蔡素贤;杨珊珊;郑、芳;吕孟;吴云峰;克里希南，斯里达尔 基于匹配追踪分解和动态加权分类器融合的膝关节振动信号分析。 （英语） Zbl 1275.92041号 计算。数学。方法医学。 2013年，文章ID 904267，11 p.（2013）. 总结：膝关节振动（VAG）信号的分析可以为早期检测膝关节病理提供定量指标。除了之前相关研究中开发的统计特征外，我们还提取了两个可分离的特征，即小波匹配追踪分解得到的原子数和时域中用固定阈值检测到的重要信号匝数。为了对89个VAG信号的数据集进行更好的分类，我们应用了一种基于动态加权融合（DWF）方法的新型分类器融合系统来改善分类性能。为了进行比较，还使用了单个最小二乘支持向量机（LS-SVM）和Bagging集成进行分类。基于DWF的分类器融合方法得到的接收机工作特性曲线下的总体准确率（百分比和面积）分别达到88.76%和0.9515，这表明了DWF方法在VAG信号分析中的有效性和优越性。 引用于1文件 MSC公司： 92 C55 生物医学成像和信号处理 92C30型 生理学（一般） 软件：引导数据库;AdaBoost。MH公司 PDF格式BibTeX公司 XML格式引用 \textit{S.Cai}等人，计算。数学。方法Med.2013，文章ID 904267，11 p.（2013；Zbl 1275.92041） 全文： 内政部 参考文献： [1] Y.Wu、S.Krishnan和R.M.Rangayyan，“通过振动造影信号分析进行膝关节疾病的计算机辅助诊断：综述”，《生物医学工程评论》，第38卷，第2期，第201-224页，2010年。 [2] C.B.Frank、R.M.Rangayyan和G.D.Bell，“膝关节声音信号分析用于软骨病理的非侵入性诊断”，《IEEE医学与生物学杂志》，第9卷，第1期，第65-68页，1990年·doi:10.1109/51.62910 [3] V.J.Vigorita，整形病理学，Lippincott Williams and Wilkins，费城，宾夕法尼亚州，美国，1999年。 [4] G.F.McCoy、J.D.McCrea和D.E.Beverland，“振动关节造影术作为膝关节疾病的诊断辅助手段。初步报告”，《骨与关节外科杂志》B卷，第69卷，第2期，第288-293页，1987年。 [5] B.J.Manaster、J.Crim和Z.S.Rosenberg，《诊断和外科成像解剖学：膝关节、踝关节、足、Lippincott Williams和Wilkins》，宾夕法尼亚州费城，美国，2007年。 [6] F.Eckstein，C.Adam，H.Sittek等人，“使用磁共振成像对整个关节表面的软骨厚度进行无创测定”，《生物力学杂志》，第30卷，第3期，第285-2891997页·doi:10.1016/S0021-9290（97）81146-3 [7] W.G.Kernohan、D.A.Barr、G.F.McCoy和R.A.B.Mollan，“膝关节疾病评估中的振动关节测量：角速度问题”，《生物医学工程杂志》，第13卷，第1期，第35-38页，1991年·doi:10.1016/0141-5425（91）90041-5 [8] R.M.Rangayyan、S.Krishnan、G.D.Bell、C.B.Frank和K.O.Ladly，“膝关节振动造影信号的参数表示和筛选”，IEEE生物医学工程学报，第44卷，第11期，第1068-1074页，1997年·数字对象标识代码：10.1109/10.641334 [9] S.Krishnan、R.M.Rangayyan、G.D.Bell和C.B.Frank，“膝关节振动造影信号的自适应时频分析用于关节软骨病理的无创筛查”，IEEE生物医学工程学报，第47卷，第6期，第773-7832000页。 [10] S.Krishnan、R.M.Rangayyan、G.D.Bell和C.B.Frank，“膝关节振动信号的听觉显示”，《美国声学学会杂志》，第110卷，第6期，第3292-33042001页·数字对象标识代码：10.1121/1.1413995 [11] R.M.Rangayyan和Y.F.Wu，“使用统计参数和径向基函数筛选膝关节振动造影信号”，《医学与生物工程与计算》，第46卷，第3期，第223-232页，2008年·doi:10.1007/s11517-007-0278-7 [12] R.M.Rangayyan和Y.Wu，“与信号变异性和径向基函数相关特征的振动造影信号分析”，《生物医学工程年鉴》，第37卷，第1期，第156-163页，2009年·doi:10.1007/s10439-008-9601-1 [13] R.M.Rangayyan和Y.Wu，“使用Parzen窗口估计的概率密度函数筛选膝关节振动造影信号”，《生物医学信号处理与控制》，第5卷，第1期，第53-58页，2010年·doi:10.1016/j.bspc.2009.03.008 [14] K.Umapathy和S.Krishnan，“改进的局部判别基算法及其在人类膝关节振动信号分析中的应用”，IEEE生物医学工程学报，第53卷，第3期，第517-523页，2006年·doi:10.1109/TBME.2005.869787 [15] K.S.Kim、J.H.Seo、J.U.Kang和C.G.Song，“使用基于时频分析的特征提取的膝关节声音分类增强算法”，《生物医学中的计算机方法和程序》，第94卷，第2期，第198-206页，2009年·doi:10.1016/j.cmpb.2008.12.012 [16] Y.Wu和S.Krishnan，“结合最小二乘支持向量机对生物医学信号进行分类：与膝关节振动造影信号的案例研究”，《实验与理论人工智能杂志》，第23卷，第1期，第63-77页，2011年·doi:10.1080/0952813X.2010.506288 [17] S.Krishnan、R.M.Rangayyan、G.D.Bell、C.B.Frank和K.O.Ladly，“用于关节软骨病理学非侵入性诊断的膝关节振动关节造影信号的自适应滤波、建模和分类”，《医学与生物工程与计算》，第35卷，第6期，第677-6841997页。 [18] S.Tavathia、R.M.Rangayyan、C.B.Frank、G.D.Bell、K.O.Ladly和Y.T.Zhang，“使用线性预测分析膝盖振动信号”，IEEE生物医学工程学报，第39卷，第9期，第959-9701992页·数字对象标识代码：10.1109/10.256430 [19] Z.M.K.Moussavi、R.M.Rangayyan、G.D.Bell、C.B.Frank、K.O.Ladly和Y.T.Zhang，“通过自适应分割和线性预测建模筛选振动造影信号”，IEEE生物医学工程学报，第43卷，第1期，第15-23页，1996年·数字对象标识代码：10.1109/10.477697 [20] C.C.Jiang、J.H.Lee和T.T.Yuan，“全膝关节置换术失败患者的振动关节测量”，IEEE生物医学工程学报，第47卷，第2期，第219-227页，2000年·数字对象标识代码：10.1109/10.821764 [21] T.Mu、A.K.Nandi和R.M.Rangayyan，“使用严格的二表面近端分类器和遗传算法筛选膝关节振动造影信号”，《生物与医学计算机》，第38卷，第10期，第1103-1111页，2008年·doi:10.1016/j.compbiomed.2008.009 [22] S.G.Mallat和Z.Zhang，“用时频字典匹配追踪”，《IEEE信号处理学报》，第41卷，第12期，第3397-3415页，1993年·Zbl 0842.94004号 ·数字对象标识代码：10.1109/78.258082 [23] Y.Wu和S.Krishnan，“使用时域和时频域特征以及最小二乘支持向量机对膝关节振动造影信号进行分类”，《第16届数字信号处理国际会议论文集》（DSP’09），第361-366页，希腊圣托里尼，2009年7月·doi:10.1109/ICDSP.2009.5201156 [24] I.Daubechies，“小波变换、时频局部化和信号分析”，IEEE信息理论汇刊，第36卷，第5期，第961-1005页，1990年·Zbl 0738.94004号 ·doi:10.1109/18.57199 [25] S.Mallat，《信号处理的小波之旅》，学术出版社，加州圣地亚哥，美国，第2版，1999年·兹比尔0998.94510 [26] S.Krishnan和R.M.Rangayyan，“使用自适应时频表示法对膝关节振动信号进行自动去噪”，《医学与生物工程与计算》，第38卷，第1期，第2-8页，2000年。 [27] G.J.Hahn和S.S.Shapiro，《工程中的统计模型》，威利，霍博肯，新泽西州，美国，1994年·Zbl 0839.62090号 [28] R.M.Rangayyan，《生物医学信号分析：案例研究方法》，IEEE和Wiley，美国纽约州纽约市，2002年。 [29] R.G.Willison，“人体健康和营养不良肌肉的电活动分析”，《神经病学、神经外科和精神病学杂志》，第27卷，第5期，第386-394页，1964年。 [30] R.M.Rangayyan、F.Oloumi、Y.Wu和S.Cai，“通过功率谱分析对膝关节振动造影信号进行分形分析”，《生物医学信号处理与控制》，第8卷，第1期，第23-29页，2013年。 [31] C.Cortes和V.Vapnik，“支持向量网络”，机器学习，第20卷，第3期，第273-2971995页·Zbl 0831.68098号 ·doi:10.1007/BF00994018 [32] V.N.Vapnik，《统计学习理论》，威利出版社，美国纽约州纽约市，1998年·Zbl 0935.62007号 [33] S.Haykin，《神经网络：综合基金会》，Prentice Hall PTR，Englewood Cliffs，新泽西州，美国，第2版，1998年·Zbl 0828.68103号 [34] R.O.Duda、P.E.Hart和D.G.Stork，《模式分类》，威利出版社，纽约州纽约市，第二版，2001年·Zbl 0968.68140号 [35] J.A.K.Suykens、T.Van Gestel、J.De Brabanter、B.De Moor和J.Vandewalle，《最小二乘支持向量机》，世界科学出版社，新加坡，2002年·Zbl 1017.93004号 [36] S.G.Nash和A.Sofer，线性和非线性规划，McGraw-Hill，哥伦布，俄亥俄州，美国，1995年·Zbl 0813.00012号 [37] Y.Wu和S.Krishnan，“肌萎缩侧索硬化症步态节奏波动的计算机辅助分析”，《医学与生物工程与计算》，第47卷，第11期，第1165-1171页，2009年·doi:10.1007/s11517-009-0527-z [38] Y.Wu和S.Krishnan，“帕金森病患者步态节奏的统计分析”，IEEE神经系统与康复工程汇刊，第18卷，第2期，第150-158页，2010年。 [39] Y.Wu和L.Shi，“基于非参数概率密度函数估计的肌萎缩侧索硬化患者步态周期变化分析”，《医学工程与物理》，第33卷，第3期，第347-355页，2011年·doi:10.1016/j.medengphy.2010.10.023 [40] L.K.Hansen和P.Salamon，“神经网络集成”，IEEE模式分析和机器智能汇刊，第12卷，第10期，第993-1001页，1990年·doi:10.1109/34.58871 [41] S.Hashem和B.Schmeiser，“使用训练神经网络的最佳线性组合提高模型精度”，《IEEE神经网络汇刊》，第6卷，第3期，第792-794页，1995年·数字对象标识代码：10.1109/72.377990 [42] J.Kittler、M.Hatef、R.P.W.Duin和J.Matus，“关于组合分类器”，《IEEE模式分析和机器智能汇刊》，第20卷，第3期，第226-239页，1998年。 [43] N.Ueda，“改进分类性能的神经网络最佳线性组合”，IEEE模式分析和机器智能汇刊，第22卷，第2期，第207-215页，2000年。 [44] L.I.Kuncheva，“六种分类器融合策略的理论研究”，IEEE模式分析和机器智能汇刊，第24卷，第2期，第281-286页，2002年·数字对象标识代码：10.1109/34.982906 [45] Y.Wu，C.Wang，S.C.Ng，A.Madabhushi，Y.X.Zhong，“使用基于神经的线性融合策略进行乳腺癌诊断”，载于《第十三届神经信息处理国际会议论文集》（ICONIP’06），第4234卷，《计算机科学讲义》，第165-175页，香港，2006年10月·doi:10.1007/11893295_19 [46] A.Sinha、H.Chen、D.G.Danu、T.Kirubarajan和M.Farooq，“估计和决策融合：一项调查”，《神经计算》，第71卷，第13-15期，第2650-2656页，2008年·doi:10.1016/j.neucom.2007.06.016 [47] Y.Freund和R.E.Schapire，“在线学习的决策理论推广和应用”，《计算机与系统科学杂志》，第55卷，第1期，第119-139页，1997年·兹伯利0880.68103 ·doi:10.1006/jcss.1997.1504 [48] L.Breiman，“打包预测”，机器学习，第24卷，第2期，第123-140页，1996年·Zbl 0858.68080号 [49] G.Ridgeway，“增长状态”，《计算科学与统计》，第31卷，第172-181页，1999年。 [50] B.Efron和R.Tibshirani，《Bootstrap简介》，查普曼和霍尔出版社，美国纽约州纽约市，1993年·Zbl 0835.62038号 [51] Y.Wu和S.Krishnan，“膝关节振动造影信号分析的自适应分类器融合方法”，《IEEE测量系统和应用计算智能国际会议论文集》（CIMSA'09），第190-193页，香港，2009年5月·doi:10.1010/CIMSA.2009.5069945 [52] M.Girolma，“正交级数密度估计和核特征值问题”，《神经计算》，第14卷，第3期，第669-688页，2002年·Zbl 0986.62021号 ·doi:10.1162/089976602317250942 [53] S.Cai，Y.Wu，N.Xiang等人，“用级联移动平均滤波器检测膝关节振动信号”，《第34届IEEE医学与生物学会工程国际年会论文集》（EMBC’12），第4357-4360页，美国加利福尼亚州圣地亚哥，2012年8月。 [54] Y.Wu、S.Cai、F.Xu、L.Shi和S.Krishnan，“通过分析膝关节振动信号中的固有模式功能来检测髌骨软骨软化症”，载于《2012年世界医学物理和生物医学工程大会（WC'12）IFMBE会议记录》，第39卷，第493-496页，中国北京，2012年5月。 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。