按栏目浏览

生物医学工程 栏目所有文章列表
(按年度、期号倒序)
    一年内发表的文章 |  两年内 |  三年内 |  全部
Please wait a minute...
1. 基于注意力机制和深度学习的群体语言想象脑电信号分类
周逸凡,张灵维,周正东,蔡智,袁梦瑶,袁晓曦,杨泽毅
浙江大学学报(工学版)    2024, 58 (12): 2540-2546.   DOI: 10.3785/j.issn.1008-973X.2024.12.013
摘要   HTML PDF(pc) (1087KB)(165)   

为了提高群体语言想象脑电信号的分类准确率,提出基于卷积块注意力模块(CBAM)和Inception-V4卷积神经网络的分类方法,其中CBAM被用于关注重要的局部区域,从卷积神经网络(CNN)输出的特征图中提取更加独特的特征,从而提升群体语言想象脑电信号的分类性能. 该方法首先利用短时傅里叶变换将群体语言想象脑电信号转换为时频图,然后使用这些图片对融合了CBAM机制的Inception-V4网络进行训练. 开源数据集上的实验结果表明,所提出的方法使得6类短词的分类准确率达到了52.2%,与基于Inception-V4的分类方法相比,分类准确率提高了4.1个百分点,与基于VGG-16的分类方法相比,分类准确率提高了5.9个百分点. 使用迁移学习也能够大幅缩短训练所需的时间.

2. 基于遗传算法-序列二次规划的磁共振被动匀场优化方法
赵杰,刘锋,夏灵,范一峰
浙江大学学报(工学版)    2024, 58 (6): 1305-1314.   DOI: 10.3785/j.issn.1008-973X.2024.06.020
摘要   HTML PDF(pc) (2533KB)(254)   

为了解决磁共振成像(MRI)系统中固有的主磁场(B0)不均匀的问题,提出遗传算法-序列二次规划(GA-SQP)算法,以提高7 T磁共振的主磁场均匀性. 从被动匀场数学模型的角度出发,该混合算法利用GA算法获得稳定的初始解,实现主磁场的第1次优化,再通过SQP算法的快速求解,在较少的时间内实现主磁场的第2次优化,同时提高磁共振主磁场的均匀性. 采用正则化方法减少磁场均匀所需的铁片质量,并且获得稀疏的铁片分布. 在仿真建模的案例研究中,7 T磁共振裸磁场均匀度可以从462$ \times $10?6 优化到4.5$ \times $10?6,并且在匀场空间上仅消耗0.8 kg的铁片. 相比于传统的GA优化方法,新方案的磁场均匀性提高了96.7%,总铁片消耗质量减少了85.7%. 实验结果表明,GA-SQP算法比其他优化算法具有更强的鲁棒性和竞争力.

3. 基于单通道ECG信号与INFO-ABCLogitBoost模型的睡眠分期
朱炳洋,吴建锋,王柯,王章权,刘半藤
浙江大学学报(工学版)    2024, 58 (12): 2547-2555.   DOI: 10.3785/j.issn.1008-973X.2024.12.014
摘要   HTML PDF(pc) (1139KB)(155)   

为了减少对传统多导睡眠图(PSG)系统的依赖,基于单通道心电图(ECG)信号,设计了一种简单高效的睡眠分析算法. 采用最大重叠离散小波变换(MODWT)对原始信号进行多分辨分析,再进一步提取峰值信息;根据峰值位置的一阶偏差,提取多维度的心率变异性(HRV)特征. 为了进一步筛选与不同睡眠阶段具有强关联性的HRV特征,提出基于ReliefF算法与Gini指数的特征提取方法. 在此基础上,采用INFO-ABCLogitBoost方法挖掘HRV与不同睡眠阶段之间的关联性,从而实现睡眠阶段的精细分类. 在实际公开数据集上的实验结果表明,所提出的模型在睡眠分期任务中,总体精度为83.67%,准确率为82.59%,Kappa系数为77.94%,F1-Score为82.97%. 相比于睡眠分期任务中的常规模型,所提方法展现出更加高效便捷的睡眠质量评估性能,有助于实现家庭或移动医疗场景下的睡眠监测.

首页 | 前页| 后页 | 尾页 第1页 共1页 共3条记录