生物医学信号处理

2022, 37(1):134-146. DOI: 10.16337/j.1004-9037.2022.01.011

[摘要](687) [HTML](1275) [PDF 1.89 M](1937)

摘要:
针对全麻手术患者术中低体温发生率高、影响因素复杂的问题，提出了一种基于特征选择和XGBoost优化的术中低体温预测模型，以更好辅助医生对全麻手术患者的临床诊断。首先，利用随机森林（Random forest， RF）在处理高维数据集上的优势，通过RF的袋外估计法进行特征选择。然后，以极端梯度提升（XGBoost）为基础，利用基于精英保留策略的遗传算法，即EGA算法优化XGBoost超参数。最后，根据最优参数训练预测模型，并用于术中低体温预测。该模型组合利用3种算法优点，提升模型泛化能力和预测精度。实验结果表明：本文所提模型与逻辑回归、支持向量机等7种机器学习预测模型相比，预测准确率、精确度、召回率、AUC均有优势；与现有其他预测模型相比均有提升。

2 基于优化循环生成对抗网络的医学图像合成方法

曹国刚，刘顺堃，毛红东，张术，陈颖，戴翠霞

2022, 37(1):155-163. DOI: 10.16337/j.1004-9037.2022.01.013

[摘要](728) [HTML](1379) [PDF 1.56 M](2162)

摘要:
放射治疗计划系统需要CT图像准确计算剂量分布，但有时临床只能获得MR图像。图像合成能有效利用现有图像合成新模态图像，从而增强图像信息。针对MR图像生成CT图像问题，综合循环一致生成对抗网络不成对数据可训练合成新模态图像的特点，以及密集连接网络的特征复用和优化信息流传播的优点，提出融合密集连接的循环生成对抗网络模型，改善输入信息的消失和梯度信息稀释，合成更可信的CT图像。在18个病人的数据集上训练和验证模型，优化后的循环生成对抗网络与原方法相比，平均绝对误差降低了3.91%，结构相似性提高了1.1%，峰值信噪比提高了4.4%；与深度卷积神经网络模型和基于图谱方法比较，相对误差分别降低了0.065%和0.55%。本文利用深度学习模型优点，能根据MR图像合成更接近真实的CT图像，更好地满足放射治疗计划系统剂量计算的需求。

3 MEL-YOLO:多任务人眼属性识别及关键点定位网络

吴东亮，沈文忠，刘林嵩

2022, 37(1):82-93. DOI: 10.16337/j.1004-9037.2022.01.007

[摘要](639) [HTML](2139) [PDF 2.41 M](2269)

摘要:
针对当前人眼定位相关算法任务单一、且在多种干扰因素影响下（如光照、眼镜、遮挡）性能下降的问题，提出了可同时检测人眼感兴趣区域、识别人眼多种属性及定位关键点的轻量型神经网络MEL-YOLO。将YOLOV3算法与改进的DS-sandglass模块结合，在关键点回归分支应用去归一化的编解码方法提高网络定位宽度，并且在损失函数引入完全交并比（Complete intersection-over-union，CIoU）和均方误差（Mean square error，MSE），使得网络整体性能提升。MEL-YOLO算法在近红外虹膜数据集上人眼检测准确率为100%；属性识别和关键点定位准确率分别为98.7%和96.5%，在可见光数据集UBIRIS上分别达到92%和91%。实验结果证明：MEL-YOLO能同时实现人眼检测、属性识别及关键点定位，且准确率高、模型较小、泛化能力强，能够适用于低性能的边缘计算设备。

4 基于CT图像的双重注意力网络急性胰腺炎诊断方法

张进一，万鹏，孙亮，张道强

2022, 37(1):147-154. DOI: 10.16337/j.1004-9037.2022.01.012

[摘要](623) [HTML](1222) [PDF 2.27 M](2320)

摘要:
作为消化系统最常见的疾病之一，急性胰腺炎的医学影像仍使用简单的手工特征进行分析，效率与精度较低，与其危害性并不相称。由于胰腺的解剖变异性以及各种并发症，急性胰腺炎的影像表现复杂，不同患者不同种类的病灶差异大，基于CT影像的急性胰腺炎诊断难度较大。本文提出一种基于双重注意力网络用于诊断急性胰腺炎，该网络使用全局特征为不同阶段的局部特征生成局部注意力特征，使不同阶段的注意力特征关注不同尺度的病灶，最终通过融合对全局注意力特征进行分类。同时在生成注意力特征时，使用通道域注意力调整通道间的依赖，提高模型的表示能力。在真实的急性胰腺炎数据集上的实验结果表明，本文提出的网络取得了更好的急性胰腺炎诊断精度，相对原模型，灵敏度与曲线下面积（Area under the curve ，AUC）分别至少提升了3.4%，3.2%；相较其他注意力机制如SENet对ResNet模型的改进，AUC提升2.7%。

5 基于限幅加权骨骼节点滤波的体感交互技术

陈金怡，罗圣钦，李洪均

2022, 37(3):715-724. DOI: 10.16337/j.1004-9037.2022.03.020

[摘要](452) [HTML](551) [PDF 1.56 M](1690)

摘要:
为了改善机器人的操作方式，提高体感交互的识别精度，提出了一种基于限幅加权骨骼节点滤波的体感交互技术。首先利用Kinect传感器获取深度场景信息，并通过骨骼追踪技术处理所获得的深度信息以此匹配人体各个关节，建立人体各关节的3D坐标；然后采用空间向量映射的形式计算出各关节转动角度，并利用本文所提出的限幅加权滤波算法，即通过对采集并计算出的关节转动角度进行限幅加权滤波处理，减少了骨骼噪声的影响；最后将转动角度转化为控制指令，通过蓝牙串口将控制指令发送给机械臂控制器，操控机械臂舵机转动。实验结果表明，该方法能够实现体感交互效果，机械臂随人体手臂运动的识别率为96.3%，且限幅加权滤波算法能有效减少骨骼噪声影响。

6 基于自适应采样与Dense机制的颅内动脉瘤血管多结构分割

张栩阳，姚韵楚，石悦，佟鑫，梁昕语，童薪宇，刘爱华，陈端端

2022, 37(4):766-775. DOI: 10.16337/j.1004-9037.2022.04.006

[摘要](724) [HTML](599) [PDF 3.71 M](2249)

摘要:
颅内动脉瘤是一种具有较高致死和致残率的常见脑血管疾病。近年来，临床对基于影像的智能化和精准化的疾病诊断策略提出了迫切需求，其中血管及病灶的精准分割是其重要基础。本文提出了一种新型的颅内动脉瘤血管多结构分割框架，利用血管先验灰度特征建立了自适应的数据采样方法，并设计了一种基于Dense机制的深度网络模型实现血管分割。本文收集了135例颅内动脉瘤患者（年龄分布：54.7±12.7岁， 75名男性）的飞行时间磁共振血管影像进行模型的训练和测试。相比于原空间采样和图像压缩方法（平均Dice相似性系数：0.829和0.780），自适应采样方法可以明显提升血管分割的精度（平均Dice相似性系数：0.858）；与经典的3D UNet、SegNet和DeepLabV3+网络相比（平均Dice相似性系数：0.854，0.824和0.800），基于Dense机制的网络能够利用更少的计算资源实现更优的分割效果，对于不同位置和大小的动脉瘤也表现出良好的分割鲁棒性。

7 混合深度学习机制下的H型高血压脉诊预测

杨晶东，陈磊，蔡书琛，解天骁，燕海霞

2022, 37(4):883-893. DOI: 10.16337/j.1004-9037.2022.04.016

[摘要](776) [HTML](428) [PDF 2.08 M](2131)

摘要:
现有H型高血压诊断需要检测患者体内的伴有血浆同型半胱氨酸含量，效率低且带有创口。中医学脉诊可以通过分析患者脉搏生理活动，结合临床问诊信息实现H型高血压无创辅助诊断。本文提出了基于混合深度学习的脉诊分类模型，在具有双向长短时记忆（Bi-directional long short-term memory，BiLSTM）网络中增加卷积神经网络（Convolutional neural network，CNN）结构提取脉诊特征局部相关特征，构建基于CNN-BiLSTM结构的高血压脉诊分类网络。实验采用上海中医药大学附属龙华医院及中西医结合医院的325例临床疑似高血压脉诊病例。实验结果表明本文模型评估参数灵敏度、特异性、正确率、F₁-score、接收者操作特征（Receiver operating characteristic，ROC）曲线及其下方围成的面积（Area under curve，AUC）值分别为：79.71%、69.56%、77.17%、83.96%、0.850 0，高于经典机器学习方法的诊断精度，对中医临床辅助诊断具有较好的参考价值。

8 基于噪声混淆增强特征鲁棒性的脑疾病预测

郝小可，谭麒豪，李家旺，郭迎春，于明

2022, 37(4):776-786. DOI: 10.16337/j.1004-9037.2022.04.007

[摘要](776) [HTML](346) [PDF 2.91 M](2089)

摘要:
随着医学影像数据的不断发展，纵向数据分析逐渐成为了解和跟踪阿尔茨海默病（Alzheimer’s disease， AD）发病过程的重要研究方向。目前已经提出了许多纵向数据分析方法，其中多任务学习得到广泛应用，它能够集成多个时间点的影像数据，提高模型的泛化能力。大多数现有的方法能够识别不同时间点的共享特征，但这些特征中会包含一定的噪声。与此同时，不同时间点进展的潜在关联仍未得到充分的探索。本文提出了一种基于参数分解和关系诱导的多任务学习（Parameter decomposition and relation-induced multi-task learning， PDRIMTL）方法，以此从纵向数据中识别特征。该方法不仅能够识别去除噪声后的共享特征，提高共享特征的鲁棒性，而且能够对不同时间点的内在关联进行建模。结果表明，在不同时间点的结构磁共振成像（Structural magnetic resonance imaging，sMRI）数据上，该模型能够有效提高对AD鉴别的准确性。

9 基于Kinect系统的步态参数提取方法

张笑宇，陈凯，杨颖

2022, 37(4):872-882. DOI: 10.16337/j.1004-9037.2022.04.015

[摘要](811) [HTML](310) [PDF 2.00 M](2121)

摘要:
基于步态参数的定义，研究并提出了使用微软最新一代Azure Kinect无标记运动捕获系统（以下简称Kinect系统）采集并提取步态参数的方法，同时在数据处理中分别采用自适应滤波、指数滤波、卡尔曼滤波及无滤波条件，以提高步态参数计算结果的准确性与可靠性。为了评价本文计算方法的准确性与滤波效果，将提取的步态参数结果与同步实验的Qualisys标记式运动捕获系统（瑞典Qualisys公司，简称Q标记法）的结果进行统计学对比分析，并据此对不同滤波方法进行评价。结果显示，总体而言Kinect系统与Q标记法的结果一致性较高，结果均落在95%一致性界限内，并且在有滤波条件下的准确度要高于无滤波条件，且卡尔曼滤波的效果最好；在单个步态参数方面，步速的结果在所有滤波条件下均有较大差异性，无法应用；对于其他参数，本文方法表现了较高的准确性与一致性，并且应用卡尔曼滤波后的一致性与可靠性都有所提高。应用本文方法并使用卡尔曼滤波进行平滑处理后，Kinect系统可以较为准确地计算健康人的步态参数，并在某些情况下代替标记法设备。

10 基于启发式集成特征选择的人体活动识别

戴健威，李瑞祥，陈金瑶，乐燕芬，施伟斌

2022, 37(4):860-871. DOI: 10.16337/j.1004-9037.2022.04.014

[摘要](629) [HTML](255) [PDF 1.75 M](2039)

摘要:
针对人为提取的冗余特征集和无关特征集导致可穿戴传感器的人体活动识别分类性能降低的问题，提出一种基于启发式集成特征选择的人体活动识别方法。该方法首先选取了包含功率谱密度（Power spectrum density， PSD）的特征集用于识别易混淆的活动，在此基础上借助皮尔逊系数法（Pearson correlation coefficient， PCC）筛选出低相关的特征子集，然后使用改进的正余弦优化算法（Sine cosine algorithm， SCA）进行特征优化，通过两次特征筛选得到最优特征子集。实验结果表明，在实验室采集的数据集中使用该方法后的特征子集维数为34，识别准确率达到了98.21%。在公开的SCUT-NAA数据集中进行对比实验，特征子集维数为39，低于以往基于该数据集研究方法的特征维数，并且识别准确率达到了96.51%。

11 基于代价敏感Faster R-CNN的脑CT影像出血诊断方法

祝小惟，万鹏，张道强，程乐，王毅

2022, 37(4):757-765. DOI: 10.16337/j.1004-9037.2022.04.005

[摘要](725) [HTML](379) [PDF 1.59 M](1975)

摘要:
脑出血是一种在患者颅内突然发生的重急症，常伴随有强烈的症状和较高致死率，基于脑CT影像对脑出血进行自动化快速诊断具有重要意义。其中，临床上有效应用的实现不仅要求诊断结果的准确性、诊断速度和结果解释能力，尤其要重视出血漏检情形。因此本文提出代价敏感的Faster R-CNN模型，通过自动调节模型中锚的训练样本比例以及在损失函数中引入衡量阳性样本重要性的超参数等方式，更多地关注阳性样本和漏检情形提升检测效果，最后通过定位的具体目标区域来诊断脑内出血情况。经多次实验选择性能最优的网络结构和合适的超参数，利用多项指标度量最终模型的检测和诊断效果。实验结果表明，代价敏感的Faster R-CNN方法能够从减少漏检的角度上更好地识别出血区域，进而提高不平衡代价下的脑出血诊断效果。

12 轻度认知障碍磁共振信号中固有频率动态功能性连接的聚类研究

李栋，吴海锋，保涵，马佳，曾玉

2022, 37(4):798-813. DOI: 10.16337/j.1004-9037.2022.04.009

[摘要](842) [HTML](247) [PDF 4.56 M](2225)

摘要:
功能性连接（Functional connectivity， FC）可以表示脑区的协同工作能力，目前广泛采用动态功能性连接（Dynamic functional connectivity，DFC）和聚类分析相结合的方法研究疾病的显著性差异分析和分类。但现有研究，对于聚类个数的确定和聚类结果选用并没有明确的标准，且传统的DFC无法表示不同频率的FC信息。因此，本文对轻度认知障碍（Mild cognitive impairment， MCI）磁共振信号中固有频率DFC聚类问题进行研究。首先对被试的时间进程（Time course，TC）数据做噪音辅助的多元经验模态分解并计算DFC；然后通过评判辅助的聚类方法做聚类分析，再采用最小二乘对聚类结果做拟合；最后采用分类器做分类。实验采用阿尔茨海默病神经影像学（Alzheimer’s disease nearoimaging， ADNI）数据库的数据对本文算法进行测试。实验结果表明，有监督聚类分类准确率高于无监督聚类；引入固有频率的DFC分类准确率要高于传统的DFC；最小二乘拟合能提升分类准确率。

13 基于异步芯片的多模态神经生理信号采集技术

朱立贤，田福泽，董群喜，赵庆林，何安平，郑炜豪，胡斌

2022, 37(4):848-859. DOI: 10.16337/j.1004-9037.2022.04.013

[摘要](1047) [HTML](681) [PDF 1.58 M](2627)

摘要:
心理生理计算目前主要基于同步芯片的神经生理信号采集技术进行分析研究，而人体神经生理活动表征具有异步属性，同步采集技术无法精准、实时和高效地刻画人体神经生理信号活动规律。如何低功耗、低冗余、实时精准地采集异步多模态神经生理信号成为心理生理计算首要解决的难题。针对这一难题，本文以研究微观神经生理活动规律和宏观心理生理活动为目的，解决异步多模态生理信息采集方案和相匹配的被动生理信号传感技术的设计难点，设计研发了首款异步生理信号处理芯片，该芯片具备低功耗、高精度时序、高性能计算和抗干扰的特点。最后展望了该芯片在脑科学和类脑计算领域的应用前景。

14 基于脑电和惯性同步分析的神经动力学耦合研究

谢平，蔚建，张腾宇，程生翠，吕岩，陈晓玲

2022, 37(4):736-746. DOI: 10.16337/j.1004-9037.2022.04.003

[摘要](634) [HTML](515) [PDF 3.59 M](2128)

摘要:
运动控制是神经、运动和感觉功能的多方面协调及信息交互作用过程，探究运动系统中运动-生理信息间的关联关系对于理解人体运动控制机制具有重要意义。为此，本文通过对脑电信号（Electroencephalogram， EEG）和惯性信息中的加速度信号（Acceleration， ACC）进行相干分析，探究上肢静息态和任务态时EEG和ACC信号间的因果关系及演变规律。首先，通过对7名受试者的EEG和ACC信号进行预处理，去除信号中的干扰成分；进一步，分别计算在静息态、任务态（动态力、静态力）下的EEG和ACC信号间的相干性结果，并通过显著相干的阈值指标来计算显著性面积进而实现量化分析。结果显示，在动态力下的EEG-ACC相干显著性面积大于静态力下的值，静态力下的显著性面积大于静息态下的值；且分别在左、右侧上肢运动时，EEG的C3、C4通道与ACC间的显著性面积也呈现出在对侧运动脑区显著。研究结果表明，EEG和ACC信号间的同步特征在上肢运动的静息态、任务态（动态力、静态力）下有显著特征，这有助于深入理解神经-运动控制机制，为运动功能评估提供新的定量指标，进而为运动功能障碍疾病的早期诊断提供理论依据。

15 基于卷积联合适应网络的脑电信号情感识别

陈景霞，胡修文，唐喆喆，刘洋，胡凯蕾

2022, 37(4):814-824. DOI: 10.16337/j.1004-9037.2022.04.010

[摘要](694) [HTML](665) [PDF 1.16 M](1803)

摘要:
提出一种基于深度卷积联合适应网络（Convolutional neural network-joint adaptation network，CNN-JAN）的脑电信号（Electroencephalogram， EEG）情感识别模型。该模型将迁移学习中联合适应的思想融合到深度卷积网络中，首先采用长方形卷积核提取数据的空间特征，捕捉脑电数据通道间的深层情感相关信息，再将提取的空间特征输入含有联合分布的多核最大均值差异算法（Multi-kernel joint maximum mean discrepancy，MK-JMMD）的适配层进行迁移学习，使用MK-JMMD度量算法解决源域和目标域分布不同的问题。所提方法在SEED数据集上使用微分熵特征和微分尾端性特征分别进行情感分类实验，其中使用微分熵特征被试内跨试验准确率达到84.01%，与对比实验和目前流行的迁移学习方法相比，准确率进一步提高，跨被试实验精度也取得较好的性能，验证了该模型用于EEG信号情感识别任务的有效性。

16 基于特征增强金字塔网络的阿尔茨海默症早期诊断研究

石磊，彭少康，张亚萌，赵国桦，高宇飞

2022, 37(4):727-735. DOI: 10.16337/j.1004-9037.2022.04.002

[摘要](803) [HTML](388) [PDF 1.69 M](5575)

摘要:
阿尔茨海默症（Alzheimer’s disease， AD）作为一种不可逆转的神经退行性疾病，能在其发病初期进行干预治疗对病情的控制和改善具有重要意义。近年来，研究者广泛地使用深度学习方法对AD的核磁共振成像（Magnetic resonance imaging， MRI）进行分析并做出早期诊断。但AD早期的脑部结构变化与正常人差别较小，目前单一尺度的分析方法难以有效捕捉到这些细小差别的特征。针对以上问题，本文提出特征增强金字塔网络（Feature enhanced pyramid network， FEPN）进行AD的MRI早期诊断，通过设计的浅层特征重提取模型利用上下文信息补充高层特征，并计算融合权重指导高低层特征图的融合，增强了上下文信息交互和多尺度特征融合的匹配度。对比实验采用Kaggle公开的Alzheimer数据集对该方法进行验证，实验结果表明，相比于其他同类方法，FEPN有效提升了4种AD脑状态（非痴呆、非常轻度痴呆、轻度痴呆、中度痴呆）MRI的分类精度。

17 基于自注意力机制的脑血肿分割和出血量测量算法

李垚，余南南，胡春艾，柯明池，于金扣

2022, 37(4):839-847. DOI: 10.16337/j.1004-9037.2022.04.012

[摘要](596) [HTML](398) [PDF 3.52 M](2273)

摘要:
出血量是脑出血疾病分级、治疗方案确定和预后判断的重要指标。但由于大脑结构的复杂性、血肿形态和位置的多样性，在CT影像中准确可靠地分割血肿和测量出血量极为困难。本文提出一种基于自注意力机制深度学习网络的脑血肿分割和出血量测量算法。首先，为克服大脑结构的复杂性，弥补卷积模块只能进行线性运算和提取局部特征的缺点，在分割网络编码器末端引入自注意力模块，通过高阶运算，提取图像全域的特征关联特性，从全局角度提取血肿；然后引入通道和空间注意力模块，通过训练学习得到各个通道和特征区域上的权重，通过该权重突出有用信息，抑制无用信息；最后，根据脑出血患者多层CT影像切片的血肿分割结果，计算出血量。在真实脑出血CT影像数据集上的实验结果表明，本文算法在多种情况下的脑血肿分割和出血量测量上均取得了较好的效果，即使在形状不规则或贴近颅骨的情况下，本文算法仍然较为有效。

18 基于深度学习的癫痫脑电信号分类

徐晴，葛成，蔡标，陆翼，常珊

2022, 37(4):787-797. DOI: 10.16337/j.1004-9037.2022.04.008

[摘要](1071) [HTML](821) [PDF 2.74 M](2855)

摘要:
有效地分析处理癫痫脑电信号并对其准确分类可以进一步完善癫痫检测问题。因此，各种深度学习方法逐渐应用到该问题中，如使用BiLSTM模型对癫痫脑电的一维时间序列数据进行处理。为进一步提高癫痫脑电分类的准确率，本文将癫痫脑电的一维时间序列数据转换为二维图像，使用EfficientNetV2模型来实现癫痫检测的二分类。同时，引入梯度加权类激活映射（Gradient-weighted class activation mapping， Grad-CAM）对二维图像分类进行可视化分析。对德国伯恩大学脑电癫痫脑电信号数据集的预处理版本进行分类实验，EfficientNetV2模型的准确率达到了98.69％，优于BiLSTM模型。结果表明，EfficientNetV2模型可以有效通过二维脑电图像实现癫痫脑电分类，而且分类准确率更高。

19 基于双卷积神经网络融合的注意力训练研究

徐欣，张佳欣，张如浩

2022, 37(4):825-838. DOI: 10.16337/j.1004-9037.2022.04.011

[摘要](683) [HTML](422) [PDF 2.02 M](2066)

摘要:
学生的学习情况与其课堂注意力状态密切相关。为了探寻注意力训练能否提高课堂注意力，对10名在校学生进行了α音乐训练，并收集了训练前后的非注意和注意状态的脑电（Electroence-phalogram，EEG）信号进行对比研究。由于EEG信号本质上是动态的，且具有低信噪比和高冗余度的特性，为避免直接通过神经网络识别EEG信号效果差的问题，提取了信号的样本熵（Sample entropy，SampEn）、各个波段的能量和能量比共11个特征，并将这些特征进行融合转化为多特征图像，作为神经网络模型的输入。此外，将AlexNet和VGG11两个网络模型进行加权融合构成双卷积神经网络，进一步提高了图像分类性能。结果表明，与单个模型相比，双卷积神经网络融合模型的性能更佳，其识别准确率最高可达到97.53%。研究发现，经过α音乐训练，受试者的脑电特征与此前相比有显著性差异，且网络模型的分类准确率比训练前提高了4%，说明本文所提的α音乐训练能够提高健康学生的注意力水平。

20 基于稀疏编码的弥散微循环模型参数估计神经网络

郑天舒，颜国辉，叶初阳，吴丹

2022, 37(4):747-756. DOI: 10.16337/j.1004-9037.2022.04.004

[摘要](654) [HTML](349) [PDF 1.34 M](1770)

摘要:
弥散磁共振成像（Diffusion magnetic resonance imaging， dMRI）是一种重要的无创检测生物组织微观结构的医学成像工具，其中弥散微循环模型（Intravoxel incoherent motion ，IVIM）是已被广泛用于分离组织水扩散和微血管血流运动的弥散磁共振成像模型。求解弥散微循环模型参数的传统方法依赖于从多b值扩散弥散磁共振成像数据（通常≥10个b值）中拟合双指数模型，这需要一个相对较长的采集时间，对于体部弥散微循环模型成像是一个挑战。深度学习方法可以使用q空间数据的一个子集进行弥散磁共振成像模型参数估计，从而加速弥散磁共振成像的采集。然而，常见的基于卷积神经网络的深度学习与生物物理模型无关，因此，网络输出结果缺乏可解释性。本文将稀疏编码与深度学习相结合，提出了一种基于稀疏编码深度学习网络的弥散微循环模型参数估计方法。它利用了深度网络的表达优势，同时结合稀疏化表达的双指数模型来估计胎盘的弥散微循环模型参数，相比于其他算法，本文所拟的算法实现了更高的参数估计准确率和泛化能力。

21 多站点自杀倾向抑郁症脑功能网络同质化研究

梁军，宋艳新，王曰云，万春晓

2022, 37(5):1115-1125. DOI: 10.16337/j.1004-9037.2022.05.016

[摘要](589) [HTML](344) [PDF 2.65 M](1886)

摘要:
目前来自采集中心的具有自杀倾向的重度抑郁症（Major depressive disorder， MDD）患者脑功能影像存在异质性，从而造成的计算瓶颈影响了分析可靠性。为此，本文借助同质化多站点算法，试图扩充MDD患者静息态功能磁共振成像（Resting-state functional magnetic resonance imaging，rfMRI）的样本体量，探究自杀倾向对MDD脑功能网络的影响。实验纳入3个站点、共99例MDD患者（包括非自杀倾向（Non-suicidal MDD，nMDD）67例、自杀倾向（Suicidal MDD，sMDD）32例）及72例健康对照（Healthy controls，HC）组rfMRI数据，计算Pearson相关性的功能连接并由ComBat技术同质化多站点功能连接；以小世界属性为稀疏度判别标准，以功能连接为边建立脑网络并进行图论分析；在节点度、节点效率指标上采用多重比较校正进行组间显著性对比。实验结果表明，同质化有效清除了站点间功能连接异质性。在小脑下半月小叶及蚓锥体，sMDD组较nMDD组和HC组皆具有组间显著性（p_FDR<0.05），即存在自杀倾向导致的异常脑功能活动。该研究克服了多站点的MDD患者的小样本缺陷，有效地提取了自杀倾向患者脑功能影像标记，有助于评估自杀风险。

22 基于P300-SSVEP的双人协同脑-控机械臂汉字书写系统

韩锦，董博文，刘邈，许敏鹏，明东

2022, 37(6):1401-1411. DOI: 10.16337/j.1004-9037.2022.06.020

[摘要](509) [HTML](333) [PDF 3.27 M](1796)

摘要:
基于脑-机接口（Brain-computer interface， BCI）的脑-控技术发展迅速，取得较大进展。然而，现有研究多采用单人脑控方式，存在执行效率低、可控自由度低的问题，难以满足复杂条件下的操控任务需求。针对此问题，本文采用时-频-相混合编码的视图脑-机交互方法，设计双人协同策略，通过解码P300和稳态视觉诱发电位（Steady-state visual evoked potential， SSVEP）脑电特征，开发了108指令的双人协同脑-控机械臂系统，实现双人同时对汉字一笔一划的书写。8名被试在线平均正确率为87.92%，平均在线信息传输速率（Information-transfer rate， ITR）为66.00 b/min。该系统扩展了BCI信息交互方式，初步验证了协同BCI操控机械臂的可行性和有效性，为协同BCI提供了技术支撑。

23 蛋白质分子机器结构的特性分析及去折叠研究

张莉莉，蒋益锋，谢良旭，孔韧，常珊

2022, 37(5):1126-1133. DOI: 10.16337/j.1004-9037.2022.05.017

[摘要](451) [HTML](473) [PDF 2.31 M](1841)

摘要:
分子机器是指由分子尺度的物质构成且能行使某种加工功能的机器，主要构件是蛋白质等生物分子。三维空间结构决定了蛋白质的相关特性和功能，理解蛋白质的氨基酸（残基）序列如何折叠成特定的三维空间结构，即蛋白质结构的折叠机制及其特性对于分子机器的研究具有重要意义。因此，使用一种快速简单的研究蛋白质结构折叠机制信息的模拟方法很有必要。本文主要基于蛋白质的自然状态拓扑，采用高斯网络模型研究了蛋白质GB1，分析了其结构特性及其结构的展开过程，与相关实验和分子动力学模拟数据吻合良好，表明该弹性网络模型适用于蛋白质结构的研究。

24 基于多损失混合对抗函数和启发式投影算法的逼真医学图像增强方法

王见，成楚凡，陈芳

2023, 38(5):1104-1111. DOI: 10.16337/j.1004-9037.2023.05.009

[摘要](290) [HTML](280) [PDF 2.15 M](608)

摘要:
早期发现新冠肺炎可以及时医疗干预提高患者的存活率，而利用深度神经网络（Deep neural networks， DNN）对新冠肺炎进行检测，可以提高胸部CT对其筛查的敏感性和判读速度。然而，DNN在医学领域的应用受到有限样本和不可察觉的噪声扰动的影响。本文提出了一种多损失混合对抗方法来搜索含有可能欺骗网络的有效对抗样本，将这些对抗样本添加到训练数据中，以提高网络对意外噪声扰动的稳健性和泛化能力。特别是，本文方法不仅包含了风格、原图和细节损失在内的多损失功能从而将医学对抗样本制作成逼真的样式，而且使用启发式投影算法产生具有强聚集性和干扰性的噪声。这些样本被证明具有较强的抗去噪能力和攻击迁移性。在新冠肺炎数据集上的测试结果表明，基于该算法的对抗攻击增强后的网络诊断正确率提高了4.75%。因此，基于多损失混合和启发式投影算法的对抗攻击的增强网络能够提高模型的建模能力，并具有抗噪声扰动的能力。

25 基于特定领域解码的域泛化医学图像分割方法

叶怀泽，周子奇，祁磊，史颖欢

2023, 38(2):324-335. DOI: 10.16337/j.1004-9037.2023.02.009

[摘要](853) [HTML](278) [PDF 3.11 M](1635)

摘要:
多源域领域泛化是模型利用多个不同领域中的语义信息，并且能够很好地泛化到未知领域上。在医学图像中，不同领域之间的跨度比较大，模型泛化性能在未知域上会有较大程度的下降。为了解决这一问题，本文提出了一种编码特征再针对特定领域进行解码的网络结构。该模型使用一个通用编码器来学习所有领域上的领域不变特征，并通过特定领域解码器还原原有图像以加强其对图像特征的复原能力。此外，该模型还通过生成特征迁移图像与源域图像进行对抗学习来加强编码器学习领域不变特征的能力。同时，本文在模型中还引入了特殊构造的分割融合预处理步骤来扩充数据集以增强模型的泛化能力，并进一步提高了本文提出网络结构的性能。在两个医学图像的分割任务中，大量实验数据表明，本文提出的模型相比现有先进模型表现出了优异的性能，此外本文还进行了一系列消融实验，证明了模型的有效性。