System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请属于外科鉴定,具体涉及一种基于生物电阻抗的骨组织病理识别方法。
技术介绍
1、动物骨含量和骨密度下降的微观表征为骨的显微结构被破坏,宏观表征为骨强度降低。骨组织的病理判断无法直接测定骨强度,只能通过可反映骨强度的相关指标进行判定,例如测定骨密度或骨矿含量等。
2、通过生物电阻抗测量生物组织与电特性的变化,提取与病理相关的生物学信息是一种无创检测技术,可用于动物的骨组织病理识别。cn116392098a公开了一种基于深度神经网络的人体组织识别方法及系统,其通过人体组织与其生物电阻抗的数据进行训练,以得到分类结果。但动物体骨组织与生物电阻抗具有较为复杂的非线性关系,在骨组织层面难以识别早期的病理改变。
技术实现思路
1、本专利技术提供了一种基于生物电阻抗的骨组织病理识别方法,解决了现有技术在骨组织层面难以识别早期病理改变的问题。
2、本专利技术的技术方案如下:
3、一种基于生物电阻抗的骨组织病理识别方法,包括以下步骤:
4、s1)获取生物电阻抗谱数据以及其所对应的骨组织信息;s2)将生物电阻抗谱的时域信号转化为频域表示,并提取频谱特征;s3)将生物电阻抗谱数据经傅里叶变换所得到的频谱特征作为可解释特征,将生物电阻抗谱数据经深度学习训练所得到的特征作为不可解释特征;s4)以骨组织信息作为标签数据,将生物电阻抗谱数据进行深度学习训练,依据训练结果划分可解释特征和不可解释特征;s5)融合可解释特征和不可解释特征,将融合后的特征数据再次进行
5、进一步地,所述步骤s5)可替换为:分别将可解释特征和不可解释特征进行深度学习训练,将用于分别得到的深度学习训练结果按照各自权重进行融合,以获取融合后的深度学习训练结果,基于融合后的深度学习训练结果获取生物电阻抗与骨组织病理之间的联系。
6、进一步地,所述步骤s5)中,可解释特征训练结果的权重为可解释特征权重,不可解释特征训练结果的权重为不可解释权重且所述可解释特征权重与不可解释特征权重之和为1。
7、进一步地,所述可解释特征权重大于所述不可解释特征权重。
8、进一步地,所述可解释特征包括:主频、能量分布、频带能量、频谱中心、频谱带宽、谱峰宽度、相位信息、频域均值、频域方差。
9、由于采用了上述技术方案,本专利技术的有益效果是:
10、1.本申请基于大量生物电阻抗的频谱特征通过对特征的分类和融合以量化生物电阻抗与骨组织病理之间的关系,有助于骨组织病理的精细化识别和具体病理变化的早期识别。
11、2.本申请所提供的方法相较于现有技术的经验公式而言,因充分考虑不可解释特征的权重而提高了骨组织病理识别的全面性,使识别结果更加可靠。
12、3.本申请通过对可解释特征、不可解释特征以及融合后的数据分别进行学习训练后再融合,提高了模型的泛化能力。
本文档来自技高网...【技术保护点】
1.一种基于生物电阻抗的骨组织病理识别方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种基于生物电阻抗的骨组织病理识别方法,其特征在于,
3.根据权利要求2所述的一种基于生物电阻抗的骨组织病理识别方法,其特征在于,
4.根据权利要求3所述的一种基于生物电阻抗的骨组织病理识别方法,其特征在于,
5.根据权利要求1所述的一种基于生物电阻抗的骨组织病理识别方法,其特征在于,
【技术特征摘要】
1.一种基于生物电阻抗的骨组织病理识别方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种基于生物电阻抗的骨组织病理识别方法,其特征在于,
3.根据权利要求2所述的一种基于生物电阻抗...
【专利技术属性】
技术研发人员:王成,于震,龙舟,
申请(专利权)人:临沂中科睿鹤智慧科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。