[01130178]房颤疾病的心电信号特征提取与智能诊断模型构造研究

(1)主要内容 该项目的主要内容主要包括两方面,分别是研究图像特征提取技术和研究基于图像的异常检测机制。 1)研究图像特征提取技术 研究面向于医疗图像数据处理平台,通过对图像的预处理,提取出图像的有效特征,提高对图像进行异常检测的效率与性能。 2)研究基于图像的异常检测机制 机制1：研究图像异常检测算法,研究算法准确性与效率之间的平衡机制。 机制2：研究在异常检测算法中知识库的更新和对未知异常进行记录和检测的问题。研究不同场景下检测实时性和检测效率之间的平衡等。 （2）特点 该项目的主要特点为提出了3种方法和1种模型,具体如下： 1)提出了一种面向图像的预处理方法,该方法应用于提升放射医学影像的的空间分辨率和清晰度。 2)提出了一种基于多级模糊分类神经网络模型,该算法应用于放射医学影像的图像处理,有效提升了图像采集和处理过程中的处理速度。 3)提出了一种基于特征融合的医疗图像识别认证的方法,由于传统贝叶斯算法的前验概率是根据以往的经验而人为设定的,导致其识别率较低,而融合了SVM算法后能够提高贝叶斯算法的前验概率,使得整体的识别精度能有显著提升。 4)提出了一种基于动态贝叶斯模型的图像识别方法,通过在每次迭代过程中执行交叉、变异和随机生成等操作,来训练条件概率表,自动确定最佳贝叶斯网络结构,提高图像识别精度。该方法应用于尘肺病的辅助诊断系统。 （3）应用效果 2018、2019、2020三年累计实现新增利润8055万元,新增税收794万元,创汇95万美元。 （4）技术成果 本项目的技术成果提升了医学影像中高维数据特征图形图像的分类精度和识别效果,降低了医技人员的工作负荷,提高了诊断的准确率,为各级医疗机构提供了更为优质的医学影像产品和智能服务,有助于平衡医疗资源,加速人工智能产品的落地使用。提出一种基于特征融合的步态识别身份认证方法,通过融合SVM算法来提高贝叶斯算法的前验概率,从而使整体的识别精度有了显著提升。授权国家发明专利1项（发明专利：201510749195.4）和申请计算机软件著作权5项。