首页期刊导航|中国医学物理学杂志
期刊信息/Journal information
中国医学物理学杂志
中国医学物理学杂志

胡逸民

双月刊

1005-202X

yxwl@263.net.cn

020-61648280

510515

广州市同和南方医科大学生物医学工程学院

中国医学物理学杂志/Journal Chinese Journal of Medical PhysicsCSCDCSTPCD北大核心
查看更多>>本刊是国际医学物理学组织（ZOMP）的成员——中国医学物理学会会刊，是国内唯一全面涉及医学物理学各分支学科领域、国内外公开发行的专业性学术双月刊。读者对象是各大医院从事医学物理及相关人员、广大从事医学物理学学科研究的教学工作者以及医学物理学、生物物理学、生物工程学、医学和应用物理学等专业的工作者及博士、硕士研究生。
正式出版
收录年代

    采用融合ResNet和Transformer的U-Net进行疟疾感染红细胞分割

    刘潇霜张伟
    191-197页
    查看更多>>摘要：针对疟疾感染红细胞图像分割模型分割性能不高的问题，提出一种改进的U-Net网络模型，融合ResNet和Transformer。首先编码器部分使用ResNet，加深特征提取网络，以提取更深层次的特征;然后将ResNet输出传入Transformer模块进行目标区域特征的加强;最后通过解码器模块进行特征融合并输出结果。在疟疾显微图像数据集上，本文方法的Dice相似系数、平均交并比、类别平均像素准确率均优于U-Net网络，分别达到了87。40%、76。85%、85。28%。本文方法可以提高疟疾感染红细胞图像的分割精度，为疟疾诊断提供更有效和准确的解决方案。

    疟疾U-NetTransformer语义分割

      原文链接:
    • 万方数据
    • 维普

    基于RBF神经网络的双臂手术机器人自适应导纳控制

    张岩胡陟
    198-204页
    查看更多>>摘要：针对双臂机器人在辅助头颈部手术拉开软组织过程中环境刚度变化而导致的力跟踪误差较大问题，提出一种基于径向基函数(RBF)神经网络的自适应导纳控制策略，减小力跟踪误差，提升系统的响应速度。通过在手术过程中利用RBF神经网络在线调整导纳参数，提高机械臂对不同接触条件和操作要求的适应性，实现快速精确的力跟踪。仿真实验将基于RBF神经网络的自适应导纳控制策略引入双臂力同步导纳控制系统并与传统定参数导纳控制对比，证明其在接触环境参数变化情况下的接触力控制效果。结果表明，基于RBF神经网络的自适应导纳控制策略可以有效提升双臂手术机器人力跟踪精度、响应速度以及抗干扰能力。

    自适应导纳控制径向基函数神经网络双臂手术机器人力跟踪

      原文链接:
    • 万方数据
    • 维普

    基于小波包重构信号能量分布特征的心音分类识别

    房玉昌业勤郭子健王维博...
    205-211页
    查看更多>>摘要：目的:为了有效识别心脏疾病心音的病理特征信息进行心脏疾病早期筛查，提出一种基于小波包系数重构信号能量序列的分布特征提取算法。方法:应用小波包分解算法对原始心音信号进行10层成分分解，获得各层小波包系数后对每一个系数进行重构，计算重构信号的能量并按原序排列构成能量序列。分析各层重构信号的能量序列的分布特征，并把分布特征作为分类特征。应用支持向量机、K近邻和决策树对正常心音和各类心脏疾病心音信号进行分类识别。结果:应用重构信号能量序列的分布特征结合决策树分类器，对公开数据集的5种心音分类识别准确率可达93。6%;对临床采集的正常心音和肥厚性心肌病心音数据分类准确率最高达95。6%。结论:本文算法能提取异常心音信号的有效病理信息，为临床心脏病听诊提供参考。

    心肌病心音小波包分解峰度偏度

      原文链接:
    • 万方数据
    • 维普

    基于Hodgkin-Huxley模型的神经元网络信息编码模式对比

    刘瑾琬逯迈
    212-219页
    查看更多>>摘要：目的:基于Hodgkin-Huxley(HH)神经元模型的神经元网络信息编码模式提出两类不同的信息编码方法对比。方法:采取HH神经元模型和化学突触，利用数值模拟的方法搭建不同拓扑结构的生物神经元网络，通过平均频率编码和峰峰间隔编码(ISIs)两种信息编码方法对比研究在正弦波信号和随机音频信号刺激下平均频率编码和ISIs编码的特异性，分析不同刺激信号下神经元网络的信息编码模式。结果:神经元网络的信息编码模式与刺激信号类型具有相关性:当刺激信号为连续的周期信号时，神经元网络会产生与刺激信号对应的具有周期性的放电序列;当刺激信号为随机信号时，神经元网络的放电率会随着刺激信号强度发生变化，刺激信号强度越大，动作电位发放率越高。在同一刺激信号下，神经元网络的拓扑结构会影响神经元网络放电序列的时间结构。结论:神经元网络信息编码模式与刺激信号相关，不同拓扑结构的神经元网络放电序列时间结构不同。ISIs编码方法精确度更高，包含的信息量更大，与平均频率编码相结合的编码方法能够有效表达神经元网络在刺激信号下信息编码模式的动态改变。

    Hodgkin-Huxley模型神经元网络数值模拟平均频率编码峰峰间隔编码

      原文链接:
    • 万方数据
    • 维普

    基于主动光源阵列的骨科机器人末端示踪装置

    冯逾鹏张杰杨兴海
    220-226页
    查看更多>>摘要：为减少机械臂导航过程中示踪装置视线遮挡问题对手术的影响，研究一种多角度主动光源阵列的末端示踪装置，采用非支架式的机械结构，配合双目相机，实现对手术机械臂位置的感知。通过大小两个棱柱相互配合，组成多角度的光源阵列，实现对机械臂工具中心点的计算。通过COMSOL软件搭建简易模型，验证示踪装置信号使用范围;通过覆盖范围实验和静态定位实验证明装置的有效性和稳定性，可以满足手术机器人的任务要求。

    主动光源手术机器人导航定位示踪装置

      原文链接:
    • 万方数据
    • 维普

    基于时空图卷积神经网络的精神分裂症识别

    徐信毅李斌朱耿周宇星...
    227-232页
    查看更多>>摘要：提出一种基于时空图卷积神经网络的精神分裂症患者分类方法，与过往仅分析脑电中的时频特征而忽略各脑区之间空间特征的主流方法不同，模型主要通过用不同通道之间小波相干系数构成的邻接矩阵和脑电序列进行图卷积的方式获取其中的空频特征，再通过一维时间卷积获取其中的时频特征，经过多次卷积后将处理过的矩阵扁平化后输入分类模型。实验结果表明本文方法在公开数据集Zenodo上的分类准确率达96。32%，证明本文方法的有效性，也证明融合时频、空频特征对精神分裂症诊断的优势。

    精神分裂症时频特征空频特征图神经网络

      原文链接:
    • 万方数据
    • 维普

    基于遗传算法优化C-LSTM模型的心律失常分类方法

    王巍丁辉夏旭吴浩...
    233-240页
    查看更多>>摘要：结合遗传算法全局寻优的特点提出一种GC-LSTM模型，该模型通过特定遗传策略的遗传算法自动迭代搜寻C-LSTM模型最佳超参数配置。利用遗传迭代结果配置模型，并按照医疗仪器促进协会制定分类标准在MIT-BIH心律失常数据库上进行验证。经过测试，本文提出的GC-LSTM模型在分类准确率(99。37%)、灵敏度(95。62%)、精确度(95。17%)、F1值(95。39%)上相较于手动搭建模型均有所提升，且与现有主流方法相比亦具备一定优势。实验结果表明该方法在避免大量实验调参的同时取得较好的分类性能。

    心律失常分类遗传算法GC-LSTM模型超参数

      原文链接:
    • 万方数据
    • 维普

    电磁脉冲引起人体血脑屏障开放的生物电磁剂量学

    林加金周艳丁桂荣李静...
    241-246页
    查看更多>>摘要：目的:对电磁脉冲引起人体血脑屏障开放的生物电磁剂量学进行研究。方法:基于典型暴露平台建立人体脑部剂量学研究环境，利用三维数字化人体模型并结合电磁仿真方法对生物电磁剂量进行仿真评估。结果:头部中心的电场峰值为1。49 kV/m，与激励电场相比衰减41。6 dB;鼻尖皮肤表面处空气中最大电场幅值为1795 kV/m;一次脉冲下头部空间的平均吸收率为4。16×10-8 J/kg;重复频率1000 s-1的极端条件下的头部平均比吸收率为4。16×10-5 W/kg。结论:局部高强度电场是临床应用中重要的安全隐患，需要结合血脑屏障开放的量效关系研究抑制局部高强度电场的手段，本研究的人体脑部生物电磁剂量数据可用于临床效应的可行性评估。

    电磁脉冲血脑屏障临床应用剂量生物安全性

      原文链接:
    • 万方数据
    • 维普

    基于实时目标检测网络的胎儿颜面部超声切面识别及应用

    刘中华余卫峰吴秀明薛浩...
    247-252页
    查看更多>>摘要：目的:探讨基于实时目标检测网络的人工智能(AI)模型在胎儿颜面部超声检查中的应用价值。方法:以妊娠20～24周正常胎儿颜面部超声标准切面(FFUSP)图像为研究对象，构建基于实时目标检测网络的FFUSP识别模型，观察其对FFUSP及其解剖结构的识别精度;通过临床验证分析其对119例胎儿超声图像中FFUSP识别效能以评价其临床应用价值。结果:AI模型对胎儿颜面部结构识别的整体查准率为97。8%、查全率为98。5%、mAP@。5为98。1%、mAP@。5:。95为61。0%。在临床验证中，AI模型对颜面部解剖结构识别的敏感度、特异度、阳性预测值、阴性预测值及准确率分别为100。0%、98。5%、87。4%、100。0%、98。7%，与胎儿超声专家分类一致性强(k=0。925，P<0。001);对3类标准切面图像的识别准确率为100%;动态视频检测平均速度为33。93帧/s。结论:基于实时目标检测网络的FFUSP识别模型性能优越，可应用于实时超声检查辅助诊断、教学及智能化质量评价。

    超声检查人工智能实时目标检测网络胎儿颜面部

      原文链接:
    • 万方数据
    • 维普

    基于深度学习及改进模糊KMeans的寻常型银屑病智能诊断方法

    石丽平杜笑青李静刘丽娟...
    253-257页
    查看更多>>摘要：为了解决寻常型银屑病在样本分布不平衡的数据中可能会导致的深度学习模型诊断效果下降等问题，通过结合改进模糊KMeans聚类算法对高聚类复杂度数据的处理能力以及Visual Geometry Group 13(VGG13)深度卷积神经网络模型的预测能力，提出一种基于改进模糊KMeans聚类算法的VGG13深度卷积神经网络(VGG13-KMeans)模型，并将其应用于寻常型银屑病的诊断任务中。实验结果表明，相较于VGG13以及ResNet18两种方法，本文方法更适用于对银屑病特征的识别。

    寻常型银屑病改进模糊KMeans聚类算法VGG13深度卷积神经网络模型

      原文链接:
    • 万方数据
    • 维普