首页期刊导航|中国生物医学工程学报
期刊信息/Journal information
中国生物医学工程学报
中国生物医学工程学报

刘德培

双月刊

0258-8021

cjbmecjbme@163.com

010-65248786

100730

北京东单三条9号

中国生物医学工程学报/Journal Chinese Journal of Biomedical EngineeringCSCD北大核心CSTPCD
查看更多>>本刊是全国生物医学工程工作人才沟通学术思想、交流学术经验的园地。报道有创造性的最新科研论文和研究简讯。包括学科有：人工器官和生物医用材料，生物效应，生物信息与控制；生物力学；生物医学仪器；中医工程；临床工程等。读者对象是国内外生物医学工程学工作者、医务工作者以及其他从事自然科学研究和有关工程技术人员。
正式出版
收录年代

    基于机器学习的重症患者脓毒症实时风险预测模型

    李润发杨美程李建清刘澄玉...
    1-9页
    查看更多>>摘要：脓毒症是人体对感染反应失调导致的器官功能障碍综合症,具有较高的发病率和死亡率.传统的评分系统存在特异性低的问题.本研究基于LightGBM机器学习框架,提出了一种对脓毒症进行早期预测和风险评估的模型,以便对具有脓毒症潜在风险的患者进行及时干预.为了实现该模型,提出基于LASSO特征选择和滑动窗口路径重积分的时间序列特征构建方法,以及基于动态时间规整算法的时间序列聚类采样方法.选择MIMIC-Ⅲ数据库29 239位病人和PhysioNet/CinC 2019挑战赛数据集40 336位病人的临床信息来训练和验证模型.所提出的模型在MIMIC-Ⅲ和PhysioNet/CinC 2019独立测试集上的灵敏度、特异性、操作特征曲线下面积(AUC)分别为0.737 7、0.730 4、0.814 7 和 0.802 6、0.789 1、0.873 0.与目前最先进的 EASP 方法相比,AUC 分别提高了 3.62％和2.83％.本研究模型可以实时预测脓毒症发生的风险,揭示影响脓毒症发生的重要因素,为脓毒症风险人群的及时干预提供依据.

    脓毒症预测机器学习特征构建时间序列采样

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    异氟烷麻醉对小鼠自发肌电及TUS/TMAS诱发肌电的影响

    王茹茹周晓青赵渝卉刘煦...
    10-17页
    查看更多>>摘要：经颅超声刺激(TUS)和经颅磁声耦合刺激(TMAS)调控运动皮层效果明显,但受限于清醒状态动物难以束缚,已有研究大多在麻醉状态下进行,对麻醉减弱调控效果的分析集中于中枢神经系统.本研究记录了异氟烷麻醉下24只小鼠的肢体自发肌电和TUS/TMAS诱发肌电,定量分析了麻醉对自发肌电和诱发肌电发放率、潜伏期、时长和幅值的影响.结果显示,随着异氟烷输出浓度从0.40％增加至0.75％,每周期内小鼠自发肌电频次减少约50％,肌电发放时长变短,呈抑制状态;TUS/TMAS诱发肌电的成功率分别降低约50％和70％、潜伏期均延长约0.1 s、时长分别缩短约0.3和0.5 s,表明TUS/TMAS对运动皮层的调控效果随麻醉程度的加深而减弱.肢体自发和诱发肌电在发放率和时长上存在关联性特征,提示麻醉状态下小鼠自发肌电抑制状态可能是刺激效果减弱的影响因素之一.

    经颅超声刺激(TUS)经颅磁声耦合刺激(TMAS)肌电麻醉

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于心率变异性的自动睡眠分期及其脑电图验证

    应少飞秦代友谢佳欣郜东瑞...
    18-26页
    查看更多>>摘要：睡眠障碍会严重影响人们的日常生活,因此睡眠的早期监测对睡眠疾病的预防和诊断有重要意义.采用自行研制的便携式多导睡眠监护仪,开展了 103人次的居家夜间睡眠数据收集(含脑电、眼电、肌电和心电信号).然后,从同步采集的心电数据RR间期中提取时域、频率和非线性特征,组合出最高达426个心率变异性(HRV)特征,基于Xgboost算法构建模型对睡眠中的清醒期(wake)、非快速眼动Ⅰ期(N1)、非快速眼动Ⅱ期(N2)、非快速眼动Ⅲ期(N3)和快速眼动期(REM)进行五分类(wake、N1、N2、N3、REM)、三分类(wake+N1、REM、N2+N3)和二分类(wake、N1+N2+N3+REM)预测,并与脑电图睡眠分期标签进行验证.最后,五分类、三分类和二分类测试结果准确率分别达到84.0％、89.1％和95.2％,F1-score达到83.2％、88.9％和94.9％,为同类模型研究中表现最佳.说明HRV与睡眠阶段具有良好的相关性,基于便携式设备收集数据构建的算法模型可以较好地识别睡眠状态.

    心率变异性脑电图多导睡眠监护仪Xgboost自动睡眠分期

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    阴性颞叶癫痫患者静息态脑功能连接网络特征融合策略的分析

    王凯威葛曼玲王丽娜程浩...
    27-38页
    查看更多>>摘要：静息态功能磁共振成像(rfMRI)的功能连接(FC)可为阴性颞叶癫痫提供脑功能异常指标,但冗余特征影响了精准性.为此,本研究提出结合特异性指数模型与判别相关分析(DCA)的特征融合策略以改善识别效果.将20位患者与20位健康人的rfMRI数据预处理后,以健康人为对照组,构建两类特异性指数模型以量化FC和脑网络FC;采用最小冗余最大相关(mRMR)及独立样本t检验去除冗余特征,应用DCA融合2类FC特异性指标;将融合特征分别输入到K近邻、支持向量机和逻辑回归分类器中,并以嵌套10次10折交叉验证与嵌套10次5折分层交叉验证的平均分类精度来评估算法有效性.结果表明,融合特征识别率达到了 91.25％～92.50％,高于非融合方案的识别水平.所提出的特征融合策略可有效地处理冗余信息,增强特征判别能力,为精准识别阴性颞叶癫痫提供了新思路.

    静息态功能磁共振成像阴性颞叶癫痫脑网络判别相关分析机器学习

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    结合贝叶斯推理和局部多项式拟合的增强区域增长算法在超声弹性成像中的应用

    文烁杰周竞宇周文俊姜劲枫...
    39-48页
    查看更多>>摘要：超声应变弹性成像是一种非侵入性评估组织硬度的成像方式,临床上常用于乳腺、前列腺以及腹部器官的检查.位移跟踪是其中的重要环节,块匹配方法是位移跟踪的常用方法,但是在成像过程中因为探头超出平面的运动或者无关的生理运动导致信号去相关,常产生跳峰误差,导致这类方法产生的位移和应变图像质量较差.本研究提出一种将贝叶斯推理和局部位移拟合纳入区域增长运动估计框架中的运动跟踪算法(BRGMT-LPF)以解决上述问题.首先用最大后验概率值代替传统的互相关值,然后利用来自相邻匹配块的信息来正则化当前估计的位移,最后通过多项式拟合相邻位移值更新异常位移值获取最终位移.为验证本研究方法的有效性,评估本研究方法、区域生长运动跟踪算法(RGMT)、带局部多项式拟合的区域生长算法(RGMT-LPF)和仅带贝叶斯推理的区域生长算法(BRGMT)在计算机数字体模数据、在体数据上的追踪性能.结果表明,在通过有限元软件和FIELD Ⅱ模拟的10对超声数据上,BRGMT-LPF获得了最低的平均绝对误差(MAE)0.169 9(降低0.25％)和最高的对比度噪声比(CNR)1.162 5(提高4％);从经病理证实的乳腺肿瘤病人体内采集的16对在体数据上,BRGMT-LPF获得了最高的CNR,为1.50(最少提高0.37％)和最高的运动补偿互相关(MCCC)0.84(最少提高9.4％).本研究的初步结果表明,所提出的方法可用于提高超声弹性成像的图像质量以及基于位移的模量重建.

    贝叶斯推理局部多项式运动跟踪超声应变弹性成像乳腺成像

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于细化等值面拓扑的病灶切片三维重建方法

    谈玲梁颖马雯杰夏景明...
    49-59页
    查看更多>>摘要：脑组织病灶切片的三维重构对于了解神经胶质神经瘤状态具有重要意义,可用于鉴别诊断、手术模拟等.移动立方体(MC)算法是经典的多边形曲面重建算法,具有简单易实现的优点,但其存在低效且梯级现象明显的情况.针对该问题,本研究提出一种细化等值面拓扑的病灶切片空间堆叠重建方法(SSR-RI),旨在实现拓扑构形与运行效率的优化.SSR-RI通过构建空间坐标系对磁共振图像(MRI)切片邻近图进行处理,为了改善双线性插值法中图像分量易受损的问题,提出一种自适应空间插值法,根据灰度值变化自适应选择插值点,对周围进行扩充.在结合等法线顶点的基础上,设计了一种细化等值面提取方式的堆叠重建方法,以提高堆叠速度,并减少梯级问题.为了进一步优化SSR-RI的三维重建效果,提出一种改进的局部反射光照法(PR)以绘制三维病变,利用镜面颜色反射(SCR)与镜面指数(SE)对重建体进行渲染优化.使用公开脑肿瘤分割数据集BraTS的618例病例开展三维重建实验,以验证所提出方法性能.实验结果显示,所提算法的重建时间只需2.124 s,F-score值达到0.845,SSIM值达到0.81,相较于MC算法减少了 38％的重建时间,F-score值和SSIM值分别提高了 30.89％和38.4％.重构体序列间结构紧密,视觉效果更富立体感和纹理感,有效地提高了三维重建的绘制效率.

    脑肿瘤图像三维重建自适应空间插值细化等值面局部反射光照

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于Unet+Attention的胸部CT影像支气管分割算法

    张子明周庆华薛洪省覃文军...
    60-69页
    查看更多>>摘要：目前肺气管分割中,由于CT图像灰度分布复杂,分割目标像素近似,易造成过分割;而且肺气管像素较少,难以得到更多目标特征,造成细小肺气管容易被忽略.针对这些难点,本研究提出结合Unet网络和注意力机制的肺气管分割算法,注意力机制使用的是关注通道域和空间域的卷积块注意力模型(CBAM),该模型提高了气管特征权重.在损失函数方面,针对原始数据中正负样本失衡的问题,引入focal loss损失函数,该函数对标准交叉熵损失函数进行了改进,使难分类样本在训练过程中得到更多关注;最后通过八连通域判断将孤立点去除,保留较大的几个连通域,即最后的肺气管部分.选用由合作医院提供的24组CT影像和43组CTA影像,共计26 157张切片图像作为数据集,进行分割实验.结果表明,分割准确率能够达到0.86,过分割率和欠分割率均值为0.28和0.39.经过注意力模块和损失函数的消融实验,在改进前的准确率、过分割率和欠分割率分别为0.81、0.30、0.40,可见其分割效果均不如Unet+Attention方法.与其他常用方法在相同条件下进行比较后,在保证过分割率和欠分割率不变的情况下,所提出的算法得到了最高的准确率,较好地解决了细小气管分割不准确的问题.

    医学图像分割肺气管Unet注意力机制focalloss

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于MobileNetV2的小肠溃疡病灶图像识别

    刘张郭旭东李胜男
    70-79页
    查看更多>>摘要：小肠镜下的溃疡病变形态复杂,鉴别诊断困难.为实现小肠溃疡病变的人工智能辅助识别,提高诊断效率和准确度,构建了一种基于MobileNetV2网络的小肠溃疡性病灶识别算法.以MobileNetV2为主干特征提取网络,将输出特征图进行空间上的多尺度提取后输入至通道注意力模块中进行特征重标定,并将多个尺度上的特征进行融合后输出分类.为了缓解数据集不均衡所带来的影响,提出了一种改进的损失函数.所用数据集来自上海长海医院282位患者的共2 124张小肠镜临床图像.采用所提方法对该数据集测试的识别准确率为87.86％,5折交叉验证平均准确率为87.27％.使用梯度加权类激活图进行了可视化验证,同时将所提模块应用在不同主干网络架构上,均具有良好的通用性.研究表明,该网络模型能够更加注重病灶信息,加强病灶特征判别指向,对于小肠溃疡图像具有较高的识别准确率,可初步实现小肠溃疡病灶的自动识别.

    医学图像分类小肠溃疡MobileNetV2空间多尺度特征特征重标定

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于神经影像和机器学习的大脑功能图谱构建方法综述

    杨梦婷张道强温旭云
    80-97页
    查看更多>>摘要：脑图谱是包括大脑功能探索、神经和认知科学以及临床诊疗在内的脑科学研究的重要工具,其主要通过神经影像数据,利用机器学习方法进行构建,由此产生的分割模式是理解大脑组织和功能的基础,还可用于脑网络节点的定义,并有助于降低神经影像噪声对应用结果的影响.在脑图谱中,相比于结构图谱,功能图谱虽然起步较晚,但其具有更高的功能一致性,已在各类脑功能相关研究中得到了广泛关注和应用.为了揭示功能图谱的发展路径,在调研基于神经影像数据和机器学习所构建的脑功能图谱的种类和方法的基础上,首先将图谱按照皮层和体素、个体和群体以及影像模态等多重属性特征进行分类解读,展示各种图谱的详细信息;然后根据机器学习方法分别综述基于图聚类和基于时间序列聚类的脑图谱构建方法;最后对脑图谱研究领域所面临的挑战和将来可能的研究方向进行展望.

    脑功能图谱磁共振成像脑网络机器学习聚类

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于多模态影像的脑龄预测模型与应用

    刘爽俞婧陈元园范秋筠...
    98-105页
    查看更多>>摘要：脑龄预测是借助脑影像数据进行建模与分析,客观评估大脑成熟与老化程度的一种分析技术.随着人工智能算法的发展,脑龄预测的相关研究近年呈现快速增长态势.已有研究普遍认为脑龄预测有助于评估大脑的健康状态,是监测大脑异常发育和老化的有效指标,具有预测大脑异常老化和病变发生的巨大潜力.针对近年来脑龄预测领域的发展,从脑龄分类、脑龄模型及其临床应用等几方面,综述该领域的最新研究进展,并进一步概述脑龄研究未来发展的挑战和趋势.

    神经影像脑龄脑龄预测偏差深度学习

      原文链接:
    • NETL
    • NSTL
    • 万方数据