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
共找到6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：
基于VAG信号分析的无创膝关节损伤病变检测与辅助诊断 被引量：3
1
作者 徐一平 邱天爽 刘宇鹏 《生物医学工程研究》 2018年第2期233-237,共5页
膝关节摆动(VAG)信号是膝关节在做屈伸运动时由于接触摩擦产生的振动信号,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。本研究分析了国内外文献对膝关节摆动信号的研究方法,包括信号的预处理方法、... 膝关节摆动(VAG)信号是膝关节在做屈伸运动时由于接触摩擦产生的振动信号,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。本研究分析了国内外文献对膝关节摆动信号的研究方法,包括信号的预处理方法、特征提取方法和分类方法几个方面。无创膝关节摆动信号的检测与分析,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,正逐步得到临床医学的重视。最后分析了对于膝关节摆动信号研究还需要解决的问题以及未来的发展方向。 展开更多
关键词 膝关节摆动信号 时频分析 分类器 统计分析 非线性分析
下载PDF
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
2
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
下载PDF
膝关节疾病计算机辅助诊断方式研究浅谈
3
作者 鹿猛 葛飞 《计算机光盘软件与应用》 2013年第2期81-81,83,共2页
计算机智能的发展为膝关节疾病的诊断提供了新的诊断方式,克服了传统诊断方式一些缺点。本文就膝关节摆动信号处理过程技术进行汇总,对未来的发展方向进行展望。
关键词 膝关节 膝关节摆动信号 计算机辅助诊断 模式识别 计算机智能 信号分段
下载PDF
基于VAG信号的膝关节疾病无创检测与分类的研究进展
4
作者 杨佳 邱天爽 +2 位作者 刘宇鹏 常世杰 史凯元 《医疗卫生装备》 CAS 2021年第7期91-96,共6页
介绍了膝关节疾病的分类与膝关节摆动(vibroarthographic,VAG)信号在膝关节疾病无创检测和辅助诊断中发挥的作用,综述了VAG信号的提出和采集、预处理、特征提取和分类识别等方面的研究进展,分析了现阶段基于VAG信号的检测方法仍需解决... 介绍了膝关节疾病的分类与膝关节摆动(vibroarthographic,VAG)信号在膝关节疾病无创检测和辅助诊断中发挥的作用,综述了VAG信号的提出和采集、预处理、特征提取和分类识别等方面的研究进展,分析了现阶段基于VAG信号的检测方法仍需解决的问题。指出了随着计算机技术的发展,将人工智能、大数据中的分析方法应用于VAG信号辅助诊断膝关节疾病是未来的研究方向和发展趋势。 展开更多
关键词 膝关节 膝关节摆动信号 时频分析 非线性分析 深度学习
下载PDF
髌骨软化症诊治进展
5
作者 顾思逸 张家伟 +1 位作者 张欣 茆晓妍 《中国伤残医学》 2020年第3期99-100,共2页
髌骨软化症是一种常见的退行性骨关节病,尚无明确病因和统一疗法.现对髌骨软化症的诊疗作以下综述.
关键词 髌骨软化症 膝关节摆动信号 BZY-A型低频治疗仪 肌内效贴 玻璃酸钠
原文传递
基于PCNN-LSTM神经网络的膝关节摆动信号分类识别
6
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
下载PDF
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
使用帮助 返回顶部