.48％.在评估抑郁症严重程度的四分类任务中,精确率均达到92.59％及以上,召回率均达到92.89％及以上,F1分数均达到93.12％以上,总体分类准确率达到94.80％.基于上述结果证明,本文提出的方法在小样本情况下有效提升了分类的准确率,对于抑郁症的识别和严重程度评估效果良好.未来,该方法有望在抑郁症的诊断中起到辅助支持的作用.

    抑郁症识别语音预训练模型语音特征

      原文链接:
    • 万方数据
    • 维普

    基于样本增强的帕金森病识别算法研究

    张子豪赵德春王子琼韦莉...
    17-25,33页
    查看更多>>摘要：帕金森病患者早期存在声带损伤,其声纹特征与健康人存在明显差异,可以利用该差异识别帕金森病,但帕金森病患者声纹数据样本不足,因此本文提出双自注意力深度卷积生成对抗网络模型进行样本增强,生成高分辨率的语谱图,进而采用深度学习方法进行帕金森病识别.该模型通过增加网络深度并结合梯度惩罚、频谱归一化技术改进样本的纹理清晰度,并且构建一个基于迁移学习的纯粹的卷积神经网络家族(ConvNeXt)作为分类网络,以此提取声纹特征并进行分类,提升了帕金森病识别准确率.在帕金森病语音数据集上进行本文算法有效性验证实验,对比样本增强前,本文所提模型生成的样本清晰度以及弗雷谢起始距离(FID)均得到提高,并且本文网络模型能够获得98.8％的准确率.本文研究结果表明,基于双自注意力深度卷积生成对抗网络样本增强的帕金森病识别算法能够准确区分健康人和帕金森病患者,有助于解决帕金森病早期识别声纹数据样本不足的问题.综上,本文方法有效提高小样本帕金森病语音数据集分类准确率,为早期帕金森病语音诊断提供了一种有效的解决思路.

    帕金森病深度学习样本增强双自注意力机制语谱图

      原文链接:
    • 万方数据
    • 维普

    用于睡眠精准分期的多模态生理时频特征提取网络

    胡凯蕾陈景霞张鹏伟雪雯...
    26-33页
    查看更多>>摘要：睡眠分期对临床疾病诊断以及睡眠质量评估至关重要.现有睡眠分期方法大多通过单通道或单模态信号,使用单分支深层卷积网络进行特征提取,这不仅阻碍了睡眠相关多样性特征的捕获,增加了计算代价,而且对睡眠分期的准确率也有一定的影响.为解决这一问题,本文提出一种端到端的用于睡眠精准分期的多模态生理时频特征提取网络(MTFF-Net).首先,利用短时傅里叶变换(STFT)将包含脑电(EEG)、心电(ECG)、眼电(EOG)、肌电(EMG)的多模态生理信号转换为二维时频特征图;然后,使用多尺度EEG紧凑卷积网络(Ms-EEGNet)与双向门控循环(Bi-GRU)网络相结合的时频特征提取网络,捕获与睡眠特征波形相关的多尺度频谱特征以及与睡眠阶段转换相关的时序特征.根据美国睡眠医学学会(AASM)EEG睡眠分期判据,该模型在科英布拉大学系统与机器人研究所第三组子睡眠数据集(ISRUC-S3)上的五分类任务中取得了 84.3％的准确率,其宏观F1分数(m-F1)的值为83.1％,科恩卡帕(Cohen's Kappa)系数为79.8％.实验结果表明,本文所提模型实现了更高的分类准确率,推进了深度学习算法在辅助临床决策中的应用.

    睡眠分期生理信号多模态多尺度双向门控循环网络

      原文链接:
    • 万方数据
    • 维普

    基于卷积神经网络和长短时记忆网络的心理疲劳状态识别方法

    王慧张玭金丰护赵宝永...
    34-40页
    查看更多>>摘要：现代生活节奏加快,生活压力逐渐增大,长期累积的心理疲劳对健康构成威胁.通过分析生理信号和参数,本文提出一种可以识别心理疲劳状态的方法,从而有助于维护健康生活.本文所提方法是基于卷积神经网络与长短时记忆网络结合的心电信号心理疲劳状态识别方法.首先,利用一维卷积神经网络模型的卷积层提取局部特征,通过池化层提取关键信息,同时去除部分冗余数据.然后,将提取的特征作为长短时记忆网络模型的输入,以进一步进行心电特征的融合.最后,通过全连接层整合关键信息,成功实现了对心理疲劳状态的准确识别.研究结果表明,相较于传统的机器学习算法,本文提出的方法显著提高了心理疲劳识别的准确性,识别的准确度达到了 96.3％,可为心理疲劳的预警和评估提供可靠的基础.

    心理疲劳心电信号卷积神经网络长短时记忆网络

      原文链接:
    • 万方数据
    • 维普

    基于第二心音统计特征的先天性心脏病相关肺动脉高压诊断方法

    杨炫锴孙静杨宏波郭涛...
    41-50页
    查看更多>>摘要：针对先天性心脏病相关肺动脉高压听诊特征不明显,已有的机器辅助诊断算法相对复杂等问题,提出一种基于第二心音信号高频分量统计特征的分析方法.首先,采用端点检测自适应分割方法提取第二心音.其次,使用离散小波变换分解出高频分量,并提取该分量的赫斯特(Hurst)指数、勒佩尔-齐夫(Lempel-Ziv)信息和样本熵等统计特征.最后,使用这些特征训练极端梯度提升算法(XGBoost)分类器,在三分类中准确率达到了 80.45％.该方法无需进行降噪处理,特征提取速度快,且只需三个特征即可实现较好的多分类效果,有望用于先天性心脏病相关肺动脉高压早期筛查.

    心音先天性心脏病肺动脉高压高频分量统计特征极端梯度提升算法

      原文链接:
    • 万方数据
    • 维普

    基于多窗口时频重排的巴克频谱系数心音分类算法研究

    夏军孙静杨宏波潘家华...
    51-59页
    查看更多>>摘要：多窗口时频重排有助于提升对心音进行巴克频谱系数(BFSC)分析的时频分辨率.为此,本文提出一种基于多窗口时频重排的BFSC特征提取与深度学习结合的心音分类新算法.首先,对随机截取的心音片段进行幅值归一化等预处理,然后分别用多个正交窗口对心音做分帧处理,及计算基于短时傅里叶变换的时频重排,将得到的各独立频谱通过算术平均计算出平稳的频谱估计.最后,通过巴克滤波器组提取该重排频谱的BFSC作为特征.本文采用卷积网络与循环神经网络作为分类器,对提取的特征进行模型比较与性能评估.最终,多窗口时频重排改进BFSC的方法提取了更具有辨别力的特征,二分类准确率达到0.936,灵敏度为0.946,特异度为0.922.研究结果表明,本文所提算法无需分割心音,随机截取心音片段,大大简化了计算流程,有望用于先天性心脏病筛查.

    心音多窗口时频重排先天性心脏病巴克频谱系数深度学习

      原文链接:
    • 万方数据
    • 维普

    基于记忆驱动的多模态医学影像报告自动生成研究

    邢素霞方俊泽鞠子涵郭正...
    60-69页
    查看更多>>摘要：医学影像报告自动生成任务面临疾病类型多样、报告描述缺乏专业性和流畅性等多重挑战.为解决以上问题,本文提出一种基于记忆驱动的多模态医学影像报告自动生成方法(mMIRmd),首先使用基于移位窗口的层次视觉转换器(Swin-Transformer)提取患者医学影像的多视角视觉特征,通过基于转换器的双向编码模型(BERT)提取病史信息的语义特征,然后将多模态特征进行融合,提高模型对不同疾病类型的识别能力.其次,使用医学文本预训练的词向量词典对视觉特征标签进行编码,以提高生成报告的专业性.最后,在解码器中引入记忆驱动模块,解决医学影像数据中的长距离依赖关系.本研究在印第安纳大学收集的胸部X光数据集(IU X-Ray)和麻省理工学院联合马萨诸塞州总医院发布的重症监护X光医疗数据集(MIMIC-CXR)上进行验证.实验结果表明,本文所提方法能更好地关注患病区域,提高生成报告的准确性与流畅性,可以辅助放射科医生快速完成医学影像报告的撰写.

    多模态特征融合记忆驱动报告自动生成医学影像

      原文链接:
    • 万方数据
    • 维普

    基于LightGBM模型的肺腺癌免疫相关基因筛选与患者生存率预测

    孟祥福田友发张霄雁
    70-79页
    查看更多>>摘要：肺癌是对人类健康威胁最大的恶性肿瘤之一.已有研究表明,一些基因在肺癌的发生发展过程中发挥着重要的调控作用.本文提出一种基于LightGBM的集成学习方法,根据免疫相关基因(IRG)表达谱数据和临床数据构建预后模型,对肺腺癌患者的预后生存率进行预测.首先,使用Limma包进行基因差异分析,然后利用CoxPH回归分析方法对与预后相关的IRG进行筛选,进而使用XGBoost算法对IRG特征进行重要性打分,最后利用LASSO回归分析方法筛选可用于构建预后模型的IRG,最终结果共得到17个可用于构建模型的IRG特征.根据筛选得到的IRG特征来训练LightGBM,使用K-means算法将患者分为三组,其模型输出结果的受试者操作特征(ROC)曲线下面积(AUC)显示模型预测三组患者生存率的准确率分别为96％、98％、96％.实验结果表明,本文所提模型能够将肺腺癌患者分为三组[5年生存率高于65％(第一组)、低于65％但高于30％(第二组)、低于30％(第三组)],并能较准确地预测肺腺癌患者的五年生存率.

    肺腺癌生物信息学集成学习免疫相关基因LightGBM

      原文链接:
    • 万方数据
    • 维普

    仿鼠脑内嗅—海马—前额叶信息传递回路的空间导航方法

    廖诣深于乃功
    80-89页
    查看更多>>摘要：生理学研究发现,大鼠进行空间定位依赖内嗅—海马CA3结构中的网格细胞与位置细胞,而内嗅—海马结构与前额叶皮层之间的动态联系是导航的关键.基于此,本文提出一种仿鼠脑内嗅—海马—前额叶信息传递回路的空间导航方法,旨在为移动机器人赋予强大的空间导航能力.在海马CA3—前额叶空间导航模型的基础上,本文构建以海马CA1区位置细胞为基本单元的动态自组织模型优化导航路径.随后通过海马CA3区位置细胞与前额叶皮层动作神经元将优化后的路径回馈至脉冲神经网络,提高模型收敛速度的同时还有助于建立导航习惯的长期记忆.为验证方法的有效性,本文分别设计了二维仿真实验和三维仿真平台的机器人实验.实验结果表明:本文方法不仅能够在导航效率、收敛速度等方面超越其他算法,而且对动态变化的导航任务具有较好的适应性.同时,本文方法还能够很好地应用在移动机器人平台上.

    位置细胞动作神经元内嗅—海马前额叶空间导航

      原文链接:
    • 万方数据