针对地面多径环境下运动目标检测,使用最小绝对收缩与选择算子(LASSO)算法在参数估计时会出现伪目标的问题,提出一种基于LASSO模型框架的设计矩阵降维构造方法。首先,信号的多径传播能够带来目标检测的空间分集,信号在不同的多径上有不...针对地面多径环境下运动目标检测,使用最小绝对收缩与选择算子(LASSO)算法在参数估计时会出现伪目标的问题,提出一种基于LASSO模型框架的设计矩阵降维构造方法。首先,信号的多径传播能够带来目标检测的空间分集,信号在不同的多径上有不同的多普勒频移;此外,使用宽带正交频分复用(OFDM)信号能够带来频率分集。由于空间分集和频率分集的引入造成目标的稀疏特性。利用多径的稀疏性和对环境的先验知识,去估计稀疏向量。仿真结果表明,在一定信噪比(SNR,-5 d B)下,基于设计矩阵降维构造方法的改进的LASSO算法比基追踪算法(BP)、DS(Dantzig Selector)、LASSO等传统算法的检测性能有明显提高;在一定虚警率(0.1)条件下,改进的LASSO算法比原LASSO算法检测概率提高了30%。所提算法能够有效去除伪目标,提高雷达目标检测概率。展开更多
快速求解系统负荷能力极限是在线评估电力系统电压稳定性的基本要求。提出一种用于离线拟合并在线预测负荷能力极限的SIPSS-Lasso-BP网络。该网络由基于电网状态相似度指标(similarity index of power system state,SIPSS)的样本筛选方...快速求解系统负荷能力极限是在线评估电力系统电压稳定性的基本要求。提出一种用于离线拟合并在线预测负荷能力极限的SIPSS-Lasso-BP网络。该网络由基于电网状态相似度指标(similarity index of power system state,SIPSS)的样本筛选方法、最小绝对值收缩选择(least absolute shrinkage and select operator,Lasso)方法和BP(back propagation)神经网络共同组成。基于SIPSS的样本筛选方法以样本负荷能力极限值和电网状态相似度量化指标为依据,对训练样本进行筛选。Lasso方法对训练样本进行回归分析,确定各状态量中对负荷能力极限最具有解释性的系统状态量。BP神经网络通过精简后的训练样本来离线拟合负荷能力极限并用于在线预测。通过新英格兰39节点算例和某省实际算例对SIPSS-Lasso-BP网络的测试结果表明,该方法能够在保证预测精度的情况下明显提高BP神经网络的离线训练效率。展开更多
目的:胶质瘤是最常见的颅内原发中枢神经系统肿瘤,胶质瘤的分级对临床治疗及随访方案的选择、预后的评估有重要指导意义。本研究目的在于探讨基于影像组学的logistic回归模型预测胶质瘤病理分级的可行性。方法:回顾性收集2012年1月至201...目的:胶质瘤是最常见的颅内原发中枢神经系统肿瘤,胶质瘤的分级对临床治疗及随访方案的选择、预后的评估有重要指导意义。本研究目的在于探讨基于影像组学的logistic回归模型预测胶质瘤病理分级的可行性。方法:回顾性收集2012年1月至2018年12月经手术病理切片证实为胶质瘤的146例患者。手动分割患者增强T_(1)加权成像(contrast-enhanced T_(1)-weighted imaging,T_(1)WI+C)图像中的胶质瘤区域,形成3D感兴趣区(region of interest,ROI);提取41个影像特征;采用最小绝对收缩和选择运算(least absolute shrinkage and selection operator,LASSO)二元logistic回归法筛选与胶质瘤病理分级最相关的特征并计算影像组学得分(radiomics score,Rad-score);采用单因素logistic回归建模方法建立预测模型;用受试者操作特征(receiver operating characteristic,ROC)曲线评估模型的区分能力,评估指标为曲线下面积(area under the curve,AUC)。利用Hosmer-Lemeshow检验衡量模型预测的准确性。结果:筛选出5个与胶质瘤病理分级最相关的特征,用这5个特征构建的预测胶质瘤病理分级的logistic回归模型的ROC曲线AUC为0.919,具有很好的区分能力,其校准曲线经Hosmer-Lemeshow检验,与理想曲线的差异无统计学意义(P=0.808),预测准确性高。结论:基于影像组学的logistic回归模型可以有效地对胶质瘤病理分级进行预测,有望成为术前预测胶质瘤分级的辅助方法。展开更多
目的构建腕关节三角纤维软骨复合体(triangular fibrocartilage complex,TFCC)的MRI影像组学模型,评价其对TFCC损伤的诊断效能。材料与方法回顾性分析2019年1月至2021年12月于吉林大学中日联谊医院放射线科行腕关节磁共振检查的100例患...目的构建腕关节三角纤维软骨复合体(triangular fibrocartilage complex,TFCC)的MRI影像组学模型,评价其对TFCC损伤的诊断效能。材料与方法回顾性分析2019年1月至2021年12月于吉林大学中日联谊医院放射线科行腕关节磁共振检查的100例患者病例(损伤及非损伤各50例),所有患者均行高分辨率3.0 T磁共振扫描,选取T2WI冠状位序列,手动勾画图像中的TFCC区域,提取影像特征,采用曼-惠特尼U检验(Mann-Whitney U test)及最小绝对收缩和选择算子(least absolute shrinkage and selection operator,LASSO)算法进行数据降维、特征筛选,将所筛选出的相关性最强的影像特征采用支持向量机(support vector machine,SVM)的建模方法建立分类模型,采用受试者工作特征(receiver operating characteristic,ROC)曲线的曲线下面积(area under the curve,AUC)、精确度、敏感度和特异度评价模型的诊断效能。结果从T2WI冠状位序列中提取到88个初始特征,用曼-惠特尼U检验和LASSO算法筛选出12个相关性特征,基于上述相关特征在SVM分类器中构建的模型AUC值为0.88,精确度、敏感度和特异度分别为90%、92%、100%,具有较好的诊断效能。结论基于MRI的影像组学特征可以提供一个识别腕关节TFCC损伤的无创性工具,提高TFCC损伤的检出率。展开更多
文摘针对地面多径环境下运动目标检测,使用最小绝对收缩与选择算子(LASSO)算法在参数估计时会出现伪目标的问题,提出一种基于LASSO模型框架的设计矩阵降维构造方法。首先,信号的多径传播能够带来目标检测的空间分集,信号在不同的多径上有不同的多普勒频移;此外,使用宽带正交频分复用(OFDM)信号能够带来频率分集。由于空间分集和频率分集的引入造成目标的稀疏特性。利用多径的稀疏性和对环境的先验知识,去估计稀疏向量。仿真结果表明,在一定信噪比(SNR,-5 d B)下,基于设计矩阵降维构造方法的改进的LASSO算法比基追踪算法(BP)、DS(Dantzig Selector)、LASSO等传统算法的检测性能有明显提高;在一定虚警率(0.1)条件下,改进的LASSO算法比原LASSO算法检测概率提高了30%。所提算法能够有效去除伪目标,提高雷达目标检测概率。
文摘快速求解系统负荷能力极限是在线评估电力系统电压稳定性的基本要求。提出一种用于离线拟合并在线预测负荷能力极限的SIPSS-Lasso-BP网络。该网络由基于电网状态相似度指标(similarity index of power system state,SIPSS)的样本筛选方法、最小绝对值收缩选择(least absolute shrinkage and select operator,Lasso)方法和BP(back propagation)神经网络共同组成。基于SIPSS的样本筛选方法以样本负荷能力极限值和电网状态相似度量化指标为依据,对训练样本进行筛选。Lasso方法对训练样本进行回归分析,确定各状态量中对负荷能力极限最具有解释性的系统状态量。BP神经网络通过精简后的训练样本来离线拟合负荷能力极限并用于在线预测。通过新英格兰39节点算例和某省实际算例对SIPSS-Lasso-BP网络的测试结果表明,该方法能够在保证预测精度的情况下明显提高BP神经网络的离线训练效率。
文摘目的:胶质瘤是最常见的颅内原发中枢神经系统肿瘤,胶质瘤的分级对临床治疗及随访方案的选择、预后的评估有重要指导意义。本研究目的在于探讨基于影像组学的logistic回归模型预测胶质瘤病理分级的可行性。方法:回顾性收集2012年1月至2018年12月经手术病理切片证实为胶质瘤的146例患者。手动分割患者增强T_(1)加权成像(contrast-enhanced T_(1)-weighted imaging,T_(1)WI+C)图像中的胶质瘤区域,形成3D感兴趣区(region of interest,ROI);提取41个影像特征;采用最小绝对收缩和选择运算(least absolute shrinkage and selection operator,LASSO)二元logistic回归法筛选与胶质瘤病理分级最相关的特征并计算影像组学得分(radiomics score,Rad-score);采用单因素logistic回归建模方法建立预测模型;用受试者操作特征(receiver operating characteristic,ROC)曲线评估模型的区分能力,评估指标为曲线下面积(area under the curve,AUC)。利用Hosmer-Lemeshow检验衡量模型预测的准确性。结果:筛选出5个与胶质瘤病理分级最相关的特征,用这5个特征构建的预测胶质瘤病理分级的logistic回归模型的ROC曲线AUC为0.919,具有很好的区分能力,其校准曲线经Hosmer-Lemeshow检验,与理想曲线的差异无统计学意义(P=0.808),预测准确性高。结论:基于影像组学的logistic回归模型可以有效地对胶质瘤病理分级进行预测,有望成为术前预测胶质瘤分级的辅助方法。
文摘目的构建腕关节三角纤维软骨复合体(triangular fibrocartilage complex,TFCC)的MRI影像组学模型,评价其对TFCC损伤的诊断效能。材料与方法回顾性分析2019年1月至2021年12月于吉林大学中日联谊医院放射线科行腕关节磁共振检查的100例患者病例(损伤及非损伤各50例),所有患者均行高分辨率3.0 T磁共振扫描,选取T2WI冠状位序列,手动勾画图像中的TFCC区域,提取影像特征,采用曼-惠特尼U检验(Mann-Whitney U test)及最小绝对收缩和选择算子(least absolute shrinkage and selection operator,LASSO)算法进行数据降维、特征筛选,将所筛选出的相关性最强的影像特征采用支持向量机(support vector machine,SVM)的建模方法建立分类模型,采用受试者工作特征(receiver operating characteristic,ROC)曲线的曲线下面积(area under the curve,AUC)、精确度、敏感度和特异度评价模型的诊断效能。结果从T2WI冠状位序列中提取到88个初始特征,用曼-惠特尼U检验和LASSO算法筛选出12个相关性特征,基于上述相关特征在SVM分类器中构建的模型AUC值为0.88,精确度、敏感度和特异度分别为90%、92%、100%,具有较好的诊断效能。结论基于MRI的影像组学特征可以提供一个识别腕关节TFCC损伤的无创性工具,提高TFCC损伤的检出率。
