78、医学与控制领域的前沿研究进展

医学与控制领域的前沿研究进展

阿尔茨海默病的3D MR图像诊断

在阿尔茨海默病的诊断研究中，采用了前馈神经网络（FFNN）对3D MR图像进行自动分类，以判断其是否为正常或患有阿尔茨海默病，选取海马体作为感兴趣区域（VOI）的特征。

在训练过程中，多次改变各种人工神经网络（ANN）参数，如隐藏神经元数量、激活函数、训练函数和学习率等进行实验。最终的训练曲线如图6所示。每次通过应用多个测试用例来评估性能，并通过计算灵敏度（SE）、阳性预测率和准确率（AC）的百分比，与其他分类器进行比较，具体数据如下表所示：
| 分类器 | 训练 | 测试 |
| — | — | — |
| FFNN | 100% | 70% |
| RBF | 100% | 86% |

结果表明，使用Trainlm作为训练函数的FFNN与其他分类器相比，表现更优。这意味着FFNN在医学成像应用中的图像分类方面是一种很有前景的技术。

控制系统中极点配置问题的分析

在控制系统设计中，极点配置方法是设计线性控制系统的常用数学工具。本文研究了使用状态导数反馈来解决极点配置问题的方法。

传统的状态反馈在某些情况下可能会导致系统出现奇异性问题，而状态导数反馈在解决这类问题上具有一定优势。其灵感来源于受控振动吸收器，对于这类特定系统，状态导数反馈是一种自然且强大的控制器设计方法。

本文以倒立摆为例，分别使用传统的全状态反馈（Ackermann公式）和状态导数反馈来设计反馈控制器，并比较了两种方法得到的反馈增益矩阵元素。
- 单输入线性时不变系统的极点配置问题