收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于卷积神经网络的生物医学信号分类与重构

焦志成  
【摘要】:生物医学信号是通过仪器设备可以采集到的、对于生命体状态最直接的描述信息。其种类众多且来源广泛,是生物学、信息学、医学等学科的重要研究对象。随着生物医学相关学科的迅速发展,科研人员和医务工作者对于此类信号处理、分析技术的需求愈发强烈。高效的生物信号处理方法可以有效提升科研人员探索生命机制工作的效率,从而更好地揭示生理结构与功能的关系,进而推动生物学重大发现的产生。高精度的医学信号分析策略可以在一定程度上分担医生的临床诊断工作压力,协助其制定更有利于疾病预防和治疗的方案,进而减轻患者的生理和精神痛苦,提升社会的整体健康水平。传统的信号分析方法已经很难满足日益增长的生物医学信号处理需求,利用先进的机器学习技术对所涉及问题进行有效建模和分析成为该领域的研究热点。深度学习是指利用多层神经网络获得数据的特征表示,进而利用该特征表示进行数据分析的机器学习方法。作为当今机器学习领域最受关注的研究方向,深度学习正引领着新一轮的人工智能研究浪潮。凭借其强大的非线性特征表示能力,近年来,卷积神经网络成为众多深度学习模型中应用最广、综合效果最好的深度神经网络结构,在以模式识别为代表的诸多任务上取得了一系列前所未有的重大突破。受到卷积神经网络在其他领域成功的启发,结合具体生物医学信号的特点,本文以乳腺钼靶X光图像和脑电信号这两类典型生物医学信号为研究对象,提出了若干基于卷积神经网络的生物医学信号分类与重构方法。本文的主要创新点如下:1.在基于钼靶X光片的乳腺肿块分类任务中,设计可以有效描述乳腺肿块视觉特性,并易于在特征空间区分良恶性肿块的视觉特征是完成高精度辅助诊断的关键。现有的手工视觉特征往往只能从单一视觉层次描述乳腺肿块的视觉特性,忽略不同层次视觉特征表示在乳腺癌诊断过程中的协同作用。单一视觉特征的表示能力有限,而传统的多特征融合方法需要经过复杂的特征选择过程。针对上述问题,本文提出了一种基于卷积神经网络特征表示的乳腺肿块良恶性分类方法。具体而言,该方法首先构造肿块图像视觉特征表示网络,并基于自然图像和乳腺图像对该网络进行训练。之后,借鉴医生的实际诊断经验,利用该网络获得适用于乳腺肿块分类的不同层次视觉特征描述。最后提出了一种乳腺肿块特征决策机制,完成对乳腺肿块良恶性的判断。实验结果表明,该算法可以有效利用卷积神经网络特征描述,实现较高精度的乳腺肿块良恶性分类。2.在乳腺疾病的计算机辅助诊断中,经常遇到视觉特征不明显的非典型样本。在传统的手工视觉特征空间和卷积神经网络特征空间,都无法对该类型样本进行有效描述。通过特征空间转换操作,将在原始特征空间中无法被有效描述的样本映射到易于区分的特征空间是解决此类问题的有效途径。为此,针对乳腺肿块分类问题,本文提出了一种基于大间隔度量学习的改进卷积神经网络模型。具体而言,首先,通过引入大间隔度量学习损失函数,学习从原始卷积神经网络特征空间到新特征空间的映射关系。进而由该映射关系,获得类内分布更紧致、类间分布更离散的乳腺肿块特征表示。此外,通过不断向网络提供新的错误样本,提出侧重疑难病例的网络训练改进策略。实验结果表明,该算法的大间隔度量学习层部分可以提升特征的区分度和网络分类准确率,改进的网络训练策略可以进一步提升网络在良恶性乳腺肿块鉴别任务上的表现。3.在基于脑电信号的神经解码任务中,对不同类型刺激引发的脑电信号进行分类是该领域研究的基础性工作之一。脑电信号包含丰富的时空特性,传统的脑电信号特征描述方法通常只能表示其中的一种特性,无法为后续的分类任务提供更有效的特征表示基础。针对上述问题,本文提出了一种基于时空融合卷积神经网络的脑电信号分类方法。具体而言,首先,分别通过不同的脑电激活图产生方法,生成侧重空间信息和侧重时间信息的脑电激活图。然后,分别设计并训练可以对两种不同激活图进行特征表示的卷积神经网络,用于获得脑电信号的卷积神经网络特征表示。最后,采用特征拼接和特征选择两种融合方式,实现脑电信号的分类。实验结果表明,该算法的特征表示部分可以获得具有较强区分性的脑电特征表示,后续的时空融合策略可以进一步提升脑电信号分类精度。4.基于脑电信号的视觉刺激重构是建立在高精度脑电信号分类基础上的又一典型神经解码任务。该任务通常由高精度脑电信号特征表示和分类,以及视觉刺激生成两个阶段构成。在传统基于认知空间脑电特征的视觉刺激重构方法中,受限于人类认知水平的极限和神经信号采集过程的误差,很难在分类精度和表示效率上获得较大提升。受当前卷积神经网络在视觉任务上取得超越人类表现结果的启发,本文提出了视觉特征指导的脑电信号分类方法。该方法通过将脑电信号特征表示映射到视觉空间,实现更高精度的脑电信号分类。然后,基于视觉特征指导的脑电信号表示,本文提出了一种用于生成视觉刺激的改进生成对抗网络模型。脑电信号分类和视觉刺激生成两个阶段对应的实验结果表明,该算法可以有效提升脑电信号分类的精度和视觉刺激重构结果的质量。


知网文化
【相似文献】
中国期刊全文数据库 前16条
1 胡悦;;金融市场中的神经网络拐点预测法[J];金融经济;2017年18期
2 吴立可;;脉冲神经网络和行为识别[J];通讯世界;2018年12期
3 迟惠生;陈珂;;1995年世界神经网络大会述评[J];国际学术动态;1996年01期
4 王丽华;杨秀萍;王皓;高峥翔;;智能双轮平衡车的设计研究[J];数字技术与应用;2018年04期
5 张庭略;;基于硬件的神经网络加速[J];通讯世界;2018年08期
6 苏秀婷;;耦合神经网络的同步[J];绍兴文理学院学报(自然科学);2016年03期
7 朱溦;;神经网络结合平均影响值方法筛选变量[J];产业与科技论坛;2017年01期
8 ;硅光子神经网络亮相[J];石油工业计算机应用;2016年04期
9 任刚红;杜坤;周明;刘年东;张晋;;基于级联神经网络的年降雨量预测[J];土木建筑与环境工程;2016年S2期
10 金鑫;李龙威;季佳男;李祉歧;胡宇;赵永彬;;基于大数据和优化神经网络短期电力负荷预测[J];通信学报;2016年S1期
11 陈明;张凤荣;肖茜文;;基于灰色系统神经网络的中国低碳能源供需形势分析[J];生态经济;2017年02期
12 张国玲;;基于情感神经网络的风电功率预测[J];电信科学;2017年03期
13 梁燕华;张传斌;;基于神经网络数据融合实现火灾预警[J];科技传播;2017年04期
14 曾维亮;林志贤;陈永洒;;基于卷积神经网络的智能冰箱果蔬图像识别的研究[J];微型机与应用;2017年08期
15 吴志军;张景安;岳猛;张才峰;;基于联合特征的LDoS攻击检测方法[J];通信学报;2017年05期
16 张琳;;基于神经网络的微博话题预测及分析[J];数字技术与应用;2017年03期
中国重要会议论文全文数据库 前10条
1 孙军田;张喆;;基于神经网络数据挖掘技术确定灾害等级的灭火救援出动力量模型研究[A];2016中国消防协会科学技术年会论文集[C];2016年
2 许进;保铮;;神经网络与图论[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年
3 唐墨;王科俊;;自发展神经网络的混沌特性研究[A];2009年中国智能自动化会议论文集(第七分册)[南京理工大学学报(增刊)][C];2009年
4 张广远;万强;曹海源;田方涛;;基于遗传算法优化神经网络的故障诊断方法研究[A];第十二届全国设备故障诊断学术会议论文集[C];2010年
5 李涛;费树岷;;具有变时滞Cohen-Grossberg神经网络的指数稳定性准则[A];第二十六届中国控制会议论文集[C];2007年
6 汪灵枝;秦发金;;具有变时滞和脉冲的离散Cohen-Grossberg神经网络的周期解[A];中国自动化学会控制理论专业委员会D卷[C];2011年
7 韩正之;林家骏;;用神经网络求解非线性相容方程[A];1993年控制理论及其应用年会论文集[C];1993年
8 林家骏;王赞基;;求解不可微优化问题的连续极大熵神经网络[A];1998年中国智能自动化学术会议论文集(上册)[C];1998年
9 姜德宏;徐德民;任章;;基于神经网络的自校正控制器[A];1993中国控制与决策学术年会论文集[C];1993年
10 窦永丰;贝超;;模糊与神经网络结合方式及在控制中的应用[A];1997年中国控制会议论文集[C];1997年
中国博士学位论文全文数据库 前10条
1 李一鸣;结合知识和神经网络的文本表示方法的研究[D];浙江大学;2018年
2 LYDIA LAZIB;文本否定范围识别技术研究及其应用[D];哈尔滨工业大学;2018年
3 周小强;基于深度学习的交互式问答技术研究[D];哈尔滨工业大学;2017年
4 刘梅;网络系统的稳定和同步行为研究[D];新疆大学;2017年
5 李若霞;基于忆阻的神经网络的动力学分析及应用[D];东南大学;2017年
6 项延德;基于卷积神经网络的心电信号检测和分类研究[D];浙江大学;2018年
7 孔颖;终态神经网络及其相关应用[D];浙江工业大学;2017年
8 李扬;面向图像目标识别和检测的深度神经网络关键技术研究[D];北京邮电大学;2018年
9 李皈颖;深度模型简化:存储压缩和计算加速[D];中国科学技术大学;2018年
10 靳然;基于神经网络和支持向量机的麦蚜发生动态预测研究[D];山西农业大学;2017年
中国硕士学位论文全文数据库 前10条
1 谢良才;基于BP神经网络的煤热解特性及煤灰熔融特性研究[D];西北大学;2018年
2 张旭;基于VMD-神经网络输气管道的工况分类研究[D];东北石油大学;2018年
3 孙昊;粒子群神经网络在供水管线腐蚀预测中的应用研究[D];东北石油大学;2018年
4 严寒;基于卷积神经网络的图像分类算法研究[D];西北大学;2018年
5 季静;融合多重语义对齐表示的机器阅读理解研究[D];南京师范大学;2018年
6 尹化荣;基于卷积神经网络的情感分类算法研究[D];西北大学;2018年
7 邹鑫;基于卷积神经网络的图像分类算法研究[D];西北师范大学;2018年
8 李婷玉;基于神经网络的输油管道腐蚀预测研究与实现[D];华北理工大学;2018年
9 赵士超;基于神经网络的LIBS钢水成分在线检测[D];华北理工大学;2018年
10 曹雲梦;基于BP神经网络的轨道电路故障诊断[D];华北理工大学;2018年
中国重要报纸全文数据库 前10条
1 记者 刘霞;忆阻器制成神经网络更高效[N];科技日报;2017年
2 整理 本报记者 诸玲珍 顾鸿儒;微软神经网络切割法可使加速作用超线性[N];中国电子报;2018年
3 ;神经网络小史[N];电子报;2018年
4 张敏;人机大战,到底谁会赢?[N];北京日报;2017年
5 ;人工智能将取得大面积突破[N];中国企业报;2017年
6 本报记者 龚丹韵;人机大战:人类还有优势吗[N];解放日报;2017年
7 ;人类正迎来云端机器人时代[N];中国企业报;2017年
8 张斌;谁还需要“同传”[N];文汇报;2017年
9 科大讯飞董事长 刘庆峰;高考机器人考入一流大学不再是梦[N];中国教育报;2017年
10 邓洲 中国社会科学院工业经济研究所;深度学习:人工智能进入应用阶段[N];上海证券报;2017年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978