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
深度学习在骨振信号自动判读中的应用
被引量：
5
1
作者
张瑞
习文浩
宋江玲
《西北大学学报（自然科学版）》
CAS
CSCD
北大核心
2020年第4期554-559,共6页
目前在临床上对膝关节退行性病变进行检查的手段主要包括X光、核磁共振成像等,但这些检查手段操作要求高、花费高昂、且无法便捷使用。相关研究表明,髌股关节软骨摩擦产生的摩擦音(也称为骨振信号)能够有效反映膝关节所发生的病变且获...
目前在临床上对膝关节退行性病变进行检查的手段主要包括X光、核磁共振成像等,但这些检查手段操作要求高、花费高昂、且无法便捷使用。相关研究表明,髌股关节软骨摩擦产生的摩擦音(也称为骨振信号)能够有效反映膝关节所发生的病变且获取方式便捷。基于此,文中以骨振信号为源信号,提出了一种基于长短期记忆网络的骨振信号自动判读方法。首先,采用小波变换以及序列插补方法对信号进行去噪、对齐等预处理;其次,采用长短期记忆网络实现骨振信号的自动判读,其中,网络参数使用网格搜索法确定;最后,采用5 126条临床采集的骨振信号(来源于西安某医院骨科)对所提方法进行验证。实验结果表明文中所提方法可达到自动判读的准确率为82%、精确率为79%、特异度为81%、召回率为82%、马修斯相关系数为0.62。
展开更多
关键词
膝关节退行性病变
骨振信号
长短期记忆网络
马修斯相关系数
在线阅读
下载PDF
职称材料
基于骨振信号和深度网络的膝关节退行性病变早期筛查方法
被引量：
7
2
作者
郑田田
周海天
+1 位作者
宋江玲
张瑞
《西北大学学报（自然科学版）》
CAS
CSCD
北大核心
2021年第4期549-557,共9页
膝关节退行性病变(knee osteoarthritis,KOA)是一种由关节软骨病变导致膝关节发生不可逆损伤的慢性疾病。若在KOA发病初期及时诊断并采取有效措施,则可有效延缓病程进展。由于在发病初期关节病变范围小、程度轻、患者症状不明显,传统检...
膝关节退行性病变(knee osteoarthritis,KOA)是一种由关节软骨病变导致膝关节发生不可逆损伤的慢性疾病。若在KOA发病初期及时诊断并采取有效措施,则可有效延缓病程进展。由于在发病初期关节病变范围小、程度轻、患者症状不明显,传统检查手段(MRI,CT等)几乎无法得到显著的病理信息,这使得早期筛查变得十分困难。而髌骨关节摩擦音(又称为骨振信号,vibroarthrographic signal,VAG)有可能为实现早期筛查提供一种新的途径。基于此,文中以VAG信号为数据源,提出了一种基于卷积神经网络的KOA早期筛查方法。首先,结合自动裁剪、补零处理、白化处理等方法对VAG信号进行信号对齐与去相关等预处理;其次,从VAG信号频域角度出发,采用卷积神经网络实现KOA的早期筛查;最后,采用西安市某医院临床采集的772条VAG信号数据集验证所提方法的可行性与有效性。数值实验结果表明,本文所提KOA早期筛查方法准确率、灵敏度、特异性分别可达86.2%、88.20%、83.3%。
展开更多
关键词
膝关节退行性病变
骨振信号
早期筛查
卷积神经网络
在线阅读
下载PDF
职称材料
题名
深度学习在骨振信号自动判读中的应用
被引量：
5
1
作者
张瑞
习文浩
宋江玲
机构
西北大学医学大数据研究中心
出处
《西北大学学报（自然科学版）》
CAS
CSCD
北大核心
2020年第4期554-559,共6页
基金
陕西省创新人才推进计划资助项目(2018TD-016)
陕西省重点产业创新链(群)资助项目(2019ZDL SF02-09-02)。
文摘
目前在临床上对膝关节退行性病变进行检查的手段主要包括X光、核磁共振成像等,但这些检查手段操作要求高、花费高昂、且无法便捷使用。相关研究表明,髌股关节软骨摩擦产生的摩擦音(也称为骨振信号)能够有效反映膝关节所发生的病变且获取方式便捷。基于此,文中以骨振信号为源信号,提出了一种基于长短期记忆网络的骨振信号自动判读方法。首先,采用小波变换以及序列插补方法对信号进行去噪、对齐等预处理;其次,采用长短期记忆网络实现骨振信号的自动判读,其中,网络参数使用网格搜索法确定;最后,采用5 126条临床采集的骨振信号(来源于西安某医院骨科)对所提方法进行验证。实验结果表明文中所提方法可达到自动判读的准确率为82%、精确率为79%、特异度为81%、召回率为82%、马修斯相关系数为0.62。
关键词
膝关节退行性病变
骨振信号
长短期记忆网络
马修斯相关系数
Keywords
degenerative knee disease
vibroarthrographic signals
long short-term memory network
Matthews correlation coefficient
分类号
TP305 [自动化与计算机技术—计算机系统结构]
在线阅读
下载PDF
职称材料
题名
基于骨振信号和深度网络的膝关节退行性病变早期筛查方法
被引量：
7
2
作者
郑田田
周海天
宋江玲
张瑞
机构
西北大学医学大数据研究中心
华南理工大学电子与信息学院
出处
《西北大学学报（自然科学版）》
CAS
CSCD
北大核心
2021年第4期549-557,共9页
基金
国家自然科学基金面上项目(12071369)
陕西省重点研发计划资助项目(2019ZDLSF02-09-02)
国家自然科学基金青年项目(62006189)。
文摘
膝关节退行性病变(knee osteoarthritis,KOA)是一种由关节软骨病变导致膝关节发生不可逆损伤的慢性疾病。若在KOA发病初期及时诊断并采取有效措施,则可有效延缓病程进展。由于在发病初期关节病变范围小、程度轻、患者症状不明显,传统检查手段(MRI,CT等)几乎无法得到显著的病理信息,这使得早期筛查变得十分困难。而髌骨关节摩擦音(又称为骨振信号,vibroarthrographic signal,VAG)有可能为实现早期筛查提供一种新的途径。基于此,文中以VAG信号为数据源,提出了一种基于卷积神经网络的KOA早期筛查方法。首先,结合自动裁剪、补零处理、白化处理等方法对VAG信号进行信号对齐与去相关等预处理;其次,从VAG信号频域角度出发,采用卷积神经网络实现KOA的早期筛查;最后,采用西安市某医院临床采集的772条VAG信号数据集验证所提方法的可行性与有效性。数值实验结果表明,本文所提KOA早期筛查方法准确率、灵敏度、特异性分别可达86.2%、88.20%、83.3%。
关键词
膝关节退行性病变
骨振信号
早期筛查
卷积神经网络
Keywords
knee osteoarthritis
vibroarthrographic signal
early detection
convolution neural network
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
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
深度学习在骨振信号自动判读中的应用
张瑞
习文浩
宋江玲
《西北大学学报（自然科学版）》
CAS
CSCD
北大核心
2020
5
在线阅读
下载PDF
职称材料
2
基于骨振信号和深度网络的膝关节退行性病变早期筛查方法
郑田田
周海天
宋江玲
张瑞
《西北大学学报（自然科学版）》
CAS
CSCD
北大核心
2021
7
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
