您的位置： 专家智库 > >

西南交通大学电气工程学院系统科学与技术研究所

作品数：3 被引量：15H指数：1
相关作者：刘佳彬更多>>
相关机构：成都医学院第二附属医院更多>>
发文基金：国家自然科学基金更多>>
相关领域：自动化与计算机技术医药卫生电气工程更多>>

合作机构

文献类型

  • 3篇中文期刊文章

领域

  • 1篇电气工程
  • 1篇自动化与计算...
  • 1篇医药卫生

主题

  • 1篇电池
  • 1篇电池组
  • 1篇动力电池
  • 1篇动力电池组
  • 1篇新辅助治疗
  • 1篇压电作动器
  • 1篇影像
  • 1篇乳腺
  • 1篇乳腺癌
  • 1篇神经网
  • 1篇神经网络
  • 1篇前哨
  • 1篇前哨淋巴结
  • 1篇前哨淋巴结转...
  • 1篇自适应
  • 1篇自适应卡尔曼...
  • 1篇腺癌
  • 1篇淋巴
  • 1篇淋巴结
  • 1篇淋巴结转移

机构

  • 3篇西南交通大学
  • 1篇成都医学院
  • 1篇路易斯安那州...
  • 1篇遂宁市中心医...
  • 1篇西南医科大学...
  • 1篇淡马锡理工学...

作者

  • 2篇马磊
  • 1篇周克敏
  • 1篇周攀
  • 1篇范家华
  • 1篇刘佳彬

传媒

  • 1篇控制理论与应...
  • 1篇中国普外基础...
  • 1篇电源技术

年份

  • 1篇2025
  • 2篇2016
共 3 条 记 录，以下是 1-3
全选 清除 导出
排序方式：
基于径向基神经网络的压电作动器建模与控制被引量：15
2016年
针对压电作动器(piezoelectric actuator,PEA)的率相关迟滞非线性特性,构建了Hammerstein模型对压电作动器建模.采用径向基(radial basis function,RBF)神经网络模型表征迟滞非线性,利用自回归历遍模型(auto-regressive exogenous,ARX)表征频率的影响,并对模型参数进行了辨识.此模型可以在信号频率在1～300 Hz范围内时,较好地描述压电作动器的迟滞特性,建模相对误差为1.99%～4.08%.采用RBF神经网络前馈逆补偿控制,结合PI反馈的复合控制策略实现跟踪控制,控制误差小于2.98%,证明了控制策略的有效性.
范家华马磊周攀刘佳彬周克敏
关键词：RBF神经网络压电作动器HAMMERSTEIN模型
基于模型估计的LiFePO_4电池EKF滤波算法SOC估计研究
2016年
常规LiFePO_4动力电池组SOC(state of charge)估计方法难以同时满足复杂工况下SOC预测的可靠性与初值不敏感性,为解决该问题,提出一种针对电池组工况特性下的扩展卡尔曼滤波算法。该算法基于电池组工况放电特性,提取其特征参数并进行模式分类,根据在电池充放电时不同参数与区间,对卡尔曼滤波模型进行动态参数补偿,加快SOC向真值的收敛速度,并减少SOC估计误差,实现算法对SOC估计初值的不敏感性。最后使用美国机车工况测试UDDS标准模型,对实际采集的电池模型进行仿真实验,其结果验证了所提出的算法可行性和有效性。
邓宫泰马磊贾俊波韩明
关键词：扩展卡尔曼滤波自适应卡尔曼滤波
基于MRI影像组学的可解释性机器学习模型预测乳腺癌新辅助治疗后前哨淋巴结转移
2025年
目的探讨基于磁共振成像(magnetic resonance imaging,MRI)多模态影像组学特征联合临床病理特征构建新辅助治疗(neoadjuvant therapy,NAT)后前哨淋巴结(sentinel lymph node,SLN)转移预测模型的价值。方法回顾性收集2018年1月至2024年9月期间西南医科大学附属医院和遂宁市中心医院2家医院初始诊断为cN0(临床评估无区域淋巴结转移)且进行NAT及手术治疗的乳腺癌患者的临床病理资料及MRI图像。提取及筛选患者T2加权短反转时间反转恢复序列(T2-weighted short tau inversion recovery,T2STIR)、弥散加权成像(diffusion-weighted imaging,DWI)及动态对比增强(dynamic contrast-enhanced,DCE)模态图像的影像组学特征并联合患者的临床病理资料,采用LightGBM、XGBoost、支持向量机和逻辑回归4种机器学习算法构建NAT后SLN转移的预测模型,并通过受试者操作特征曲线、校准曲线、决策曲线分析、Shapley分析对模型进行性能及可解释性评估。结果本研究共纳入236例乳腺癌患者,其中西南医科大学的216例患者按8∶2随机分为训练集和内部验证集、遂宁中心医院的20例患者作为外部验证集。在236例患者中,有34例发生SLN转移。多因素logistic回归分析结果显示,有淋巴血管侵犯[OR(95%CI)=21.215(4.404,102.202),P<0.001]和周围神经侵犯[OR(95%CI)=25.867(1.870,357.790),P=0.002]是NAT后SLN转移发生的风险因素,而Ki-67高表达[OR(95%CI)=0.119(0.035,0.404),P<0.001]是NAT后SLN转移发生的保护因素。结合多模态MRI特征及临床病理特征构建的4种机器学习(LightGBM、XGBoost、支持向量机和逻辑回归)预测模型在内部及外部验证集中的受试者操作特征曲线下面积(95%CI)分别为0.750(0.395,1.000)/0.625(0.321,0.926)、0.878(0.707,1.000)/0.778(0.525,0.986)、0.641(0.488,0.795)/0.681(0.345,1.000)、0.667(0.357,0.945)/0.583(0.196,0.969),选择在外部和内部验证集中实现最佳平衡的预测模型XGBoost进一步行Shapley分析,结果
杨艾森金明丽黄德青秦娜彭一檬李钧
关键词：乳腺癌新辅助治疗前哨淋巴结
全选 清除 导出
共1页<1>
聚类工具0