48、医学信号处理与癌症分类的创新方法探索

医学信号处理与癌症分类的创新方法探索

1. 糖尿病决策支持模型

在糖尿病决策支持领域，需要构建合适的个体化血糖控制模型（IBGCM），以处理来自个体患者的多个参数。理想的模型应根据个体和多因素，提供胰岛素和药物剂量、饮食和运动方面的建议。

混合专家模型（MOE）首次应用于 IBGCM 和临床决策支持，其训练过程简单。基于 MOE 的 IBGCM 具有适用于任何类型糖尿病的优势，能使建议更加精确。该模型改进了糖尿病决策支持系统（DDS）的建议，其建议结果比单纯依靠经验更加平衡。MOE 可以将一个大而复杂的任务分解为适当的简单子任务，每个子任务都可以通过一个非常简单的专家网络来解决，在应用中比其他方法更容易实现，为个体决策支持系统提供了鲁棒性。

2. 诱发电位幅度变化跟踪

2.1 背景与目标

诱发电位（EP）在脑电图（EEG）记录过程中是非平稳的，传统的 EP 提取方法是集合平均，但已证明 EP 具有跨试验变化的特征。本文旨在跟踪实验过程中 EP 的幅度变化，通过独立成分分析（ICA）和小波变换（WT）的应用，利用空间信息和多试验矩阵构建来获取 EP 跨试验的变化，并使用小波变换提取变化趋势。

2.2 方法

2.2.1 ICA 和 WT 原理

ICA 是一种无监督神经网络学习算法，基于观察信号是统计独立源的线性混合、传播延迟可忽略以及源的数量与传感器数量相同的假设，找到数据投影时间重叠最小的坐标系。本文应用定点 ICA 进行源分离。WT 在时间和频率域都具有最佳分辨率，用于提取 EP 幅度的变化趋势。

2.2.2 SNR 增强步骤

<