公开(公告)号：CN119128695A

公开(公告)日：2024-12-13

申请号：CN202410695657.8

申请日：2024-05-31

Applicant: 中国计量大学

Inventor： 沈寅初 ,  叶波 ,  蔡晋辉 ,  徐玉 ,  陈爱军

IPC: G06F18/243 ,  G06N3/09 ,  G06F18/214

Abstract: 本发明公开了一种基于机器学习的吸毒预测方法。对一批吸毒者与正常人分别进行包含多个血液检查项目的检查，得到原始样本数据；对数据进行异常值处理、离散化处理和缺失值处理等预处理后，使用皮尔逊相关系数对各血液检查项目进行相关性分析，筛选得到较强相关性的血液检查项目，并制作吸毒预测数据集；采用经过k折交叉验证参数调优的随机森林机器学习算法在数据集上进行训练，得到预测模型；使用预测模型可实现对待测样本的吸毒情况的预测。本发明通过随机森林机器学习算法学习吸毒者和正常人的部分血液检查项目之间的差异实现吸毒情况预测，在实际应用中有具有较低的时效性要求、较高的准确率和较强的泛化能力与抗干扰能力。

公开(公告)号：CN119006420A

公开(公告)日：2024-11-22

申请号：CN202411106360.X

申请日：2024-08-13

Applicant: 中国计量大学

Inventor： 孟佳颖 ,  曾九孙 ,  卢成 ,  蔡晋辉 ,  叶波 ,  徐玉

IPC: G06T7/00 ,  A61B5/00 ,  A61B5/16 ,  G06V10/764 ,  G06V10/82 ,  G16H50/20 ,  G16H50/70 ,  G06N3/042 ,  G06N3/045 ,  G06N3/0464

Abstract: 本发明提供了一种基于动态有效连接和3DGraphCAN模型的戒毒者睡眠质量分类方法。该方法通过采集和预处理戒毒者及健康对照组的静息态功能磁共振成像(rs‑fMRI)数据，利用滑动时间窗口技术构建动态有效连接矩阵(DECM)，并通过单因素方差分析(ANOVA)构建权重矩阵。随后，提出了一种结合卷积神经网络(CNN)和图卷积神经网络(GCN)的3DGraphCAN模型，对戒毒者的睡眠质量进行分类。模型通过提取和处理脑区之间的复杂动态交互特征，能够有效区分戒毒者和健康对照组的睡眠质量。实验结果表明，本方法在分类准确率、精确率、召回率和F1‑Measure值等指标上均表现出优异的性能，具有较高的灵敏度和广泛的应用潜力，特别适用于神经影像学、成瘾医学及精神疾病研究领域的睡眠质量分类和评估。