12、血小板检测与生物医学天线设计研究

血小板检测与生物医学天线设计研究

1. 血小板检测的统计分析与结果

在血小板检测的研究中，为评估所提出研究方法和先前工作方法的准确性，采用了SPSS软件进行统计分析。在测试过程中运用了独立样本T检验，独立因素涵盖结构和颜色方面，而准确性是被考察的因变量之一。通过在SPSS框架内进行统计分析，研究人员能够对比所提出方法和先前方法的准确性水平，从而深入了解不同因素在预测和检测分析样本中细胞结构时的有效性和性能。

研究将总样本量40分为两组，每组各20个样本。第一组使用人工神经网络算法进行细胞和血小板识别，第二组采用基于混合卷积神经网络（Hybrid CNN）的系统。以下是两组的统计数据：
| 分组 | N | 均值 | 标准差 | 标准误差均值 |
| — | — | — | — | — |
| ANN | 20 | 0.95925 | 0.008656 | 0.001936 |
| H - CNN | 20 | 0.97890 | 0.008540 | 0.001910 |

从均值来看，混合卷积神经网络的均值0.97890高于人工神经网络的0.95925。在独立样本测试结果中，单尾显著性为0.971，平均偏差为 - 0.019650。独立样本测试表明，准确性（t = - 7.227）、均值差异（ - 0.019650）和方差（0.002719）在两组中都符合相同标准，且两组之间的均值存在显著差异。

通过柱状图对比准确性百分比值，混合卷积神经网络的最大准确率约为97.89%，而人工神经网络的准确率约为95.92%，该柱状图带有95%的误差条。

下面是独立样本测试中Levene方差齐性检验的结果：
| L