-
题名遗传神经网络下超声结节诊断设备异常状态识别研究
- 1
-
-
作者
张娟
戴学宇
-
机构
张家口学院附属人民医院(张家口市第一医院)
-
出处
《电子设计工程》
2025年第11期154-159,共6页
-
基金
张家口市卫生健康生物医疗专项课题(2221069D)。
-
文摘
为了有效避免超声结节诊断设备异常状态识别过程陷入局部极小值,研究了遗传神经网络下超声结节诊断设备异常状态识别方法。采集超声结节诊断设备实时运行参数,并对其进行归一化处理和存储后备用。构建由遗传算法与BP神经网络组成的遗传神经网络模型,对实时运行参数进行前向传播运算和反向传播运算。对初始权重和偏置进行优化选择,输出超声结节诊断设备异常状态识别结果。实验结果表明,该方法可有效运用不同类型传感器采集超声结节诊断设备实时运行参数,并将其归一到0~1范围内,同时可准确识别超声结节诊断设备电流异常状态和电磁波异常状态,识别准确率达到100%。
-
关键词
遗传神经网络
诊断设备
异常状态识别
前向传播
归一化
染色体
-
Keywords
genetic neural network
diagnostic equipment
abnormal state recognition
forward propagation
normalization
chromosome
-
分类号
TN919.5
[电子电信—通信与信息系统]
-
-
题名基于变模态分解的超声成像噪声自动过滤技术
- 2
-
-
作者
张娟
戴学宇
-
机构
张家口学院附属人民医院(张家口市第一医院)
-
出处
《电子设计工程》
2025年第9期149-153,162,共6页
-
基金
张家口市卫生健康生物医疗专项课题(2221069D)。
-
文摘
针对超声成像过程中回波信号的非线性、非平稳性以及干扰突变特性,从而导致超声成像质量较差这一问题,提出基于变模态分解的超声成像噪声自动过滤技术。通过超声成像原理,分析其成像回波噪声的形成机理以及超声成像的噪声类别;依据分析结果,采用混合变模态分解算法分解超声回波信号,获取信号分量和包含噪声分量;通过奇异值分解处理回波信号分量并重构,将重构后的信号线性相加,获取降噪后的超声回波信号。测试结果显示,通过文中技术分解超声回波信号,获取具有明显频率和振幅差异的信号分量。重构去噪后的超声回波信号有效过滤了噪声,完好保留了基波,且回波完整性良好,证明该技术能有效处理超声成像噪声,保证高质量成像。
-
关键词
变模态分解
超声成像
噪声自动过滤
超声回波信号分解
信号分量重构
线性相加
-
Keywords
variational mode decomposition
ultrasound imaging
automatic noise filtering
ultrasonic echo signal decomposition
signal component reconstruction
linear addition
-
分类号
TN911.4
[电子电信—通信与信息系统]
-
