一种基于肌电数据的应力性骨折预测方法

    公开(公告)号:CN113782182A

    公开(公告)日:2021-12-10

    申请号:CN202110861324.4

    申请日:2021-07-29

    Abstract: 本发明涉及一种基于肌电数据的应力性骨折预测方法,属于辅助诊断技术领域。所述方法包括:1将数据进行标准归一化得到标准样本集;2对标准样本集进行稀疏采样,得到扩展数据集;3使用GAN对齐扩展数据集和语音数据集的分布,得到分布对齐后的语音数据集;4对LSTM模型进行预训练,得到预训练后的模型并训练,得到训练好的LSTM模型;5将待预测数据通过标准归一化,得到标准测试数据,再经稀疏采样,得到扩展测试数据集,再通过训练好的LSTM模型进行预测,得到预测结果集;6将预测结果集进行投票,计算预测为正样本和负样本个数,得到预测类别。所述方法适用于采样密度大、数据量少、类别不均衡的各种时序数据预测。

    一种提高计算机辅助预测应力性骨折系统预测性能的方法

    公开(公告)号:CN113435477A

    公开(公告)日:2021-09-24

    申请号:CN202110614309.X

    申请日:2021-06-02

    Abstract: 本发明涉及一种提高计算机辅助预测应力性骨折系统预测性能的方法,为了克服现有计算机辅助应力性骨折预测系统对特征提取能力不强、噪声数据影响太大等缺点,导致系统性能不佳的技术问题,属于计算机应用技术领域。本方法针对计算机辅助应力性骨折预测系统,通过孤立森林算法实现异常值检测和剔除,然后使用独立成分分析(ICA)技术进行特征提取,之后使用综合少数类过采样技术(SMOTE)进行数据重采样,最后通过支持向量机实现分类,从而大幅度提升系统辅助预测的效果。实验证明,本方法可以有效提高系统的模型准确性和灵敏度,可以将系统的性能提升到78.7%的准确度和82.5%的灵敏度,优于现有技术。

Patent Agency Ranking