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

    基于自监督预训练和多任务学习的肺腺癌无复发生存期预测

    胡伦瑜夏威李琼高欣...
    205-212页
    查看更多>>摘要：计算机断层成像(CT)是肺腺癌诊断与评估的重要工具,利用CT图像预测肺腺癌患者手术后的无复发生存期(RFS)对于术后治疗方案的制定具有重要意义.针对CT图像的肺腺癌RFS精准预测难题,本文提出了一种基于自监督预训练和多任务学习的肺腺癌RFS预测方法.采用"图像变换—图像恢复"的自监督学习策略,在公开肺部CT数据集上对3D-UNet网络进行自监督预训练解析肺部图像的通用视觉特征,通过分割与分类的多任务学习策略进一步优化网络特征提取能力,引导网络提取与RFS相关的图像特征,同时设计多尺度特征聚合模块以充分聚合多尺度的图像特征,最后借助前馈神经网络预测肺腺癌RFS风险评分.通过十折交叉验证评估所提方法的预测性能.结果显示,所提方法预测RFS的一致性指数(C-index)与预测三年内是否复发的曲线下面积(AUC)分别达到0.691±0.076与0.707±0.082,预测性能优于现有方法.综上,本研究所提方法在肺腺癌患者RFS预测方面表现出潜在的优越性,有望为个体化治疗方案的制定提供可靠依据.

    计算机断层成像肺腺癌术后复发自监督学习多任务学习

      原文链接:
    • 万方数据
    • 维普

    基于并行轻量化卷积和多尺度融合的脑部磁共振图像配准

    沈瑜严源宋婧刘广辉...
    213-219页
    查看更多>>摘要：医学图像配准在医疗诊断和治疗规划等领域具有重要意义.然而,当前基于深度学习的配准方法仍然面临着一些挑战,如对全局信息提取能力不足、网络模型参数量大、推理速度慢等问题.为此,本文提出了一种新的模型LCU-Net,采用并行轻量化卷积以提升全局信息的提取能力;通过多尺度融合来解决网络参数量大和推理速度慢的问题.实验结果显示,LCU-Net的Dice系数达到0.823,Hausdorff距离为1.258,网络参数量相对于多尺度融合之前减少了约四分之一.本文提出的算法在医学图像配准任务中表现出显著优势,不仅在性能上超越了现有的对比算法,而且具有出色的泛化性能以及广泛的应用前景.

    医学图像处理并行路径多尺度融合模型轻量化

      原文链接:
    • 万方数据
    • 维普

    基于通道权重和数据效用特征的医学图像分割数据增强方法

    武星陶晨杰李智张健...
    220-227,236页
    查看更多>>摘要：在计算机辅助医疗诊断领域,获取含标签的医学数据代价昂贵,同时对模型的可解释性要求较高,而目前大多数深度学习模型存在数据缺乏和可解释性差的局限.为此,本文提出一种新颖的用于医学图像分割的数据增强方法,其优势和新颖之处在于,通过梯度类激活热力图提取数据效用特征并与原图像进行融合,然后构建新的通道权重特征提取器来学习不同通道间的权重,最终实现了不具有破坏性的数据增强效果,提升了模型的性能、数据效用和可解释性.将本文方法应用于超光谱-克瓦希尔(Hyper-Kvasir)数据集,U型网络(U-net)模型的交并比(IoU)和戴斯(Dice)系数分别有所提升;在国际皮肤成像合作组织(ISIC)档案文件(Archive)数据集(ISIC-Archive)上,深度研究实验室V3+网络(DeepLabV3+)模型的指标IoU和Dice系数也分别有所提升.此外,在仅使用70％的训练数据的情况下,依然取得了原模型在整个数据集上训练所得性能的95％,表现出良好的数据效用.而且,该方法所使用的数据效用特征具有内置的可解释信息,有助于提高模型的可解释性.本文所提方法普适性较好,可以即插即用,适用于不同的分割方法,且无需修改网络结构,因此易于集成到现有的医学图像分割工作中,可提高今后研究和应用的便利性.

    医学图像分割数据增强数据效用深度学习可解释性

      原文链接:
    • 万方数据
    • 维普

    基于SE-CaraNet的全方位最大密度投影图像颅内动脉瘤自动检测方法

    白培瑞宋雪峰刘庆一刘佳慧...
    228-236页
    查看更多>>摘要：传统的单一方位最大密度投影(MIP)图像在检测颅内动脉瘤时容易忽略部分形态特征,造成漏检和误检.针对该问题,本文提出一种新的基于全方位MIP图像的颅内动脉瘤检测方法.首先,对三维磁共振血管造影(MRA)图像进行全方位最大密度投影,获得MIP图像;然后,利用匹配滤波对颅内动脉瘤区域进行预定位;最后,使用Squeeze and Excitation(SE)模块对CaraNet模型进行了改进,并用改进后的模型对全方位MIP图像中的预定位区域进行检测,确定是否患有颅内动脉瘤.本文收集了 245例图像对所提方法进行了测试实验.实验结果表明本文所提方法的精确率和特异性分别可以达到93.75％和93.86％,显著提高了对MIP图像中颅内动脉瘤的检测性能.

    颅内动脉瘤检测最大密度投影Squeeze-and-Excitation模块CaraNet

      原文链接:
    • 万方数据
    • 维普

    基于协同学习特征融合和转换器的乳腺癌病灶分割方法

    翟悦淞陈智丽邵丹
    237-245页
    查看更多>>摘要：结合正电子发射断层扫描(PET)和计算机断层扫描(CT)的PET/CT成像技术是目前较先进的影像学检查手段,主要用于肿瘤筛查、良恶性鉴别诊断和分期分级.本文提出了一种基于PET/CT双模态图像的乳腺癌病灶分割方法,设计了一种双路U型网络框架,主要包括编码器模块、特征融合模块和解码器模块三个组成部分.其中,编码器模块使用传统的卷积进行单模态图像特征提取;特征融合模块采用协同学习特征融合技术,并使用转换器(Transformer)提取融合图的全局特征;解码器模块主要采用多层感知机以实现病灶分割.本文实验使用实际临床PET/CT数据评估算法的有效性,实验结果表明乳腺癌病灶分割的精确率、召回率和准确率分别达到95.67％、97.58％和96.16％,均优于基线算法.研究结果证明了本文实验设计的卷积与Transformer相结合的单、双模态特征提取方式的合理性,为多模态医学图像分割或分类等任务的特征提取方法提供参考.

    正电子发射断层扫描和计算机断层扫描乳腺癌病灶分割双路U型网络协同学习特征融合转换器

      原文链接:
    • 万方数据
    • 维普

    通过图注意力网络识别空间转录组中的空间域

    吴瀚文高洁
    246-252页
    查看更多>>摘要：由于数据的高维和复杂性,空间转录组数据的分析一直是一个具有挑战性的问题,而聚类分析则是空间转录组数据分析的核心问题.本文提出了一种基于图注意力网络的深度学习方法,用于空间转录组数据的聚类分析.首先,对空间转录组数据进行增强,然后使用图注意力网络对节点进行特征提取,最后使用莱顿(Leiden)算法进行聚类分析.通过聚类的评价指标发现,与传统的非空间及空间聚类方法相比,本文提出的方法具有更好的数据分析性能.实验结果表明,本文所提方法可以有效地聚类空间转录组数据,从而能够识别不同的空间区域,为研究空间转录组数据提供了新的工具.

    空间转录组学图注意力网络深度学习聚类分析

      原文链接:
    • 万方数据
    • 维普

    应用基于注意力的多尺度残差网络实现癫痫脑电自动检测

    王兴起李明爱
    253-261页
    查看更多>>摘要：基于深度学习的癫痫脑电自动检测方法,能避免人为因素的影响而倍受关注,而其有效性主要取决于深度神经网络模型.为此,本研究将根据癫痫脑电的多尺度、时空特点及导联间的信息流动特征,设计一种基于注意力的多尺度残差网络(AMSRN),并与多尺度主元分析法(MSPCA)相结合,实现癫痫的自动检测.首先,利用MSPCA对原始癫痫脑电信号进行去噪和特征增强;进而,设计AMSRN模型结构与参数.其中,注意力模块(AM)、多尺度卷积模块(MCM)、时空特征提取模块(STFEM)和分类模块(CM)相继完成基于注意力加权机制的信号重表达以及多尺度-时空特征的提取、融合与分类.基于麻省理工学院的波士顿儿童医院(CHB-MIT)公共数据集进行5折交叉验证实验研究,AMSRN模型在灵敏度(98.56％)、F1分数(98.35％)、准确度(98.41％)及精确度(98.43％)等方面均取得了较好结果.结果表明,AMSRN模型能够很好地利用癫痫发作引起的脑网络信息流动强化导联间差异性,并有效捕获癫痫脑电的多尺度和时空特征,有利于改善癫痫检测性能.

    脑电信号多尺度主元分析脑网络深度学习癫痫检测

      原文链接:
    • 万方数据
    • 维普

    基于半监督神经网络的弹性模量分布重建

    张潇彭博王锐魏星月...
    262-271页
    查看更多>>摘要：在超声弹性成像中,准确重建组织弹性模量分布是一项重要挑战.现有的基于深度学习的全监督重建方法在训练中只使用了添加噪声的计算机仿真位移数据,不能完全模拟在体超声数据的复杂性和多样性.因此,本研究在训练中引入对在体超声射频信号追踪得到的位移数据(即真实位移数据),对模型进行半监督训练,旨在提高网络的预测准确度.实验结果显示,在仿体实验中,加入了真实位移数据的半监督模型的平均绝对误差和平均相对误差均在3％左右,而全监督模型的相应数据在5％左右.在处理真实位移数据时,半监督模型预测错误区域明显少于全监督模型.本文研究结果证实了所提方法的有效性和实用性,为在体超声数据在弹性模量分布重建的深度学习方法中的使用提供了新思路.

    半监督反问题深度学习弹性模量分布重建

      原文链接:
    • 万方数据
    • 维普

    微波心纹:基于超宽谱生物雷达检测心脏微动的非接触身份识别新技术

    黄玮任伟王可涵李钊...
    272-280页
    查看更多>>摘要：现有一次性身份认证技术无法持续保证整个人-机交互会话过程中的用户身份合法性,且往往需要用户主动配合而严重限制可用性.本研究首次提出一种基于超宽谱(UWB)生物雷达检测心脏微动的非接触身份识别新技术,通过生物雷达连续检测心脏体表区域距离维多点微动回波,在心拍分割的基础上利用二维主成分分析(2D-PCA)压缩提取心拍周期内距离通道-采样点二维图像的矩阵特征用于身份识别.实测实验中,以多距离单元& 2D-PCA特征方案为基础结合两种常规的参考特征方案,选取三种典型分类器为代表在正常呼吸和屏息两种状态下进行心拍身份识别.结果表明,本文所提多距离单元& 2D-PCA特征方案表现出最优的识别效果(识别率最高可达90％以上),相对最佳距离单元&整条心拍特征方案识别准确率总体平均提高6.16％(正常呼吸6.84％、屏息5.48％),相对多距离单元&整条心拍特征方案总体平均提高27.42％(正常呼吸28.63％、屏息26.21％).本研究有望为未来社会用户信息安全防护提供一种无扰式、全天候、非接触、连续性身份识别新方法.

    微波心纹生物雷达心脏微动非接触身份识别

      原文链接:
    • 万方数据
    • 维普

    基于步态特征的认知障碍量化评估方法研究

    陶帅胡泓彬孔丽文吕泽平...
    281-287页
    查看更多>>摘要：阿尔兹海默症(AD)是一种常见且危害严重的老年痴呆病,但对其早期轻度认知障碍的检测与治疗有助于减缓痴呆症的进展.近年来有研究表明认知功能与运动功能和步态异常之间存在关系.本研究从国家康复辅具研究中心附属康复医院招募了 302例受试者,按照纳入与排除标准最终纳入193例受试者,其中137例为轻度认知障碍患者(MCI),56例为健康对照者(HC).使用可穿戴设备采集参与者在单任务(自由行走)、双任务(倒数100)时的步态参数.将步态周期、运动学参数、时间-空间参数等步态参数作为研究重点,使用递归特征消除法(RFE)选择重要特征,将受试者的MoCA分数作为响应变量,建立了一种基于步态特征量化评估认知水平的机器学习模型.研究结果显示,足趾离地角度和足跟着地角度这两种时间-空间参数作为评估认知水平的标志物具有重要临床意义,未来或对预防或延缓AD的发生具有重要的临床应用价值.

    认知功能障碍轻度认知障碍步态分析机器学习随机森林算法

      原文链接:
    • 万方数据
    • 维普