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：
基于SVM_RFE的多任务导联选择算法建模 被引量：3
1
作者 冯建奎 金晶 +2 位作者 王蓓 牛玉刚 王行愚 《系统仿真学报》 CAS CSCD 北大核心 2018年第12期4506-4512,共7页
在BCI (Brain computer interface)的研究中,导联选择能够用于确定与目标任务关联较大的脑功能区域。以往的导联选择方法都是基于一个数据集进行统一的导联选择,不同任务下的对应脑区是不一样的,无法抑制同一数据集中不同任务特征的干... 在BCI (Brain computer interface)的研究中,导联选择能够用于确定与目标任务关联较大的脑功能区域。以往的导联选择方法都是基于一个数据集进行统一的导联选择,不同任务下的对应脑区是不一样的,无法抑制同一数据集中不同任务特征的干扰。基于运动想象脑电数据展开相关研究,利用SVM_RFE (Support vector machine recursive feature elimination)导联选择方法以召回率作为依据为两类运动任务分别选择最适合的导联。研究结果表明,基于SVM_RFE多任务导联选择方法在平均分类准确率上优于传统的SVM_RFE导联选择方法。 展开更多
关键词 脑机接口 运动想象 svm_rfe 多任务
原文传递
肿瘤类疾病的过度与错误医疗检查控制机制与模型的研究 被引量：2
2
作者 朱诗生 汪昕蓉 +1 位作者 毛礼厅 柳学国 《计算机应用研究》 CSCD 北大核心 2019年第5期1428-1432,共5页
针对当前肿瘤类疾病诊治过程中存在的错误与过度医疗问题,本研究基于医疗大数据提取出相似病案专家处方中的影像信息,利用机器学习分类模型提出了发现错误与过度诊治的检查控制机制与解决方案。该方案依托医院长期积累的各类肿瘤疾病病... 针对当前肿瘤类疾病诊治过程中存在的错误与过度医疗问题,本研究基于医疗大数据提取出相似病案专家处方中的影像信息,利用机器学习分类模型提出了发现错误与过度诊治的检查控制机制与解决方案。该方案依托医院长期积累的各类肿瘤疾病病历中的CT、MRI图像,以每次诊疗过程中的实际肿瘤类型为依据,从医疗数据库中选择对应类型的影像数据进行特征提取、特征选择、模型构建,得到该类型肿瘤的预测分类器,预测当前病例的良恶性;并通过跟医生诊断结果的对比判断诊疗过程中是否存在过度与错误医疗问题。其核心是提高不依赖人工判别方法的判别正确率来降低肿瘤类疾病的错诊可能性,通过实验证明结合了Spearman去冗余方法的SVM_RFE降维,与传统的SVM_RFE方法相比,在肺结节良恶性分类问题的SVM模型中表现更佳,同时也优于传统的radiomics方法。该方案能及时发现错误与过度医疗问题并提出预警,发挥监督提醒的作用,在实现预防和避免诊治错误的同时减少对人工鉴别的依赖,为错误医疗问题及减轻患者负担提供一种新的解决途径。 展开更多
关键词 错误医疗 机器学习 Spearman svm_rfe SVM分类模型
在线阅读 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