期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于多重分形的膝关节摆动信号特征提取与分类
被引量：
2
1
作者
徐一平
邱天爽
刘宇鹏
《信号处理》
CSCD
北大核心
2017年第3期383-388,共6页
膝关节摆动(VAG)信号是膝关节在屈伸活动时由于接触摩擦所产生的振动,它能够反映髌骨软化症、半月板损伤和交叉韧带损伤等膝关节损伤疾病的特征与状态,正逐步得到临床医学的重视。本文依据多重分形去趋势波动方法,定量分析了正常和异常...
膝关节摆动(VAG)信号是膝关节在屈伸活动时由于接触摩擦所产生的振动,它能够反映髌骨软化症、半月板损伤和交叉韧带损伤等膝关节损伤疾病的特征与状态,正逐步得到临床医学的重视。本文依据多重分形去趋势波动方法,定量分析了正常和异常VAG信号的特性,提取了分形标度指数、多重分形谱极值点、广义分形维数和时频信息熵值等特征信息,并采用支持向量机对正常和异常VAG信号进行分类,得到较高的分类准确率,对于膝关节损伤疾病的无创检测和辅助诊断具有重要意义。
展开更多
关键词
膝关节摆动信号
多重分形
时频信息熵
支持向量机
在线阅读
下载PDF
职称材料
基于PCNN-LSTM神经网络的膝关节摆动信号分类识别
2
作者
杨佳
邱天爽
刘宇鹏
《中国生物医学工程学报》
CAS
CSCD
北大核心
2021年第2期129-136,共8页
膝关节摆动(VAG)信号是指膝关节屈曲或伸展时发出的声音或振动信号,可灵敏、客观地描述膝关节的健康状态,在膝关节疾病的无创检测中具有重要作用。现有的对VAG信号正常和异常分类方法自动化程度低,且分类准确度较低,总体性能有待进一步...
膝关节摆动(VAG)信号是指膝关节屈曲或伸展时发出的声音或振动信号,可灵敏、客观地描述膝关节的健康状态,在膝关节疾病的无创检测中具有重要作用。现有的对VAG信号正常和异常分类方法自动化程度低,且分类准确度较低,总体性能有待进一步提升。因此,提出一种基于改进卷积神经循环网络(PCNN-LSTM)的VAG信号分类算法。首先,利用经验模式分解(EMD)和小波变换,将一维VAG信号变换为二维时频特征谱图,并将其用作数据集;然后,在串行神经网络的基础上融合并行卷积神经网络结构,再与LSTM神经网络相结合构成改进的PCNN-LSTM模型,以此区分正常或异常的VAG信号,实现对膝关节健康状态的自动检测。采用由加速度传感器(181A02)和USB采集仪(FSC812)所采集的真实VAG信号,构建数据集对所提出算法性能进行验证。数据集由654例样本构成,其中包括健康数据222例和患有膝关节疾病的数据432例。实验表明,所提出算法的分类正确率为96.93%,灵敏度为100%,特异性为95.56%,相比其他算法可得到较好的分类识别效果,对于膝关节疾病的无创检测和辅助诊断具有重要意义。
展开更多
关键词
膝关节摆动信号
经验模态分解
小波变换
卷积神经网络
在线阅读
下载PDF
职称材料
题名
基于多重分形的膝关节摆动信号特征提取与分类
被引量：
2
1
作者
徐一平
邱天爽
刘宇鹏
机构
大连理工大学电子信息与电气工程学部
大连大学附属中山医院
出处
《信号处理》
CSCD
北大核心
2017年第3期383-388,共6页
基金
国家自然科学基金资助项目(61172108
61139001
+1 种基金
81241059
61671105)
文摘
膝关节摆动(VAG)信号是膝关节在屈伸活动时由于接触摩擦所产生的振动,它能够反映髌骨软化症、半月板损伤和交叉韧带损伤等膝关节损伤疾病的特征与状态,正逐步得到临床医学的重视。本文依据多重分形去趋势波动方法,定量分析了正常和异常VAG信号的特性,提取了分形标度指数、多重分形谱极值点、广义分形维数和时频信息熵值等特征信息,并采用支持向量机对正常和异常VAG信号进行分类,得到较高的分类准确率,对于膝关节损伤疾病的无创检测和辅助诊断具有重要意义。
关键词
膝关节摆动信号
多重分形
时频信息熵
支持向量机
Keywords
vibroarthrographic signal
multifractal
time frequency information entropy
support vector machine
分类号
R318.04 [医药卫生—生物医学工程]
在线阅读
下载PDF
职称材料
题名
基于PCNN-LSTM神经网络的膝关节摆动信号分类识别
2
作者
杨佳
邱天爽
刘宇鹏
机构
大连理工大学电子信息与电气工程学部
大连大学附属中山医院
出处
《中国生物医学工程学报》
CAS
CSCD
北大核心
2021年第2期129-136,共8页
基金
国家自然科学基金(61671105,61172108,61139001,81241059)。
文摘
膝关节摆动(VAG)信号是指膝关节屈曲或伸展时发出的声音或振动信号,可灵敏、客观地描述膝关节的健康状态,在膝关节疾病的无创检测中具有重要作用。现有的对VAG信号正常和异常分类方法自动化程度低,且分类准确度较低,总体性能有待进一步提升。因此,提出一种基于改进卷积神经循环网络(PCNN-LSTM)的VAG信号分类算法。首先,利用经验模式分解(EMD)和小波变换,将一维VAG信号变换为二维时频特征谱图,并将其用作数据集;然后,在串行神经网络的基础上融合并行卷积神经网络结构,再与LSTM神经网络相结合构成改进的PCNN-LSTM模型,以此区分正常或异常的VAG信号,实现对膝关节健康状态的自动检测。采用由加速度传感器(181A02)和USB采集仪(FSC812)所采集的真实VAG信号,构建数据集对所提出算法性能进行验证。数据集由654例样本构成,其中包括健康数据222例和患有膝关节疾病的数据432例。实验表明,所提出算法的分类正确率为96.93%,灵敏度为100%,特异性为95.56%,相比其他算法可得到较好的分类识别效果,对于膝关节疾病的无创检测和辅助诊断具有重要意义。
关键词
膝关节摆动信号
经验模态分解
小波变换
卷积神经网络
Keywords
vibroarthrographic(VAG)signal
empirical mode decomposition(EMD)
wavelet transform
convolutional neural network(CNN)
分类号
R318 [医药卫生—生物医学工程]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于多重分形的膝关节摆动信号特征提取与分类
徐一平
邱天爽
刘宇鹏
《信号处理》
CSCD
北大核心
2017
2
在线阅读
下载PDF
职称材料
2
基于PCNN-LSTM神经网络的膝关节摆动信号分类识别
杨佳
邱天爽
刘宇鹏
《中国生物医学工程学报》
CAS
CSCD
北大核心
2021
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
