2020年, 第48卷, 第6期　刊出日期：2020-11-10

  

• 全选
  |

生物医学与信息工程专题
• Select
  基于小波树稀疏结构的磁共振成像快速重构算法

  鲍中文,段继忠,杨俊东

  陕西师范大学学报(自然科学版). 2020, 48(6): 1-9.

  PDF全文 ( ) 可视化 收藏

  为提高磁共振成像的重构速度，提出了一种基于小波树稀疏结构的磁共振成像快速重构算法，即基于小波树稀疏结构，结合L1正则项和TV正则项的共同约束，与最小二乘保真项构成重构问题；首先分离变量，之后采用交替方向乘子法将重构问题分解为多个易于求解的子问题，针对每个子问题得到其解析解，从而有效地提高了重构算法的效率。实验结果表明：在不同的数据集下，本文算法的成像重构速度比WaTMRI算法平均快约3.3倍。
• Select
  基于残差网络融合模型的心律失常分类研究

  叶思超,徐晨华,乔清理

  陕西师范大学学报(自然科学版). 2020, 48(6): 10-17.

  PDF全文 ( ) 可视化 收藏

  诊断心律失常的基础是正确识别正常和异常的心跳信号，并根据心电图波形将其正确分类。现有的心律失常分类算法严重依赖数据预处理，需要大量计算时间，且在不同信号之间缺乏可移植性，本文提出的基于残差网络（ResNet）的融合模型可以自动识别心律失常，模型只使用一条导联的信息，将4 s的心跳片段（不进行滤波处理）作为分类器的输入数据,通过融合不同的模型来提高分类性能。结果表明：分类器在患者间范式下的准确率、阳性率、敏感性分别达到0.855、0.606和0.639，说明通过模型融合得到的网络能够取得较好的心律失常分类能力。
• Select
  基于单通道脑电信号的睡眠自动分期研究

  郭艳平,刘聪,侯凤贞,刘新昱

  陕西师范大学学报(自然科学版). 2020, 48(6): 18-25.

  PDF全文 ( ) 可视化 收藏

  睡眠分期是睡眠评估的基础，在睡眠紊乱症的早期诊断和干预中起着重要的作用。本文利用集合经验模态分解对单通道脑电信号进行预处理，联合使用从分解得到的固有模态信号中提取的线性和非线性动力学等多元特性，构建了机器学习模型的输入特征空间，并最终训练出可行的睡眠自动分期模型。通过对111个健康受试者整夜睡眠数据的分期实验发现，使用本文提出的特征构建策略，能在多种经典的机器学习算法（反向传播神经网络、支持向量机、随机森林和极端梯度提升）中获得具有实用价值的睡眠自动分期模型。其中，基于极端梯度提升算法的模型在对睡眠状态进行4种分期和5种分期的任务中，准确率分别为81.0%和79.7%。
• Select
  基于心率变异性信号的睡眠呼吸暂停检测方法

  牛艳玲,刘健,朱一荻,李翔,李锦,凤飞龙

  陕西师范大学学报(自然科学版). 2020, 48(6): 26-32.

  PDF全文 ( ) 可视化 收藏

  提出了一种仅使用心率变异性信号来自动检测睡眠呼吸暂停的方法。首先，从心电信号中提取心率变异性信号，并进行异常值处理和分段；其次，利用基于方差分析（analysis of variance，ANOVA)）和最大相关-最小冗余（max-relevance and min-redundancy，mRMR）的两阶段特征选择策略获得特征向量;最后，采用五折交叉验证训练随机森林分类器。结果表明：本算法使用9个特征将每分钟“epoch”信号分类为呼吸暂停或正常，在测试集中获得的睡眠呼吸暂停识别的平均准确率为80%，Kappa系数0.61；该方法具有无创且低成本的特性，有利于便携式睡眠检测设备的硬件实现。
• Select
  基于心音同态包络的无需分段分类方法

  成谢锋,黄健钟

  陕西师范大学学报(自然科学版). 2020, 48(6): 33-39.

  PDF全文 ( ) 可视化 收藏

  针对病理性心音和正常心音差异导致的心音信号准确分段问题，本文提出一种无需对心音信号分段即可分类识别的方法。首先，对心音信号进行滤波处理；之后，将提取的心音同态特征包络取自相关函数，按照心音的特点，设计卷积神经网络(convolutional neural network，CNN)作为分类器；最后，进行训练、验证及测试。实验结果表明:本文方法在验证集上得到的准确率为100%，在测试集上得到的修正准确率为90.21%。
• Select
  Rényi相位传递熵及其在心电信号分析中的应用

  方冲,康欢,张小凤,张光斌

  陕西师范大学学报(自然科学版). 2020, 48(6): 40-46.

  PDF全文 ( ) 可视化 收藏

  为更有效地检测异常心电信号，本文基于Rényi熵和相位传递熵的概念，提出了Rényi相位传递熵算法。应用四阶AR模型和Hénon映射，分析了Rényi相位传递熵对于不同信号的检测性能及熵参数对相位传递熵检测性能的影响，并将该算法应用于异常心电信号的分析。仿真研究结果表明，Rényi相位传递熵具有对数据长度的低敏感性，调节熵参数可以改善算法的检测性能。利用Rényi 相位传递熵，可以有效地对正常人、心室纤颤病人和房颤病人心电信号的变化进行区分。
• Select
  基于LightGBM的心音信号分类研究

  余强,黄晓林

  陕西师范大学学报(自然科学版). 2020, 48(6): 47-55.

  PDF全文 ( ) 可视化 收藏

  为实现心音信号的自动分类，本文采用梯度提升树LightGBM对心音信号进行识别并分类。首先对心音信号进行分割，识别心脏搏动周期中的不同阶段;再分别从时域和频域对每次心跳中的不同时期片段进行分析和处理，提取信号特征，最后利用LightGBM分类器进行分类。实验结果表明，通过特征提取并利用LigthGBM进行分类是一种有效可行的心音信号分类方法，该方法对心音信号有无异常的识别准确率达91.2%。
• Select
  个体脑功能网络在长时间尺度上的动态复杂度分析

  倪黄晶,秦姣龙

  陕西师范大学学报(自然科学版). 2020, 48(6): 56-62.

  PDF全文 ( ) 可视化 收藏

  为人脑功能网络在长时间尺度上的动态复杂度变化情况,基于单个被试在18个月内近百次密集扫描的纵向静息态功能磁共振成像的数据集，采用排列熵对全脑功能网络的动态复杂度进行定量分析。结果表明，所有功能网络的复杂度会随着时间变化而发生一定的动态波动变化，但这种变化的幅度范围较为有限；不同功能网络的表现各异，其中小脑网络和皮下核团网络的复杂度最高，而额顶网络复杂度最低。
• Select
  时间不可逆系统的量化分析

  王俊,李俊俊,姚文坡

  陕西师范大学学报(自然科学版). 2020, 48(6): 63-68.

  PDF全文 ( ) 可视化 收藏

  时间不可逆是衡量系统非平衡性特征的有效指标，其在非线性特征分析中也发挥了重要作用，本文综述了时间不可逆量化分析的概念及相关问题。首先从统计学角度对正反序列联合概率的差异性和序列对称向量的概率差异性的一致问题进行验证，之后对联合概率简化估计的主要方法（包括排列法和可视图）进行概述，并对基于减法的差异性参数进行比较分析。进一步针对排列时间不可逆量化方法，分析了空排列、等值元素的影响，并对量化分析中对称向量的有效排列方式进行了讨论。本文厘清了时间不可逆相关的统计概念和量化分析方法，为进一步分析非平衡系统的不可逆特征提供了理论基础。
数据挖掘专题
• Select
  基于信息增益与皮尔森相关系数的2D自适应特征选择算法

  谢娟英, 吴肇中, 郑清泉

  陕西师范大学学报(自然科学版). 2020, 48(6): 69-81.

  PDF全文 ( ) 可视化 收藏

  针对基因表达数据的高维小样本特点，提出基于信息增益与皮尔森相关系数的2D自适应特征选择算法FSIP（feature selection based on information gain and Pearson correlation coefficient）。以特征的信息增益度量相应特征所携带的信息量，定义特征辨识度来度量特征的辨识能力大小，采用皮尔森相关系数定义特征独立性。为了尽可能选择到辨识能力和独立性都很好的特征，并能调和特征的辨识度与独立性对分类的贡献，定义两者之积为特征重要性，自适应地选择重要性远高于其余特征重要性的特征构成特征子集。以核极限学习机K-ELM（kernel extreme learning machine）为分类器，评价所选择特征子集的分类性能。基因数据集的实验测试以及与经典特征选择算法SVM-RFE、DRJMIM、mRMR、LLE Score、AMID、AVC的实验对比和统计重要性检测表明，提出的FSIP特征选择算法能够选择出分类能力很好的特征子集，基于被选特征子集的K-ELM具有很好的分类性能。
• Select
  一种基于KCNN和MKR的两阶段深度学习多任务推荐模型

  朱瑞,张俊三,朱杰,张世栋

  陕西师范大学学报(自然科学版). 2020, 48(6): 82-89.

  PDF全文 ( ) 可视化 收藏

  深度学习和知识图谱的结合在推荐领域受到广泛关注，然而部分模型输入向量较为稀疏，不仅增加了整个模型的训练难度，还容易导致模型陷入局部最优；此外，大多推荐模型并未充分挖掘用户和物品的特征交互，使得用户和物品的向量表示不准确，影响最终的推荐模型性能。基于此，本文提出一种基于KCNN和MKR的两阶段深度学习多任务推荐模型TMR。首先，利用文本卷积网络，提取物品名称的特征，将其转化为稠密向量，再结合物品自身属性，作为物品特征向量的初始化表示；其次，采用交替训练的方式，获取知识图谱中的辅助信息，再以DeepFM为特征提取层，挖掘用户（user）和物品（item）的特征交互。实验结果表明：与当前主流推荐方法相比，TMR模型在准确度等评价指标上有很好的表现，提高了推荐系统的性能。
• Select
  基于边缘位置与颜色信息的不规则碎纸片拼接方法

  徐睦浩,衣禹桥,李英群,李金屏

  陕西师范大学学报(自然科学版). 2020, 48(6): 90-95.

  PDF全文 ( ) 可视化 收藏

  针对基于机器视觉的自动拼接碎纸片技术对于不规则碎纸片的拼接存在适应性差、匹配成功率低等问题，提出了一种新的边缘形状描述子方法并与色彩信息相结合的多维度匹配的不规则碎纸片拼接方法：首先，提取碎片边缘的位置信息和颜色信息；然后，基于关键点可有效提高目标匹配效率的特点，将边缘位置信息分段，拟合出边缘曲线，通过边缘曲线得到分段曲线的曲率，获取关键点；最后，在灰度值完成不规则碎纸片拼接的基础上，将关键点的距离信息作为匹配信息，找出相邻碎片信息。拼接完成后通过碎片边缘的彩色信息验证拼接是否正确。该方法有效结合了边缘形状和灰度信息，对不规则碎片的拼接更具适应性；在不同场景下的匹配成功率可达90%以上，并且简化了计算量。
• Select
  基于多样化初始种群的自适应变异多目标优化策略

  李二超,杨润宁

  陕西师范大学学报(自然科学版). 2020, 48(6): 96-107.

  PDF全文 ( ) 可视化 收藏

  为平衡多目标进化算法（MOEAs）的收敛性与多样性，提出了基于多样化初始种群的自适应变异多目标优化策略（IM），该策略可以与基于支配关系以及基于分解的MOEAs相结合。IM使用多样化初始种群的方法，使得算法的初始种群具有更好的多样性，在种群进化过程中再使用自适应变异方法，将优秀个体的变异概率减小，同时增加较差个体的变异概率，提高种群的收敛速率。将结合了IM策略的MOEA/D-DE、NSGA-Ⅲ及NSGA-Ⅱ算法与原MOEA/D-DE、NSGA-Ⅲ、NSGA-Ⅱ算法进行对比,并以IM-MOEA/D-DE与IM- NSGA-Ⅲ为例与其他4种典型多目标优化算法MOEA/D-PaS、MOEA/DD、SPEA/R以及VaEA进行对比，结果表明引入IM策略对MOEA/D-DE、NSGA-Ⅲ、NSGA-Ⅱ算法的收敛性及多样性均有较大提高，其与现有经典的多目标算法相比有较强的竞争力。
• Select
  基于双向GRU和CNN的药物相互作用关系抽取

  龚乐君,刘晓林,高志宏,李华康

  陕西师范大学学报(自然科学版). 2020, 48(6): 108-113.

  PDF全文 ( ) 可视化 收藏

  不同药物由于药效动力学和药代动力学的差异可能会产生不可预知的副作用，甚至威胁患者的生命安全。在信息技术飞速发展及指数级生物医学文献增加的背景下，从文本中提取药物相互作用成为可能，为此本文提出一种基于双向门控循环单元（GRU）和卷积神经网络（CNN）相融合的双层药物关系抽取模型，使用DDIExtraction2013作为数据集进行多组实验评估，实验结果获得最高75%的综合测评率；与其他方法相比较，基于双向GRU和CNN的双层模型可以有效地抽取文本中的药物相互作用关系。
• Select
  西安市中心城区住区环境与居民身体活动的相关性

  孙宇亮,张新新,何春振,朱文斐,潘新亮,张婧

  陕西师范大学学报(自然科学版). 2020, 48(6): 114-121.

  PDF全文 ( ) 可视化 收藏

  为探讨西安市中心城区住区环境因素和居民身体活动水平的相关性，随机选取莲湖区16~69周岁居民进行NEWS-A、IPAQ-L问卷调查，按不同年龄、性别分组，对总体以及不同组别的居民进行住区环境和身体活动的相关性分析。结果表明：总体居民住宅附近的住宅密度与交通相关的身体活动呈显著性负相关（P<0.05）；中年组住宅附近住宅密度与交通相关的身体活动呈显著性负相关（P<0.05）、住宅附近的道路与交通相关的身体活动呈显著性正相关（P<0.05）；男性居民住宅附近可供步行的地方与住宅附近环境景观都和休闲体育相关的身体活动呈显著性正相关（P<0.05），女性居民住宅附近的住宅密度与交通相关的身体活动呈显著性负相关（P<0.05）。研究发现：西安中心城区住宅密度较高，会降低居民日常交通相关身体活动，特别对以工作相关身体活动为主的中年人群受影响较大；居住区域周边设施建设环境及可供步行空间对男性居民的休闲体育相关身体活动水平影响较大；住宅密度会影响女性居民日常交通身体活动。未来开展提高居民身体活动水平的运动干预研究，应充分考虑与该身体活动类型相关的住区环境因素。