下载客户端

《中国生物医学工程学报》2024年（43卷）第1期目次

2024-04-17 15:56

来源：澎湃新闻·澎湃号·政务

http://cjbme.csbme.org

论著

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

识别获取全文

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。

关键词：脓毒症预测；机器学习；特征构建；时间序列采样

中图分类号：R318 文献标志码：A

文章编号：0258-8021（2024）01-0001-09

上下滑动阅读

引用本文:

李润发,杨美程,李建清,刘澄玉. 基于机器学习的重症患者脓毒症实时风险预测模型[J]. 中国生物医学工程学报,2024, 43(1): 1-9.

Li Runfa, Yang Meicheng, Li Jianqing, Liu Chengyu. Sepsis real⁃time risk prediction model for intensive care unit patients based on machine learning [J]. Chinese Journal of Biomedical Engineering,2024, 43(1): 1-9.

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刘志朋王欣殷涛

识别获取全文

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0.1s、时长分别缩短约0.3和0.5s，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。

关键词：经颅超声刺激（TUS）；经颅磁声耦合刺激（TMAS）；肌电；麻醉

中图分类号：R318 文献标志码：A

文章编号：0258-8021（2024）01-0010-08

上下滑动阅读

引用本文:

王茹茹,周晓青,赵渝卉,刘煦,刘志朋,王欣,殷涛. 异氟烷麻醉对小鼠自发肌电及TUS/TMAS诱发肌电的影响[J]. 中国生物医学工程学报,2024, 43(1): 10-17.

Wang Ruru, Zhou Xiaoqing, Zhao Yuhui, Liu Xu, Liu Zhipeng, Wang Xin, Yin Tao. Effects of isoflurane anesthesia on spontaneous and TUS/ TMAS induced electromyography in mice [J]. Chinese Journal of Biomedical Engineering,2024, 43(1): 10-17.

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秦云刘铁军

识别获取全文

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。

关键词：心率变异性；脑电图；多导睡眠监护仪；Xgboost；自动睡眠分期

中图分类号：R318 文献标志码：A

文章编号：0258-8021（2024）01-0018-09

上下滑动阅读

引用本文:

应少飞,秦代友,谢佳欣,郜东瑞,秦云,刘铁军. 基于心率变异性的自动睡眠分期及其脑电图验证[J].中国生物医学工程学报,2024, 43(1): 18-26.

Ying Shaofei, Qin Daiyou, Xie Jiaxin, Gao Dongrui, Qin Yun, Liu Tiejun. Heart rate variability based automatic sleep staging and its validation with EEG [J]. Chinese Journal of Biomedical Engineering,2024, 43(1): 18-26.

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赵小虎陈盛华张其锐

识别获取全文

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。

关键词：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

中图分类号：R318 文献标志码：A

文章编号：0258-8021（2024）01-0027-12

上下滑动阅读

引用本文:

王凯威,葛曼玲,王丽娜,程浩,赵小虎,陈盛华,张其锐. 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[J]. 中国生物医学工程学报,2024, 43(1): 27-38.

Wang Kaiwei, Ge Manling, Wang Lina, Cheng Hao, Zhao Xiaohu, Chen Shenghua, Zhang Qirui. Analysis of feature fusion strategies of resting⁃state brain functional connectivity network in patients with negative temporal lobe epilepsy [J]. Chinese Journal of Biomedical Engineering,2024, 43(1): 27-38.

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彭博

识别获取全文

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。

关键词：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

中图分类号：R318 文献标志码：A

文章编号：0258-8021（2024）01-0039-10

上下滑动阅读

引用本文:

文烁杰,周竞宇,周文俊,姜劲枫,彭博. 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[J]. 中国生物医学工程学报,2024, 43(1): 39-48.

Wen Shuojie, Zhou Jingyu, Zhou Wenjun, Jiang Jinfeng, Peng Bo. Augmented region⁃growing⁃based motion tracking using Bayesian inference and local polynomial fitting for quasi⁃static ultrasound elastography [J]. Chinese Journal of Biomedical Engineering,2024, 43(1): 39-48.

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朱吉宁

识别获取全文

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2.124s，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。

关键词：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

中图分类号：R318 文献标志码：A

文章编号：0258-8021（2024）01-0049-11

上下滑动阅读

引用本文:

谈玲,梁颖,马雯杰,夏景明,朱吉宁. 基于细化等值面拓扑的病灶切片三维重建方法[J]. 中国生物医学工程学报,2024, 43(1): 49-59.

Tan Ling, Liang Ying, Ma Wenjie, Xia Jingming, Zhu Jining. Three⁃dimensional reconstruction method of lesion slices based on refined isosurface [J]. Chinese Journal of Biomedical Engineering,2024, 43(1): 49-59.

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

识别获取全文

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。

关键词：医学图像分割；肺气管；Unet；注意力机制；focal loss

中图分类号：R318 文献标志码：A

文章编号：0258-8021（2024）01-0060⁃10

上下滑动阅读

引用本文:

张子明,周庆华,薛洪省,覃文军. 基于Unet+Attention 的胸部 CT 影像支气管分割算法[J]. 中国生物医学工程学报,2024, 43(1): 60-69.

Zhang Ziming, Zhou Qinghua, Xue Hongsheng, Qin Wenjun. Research on trachea segmentation algorithm based on Unet+Attention from chest CT images [J]. Chinese Journal of Biomedical Engineering,2024, 43(1): 60-69.

基于MobileNetV2 的小肠溃疡病灶图像识别

刘张郭旭东李胜男

识别获取全文

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。

关键词：医学图像分类；小肠溃疡；MobileNetV2；空间多尺度特征；特征重标定

中图分类号：R318 文献标志码：A

文章编号：0258-8021（2024）01-0070-10

上下滑动阅读

引用本文:

刘张,郭旭东,李胜男. 基于MobileNetV2 的小肠溃疡病灶图像识别[J]. 中国生物医学工程学报,2024, 43(1): 70-79.

Liu Zhang, Guo Xudong, Li Shengnan. Image Recognition of small intestinal ulcer based on MobileNetV2 [J]. Chinese Journal of Biomedical Engineering,2024, 43(1): 70-79.

综述

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

识别获取全文

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。

关键词：脑功能图谱；磁共振成像；脑网络；机器学习；聚类

中图分类号：R318 文献标志码：A

文章编号：0258-8021（2024）01-0080-18

上下滑动阅读

引用本文:

杨梦婷,张道强,温旭云. 基于神经影像和机器学习的大脑功能图谱构建方法综述[J]. 中国生物医学工程学报,2024, 43(1): 80-97.

Yang Mengting, Zhang Daoqiang, Wen Xuyun. A review of methods for constructing brain functional atlas based on neuroimaging data and machine learning [J]. Chinese Journal of Biomedical Engineering,2024, 43(1): 80-97.

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赵欣明东

识别获取全文

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。

关键词：神经影像；脑龄；脑龄预测偏差；深度学习

中图分类号：R318 文献标志码：A

文章编号：0258-8021（2024）01-0098-08

上下滑动阅读

引用本文:

刘爽,俞婧,陈元园,范秋筠,赵欣,明东. 基于多模态影像的脑龄预测模型与应用[J]. 中国生物医学工程学报,2024, 43(1): 98-105.

Liu Shuang, Yu Jing, Chen Yuanyuan, Fan Qiuyun, Zhao Xin, Ming Dong. Brain age prediction methods and applications based on multimodal neuroimaging data [J]. Chinese Journal of Biomedical Engineering,2024, 43(1): 98-105.

头皮脑电重测信度的研究进展

覃慧怡汪玉林雷旭

识别获取全文

摘要：近年来，许多研究应用头皮脑电探讨心理过程的认知神经机制，相关研究高度重视脑电信号的重测信度。基于脑电图开发评估人脑功能的实验方法，是否具有高重测信度备受关注。综述脑电重测信度的主要影响因素，关注脑电基础实验流程对重测信度的影响，为此，首先介绍脑电重测信度的常用测量方法；其次概述该领域实验方法的研究进展，包括实验设计、数据处理、特征选择和被试群体构建等，其中重点阐述脑电数据分析方法对重测信度的影响，揭示提高脑电信号信噪比和建立标准化预处理流程是改善脑电重测信度的重要途径；最后，从实验范式和特征/指标的选择上提出了提高脑电研究重测信度的途径，并展望了脑电重测研究的发展前景。

关键词：脑电；事件相关电位；重测信度；特征

中图分类号：R318 文献标志码：A

文章编号：0258-8021（2024）01-0106-11

上下滑动阅读

引用本文:

覃慧怡,汪玉林,雷旭. 头皮脑电重测信度的研究进展 [J]. 中国生物医学工程学报,2024, 43(1): 106-116.

Qin Huiyi, Wang Yulin, Lei Xu. Research progress of test⁃retest reliability based on scalp EEG research [J]. Chinese Journal of Biomedical Engineering,2024, 43(1): 106-116.

微电流促愈合的研究进展

唐仲钰但年华陈一宁

识别获取全文

摘要：促进皮肤伤口及骨损伤的愈合是近年来促愈合领域的研究重点之一。微电流促愈合因有效、快速的促愈合特性和良好的促愈合效果而受到研究人员关注。目前，有关微电流促愈合的研究可分为有源与无源两类。其中有源微电流促愈合因其便于控制电流、电压等参数，主要用于促进慢性伤口的愈合；而无源微电流促愈合因其能将机械能转化为电能的特点，主要用于促进骨损伤的愈合。有源微电流促愈合，以外源供电方式的不同为脉络，阐述了直流电、交流电及混合电刺激的效果和区别；无源微电流促愈合，以无源微电流来源方式的不同为基础，叙述了化学微电池、压电陶瓷、压电柔性材料和纳米发电机的原理及差异；并探讨了有关内在机理，对发展前景进行了展望。

关键词：微电流促愈合；电刺激；压电陶瓷；压电柔性材料；纳米发电机

中图分类号：R318 文献标志码：A

文章编号：0258-8021（2024）01-0117-12

上下滑动阅读

引用本文:

唐仲钰,但年华,陈一宁. 微电流促愈合的研究进展[J]. 中国生物医学工程学报,2024, 43(1): 117-128.

Tang Zhongyu, Dan Nianhua, Chen Yining. Progress of microcurrent healing promotion [J]. Chinese Journal of Biomedical Engineering,2024, 43(1): 117-128.