一种改进的加权中值滤波器及其在眼电信号处理中的应用

作为经典的研究眼球运动的方法,眼电图(EOG)已经广泛地应用在多个领域。EOG信号中包含了不同类型的眼动信号和伪差,去噪和信号分离在EOG研究中一直备受关注。我们结合EOG信号的特点提出了一种新的基于WFMH的线性-非线性混合滤波器(简称为IWFMH)。仿真结果表明,该滤波器在保持信号边缘的同时能够更有效地除去噪声,EOG处理结果表明该滤波器在除去噪声的同时能够有效地分离出扫视和眨眼信号。     

基于支持向量机的二维人眼位置信息提取

眼电图(electrooculogram,EOG)是一种最常用的眼球运动记录技术,但一直缺乏从EOG扫视信号中提取二维人眼位置信息的有效方法.本文提出了利用支持向量机对二维人眼位置信息进行提取的新方法,建立了相应的模型.研究结果表明,基于支持向量机的提取方法是准确、有效的,构筑EOG-SVR系统是可行的.     

视觉眼电生理在视网膜挫伤中的应用

86例86眼视网膜挫伤患者经过视觉眼电图检查。异常率81例(94％)。异常改变主要表现为光峰电位降低或者光峰电位和暗谷电位一致降低。患者Arden比有变化,部分降低,部分正常,部分增高。光峰电位降低幅度超过100Nu者63例(78％)。光峰电位降低幅度与视力变化受检时间和视网膜挫伤程度均无显著性差异。在诊断方面,EOG的价值与ERG和FFA作了对比。异常EOG和病理所见的视细胞损害相吻合。本文还对外伤性白内障、玻璃体积血和视神经挫伤的EOG检查进行了探索。     

基于眼电信号的人机交互系统研究进展

人机交互（HCI）是借助电子计算机技术而发展起来的一门技术科学，同时也是人类与计算机之间相互交流与通信 的一种方法。眼电信号（EOG）是一种通过电极记录下来、由眼球视网膜与角膜之间电势差形成的生物电信号，在服务于 肢体运动控制障碍患者方面，由EOG控制的无障碍HCI系统发挥着越来越重要的作用。本研究归纳了EOG控制的HCI 系统的建立和发展历程，对眼球运动进行探测的常用方法:搜索线圈法、红外线眼动图法、Purkinje影像追踪法、基于计算 机图形学的方法和EOG进行了介绍，总结了EOG控制的HCI系统在残障人医疗辅助以及危险环境下进行作业方面的应 用，最后分析了由EOG控制的HCI系统存在的局限性及其未来的发展趋势。     

眼动系统研究

Ⅲ前庭眼动系统引言如[1]所述,眼动系统的输出都是眼动信号EOG(Electro oculargraph),然而随着刺激的不同,系统会有不同的神经通路,不同的解剖生理构成。本文研究的眼动信号是典型的眼震图ENG(Electronystagmograph)。众所周知,前庭器官中的半规管是人体运动平衡系统中的重要组成部分,担负着角加速     

用带通滤波器的睡眠阶段自动判断系统

本系统利用EEG、EOG和EMG信号进行睡眠阶段的自动判断。EEG是以A_2为基准由C_1单极导出,EOG从两眼外侧及单眼上下导出,EMG从颏肌导出。睡眠阶段的判断和睡眠深度的指标所需信息以30秒为一区间进行提取。其中最主要的是EEG。为了计算不同频域的信号功率用了7个带通滤波器(F_1～F_3提取σ波,F_4提取θ波,F_5F_6提取α波,F_6F_7提取睡眠纺锤波等成分),这样可实现,可使判断算法简易化并可使自动检测系统小型化。从EOG求急速眼球运动(REMs)的指标,采     

辨识脑电诱发响应的参数模型方法

本文介绍一种辨识单次诱发响应的参数建模方法,特点是既考虑自发脑电的影响,又考虑眼球运动所引起的假象,采用ARX(具有外输入的AR模型)算法。把观察值看成信号(诱发响应)、自发脑电和眼动伪迹的迭加,后两者视为外来输入,即噪声。自发脑电视为由白噪激励AR模型产生,眼动干扰看成眼电图EOG经一确定性传递函数产生,而诱发响应则看成平均诱发响应经一滤波器后产生。这些模型的参数可以根据测量得的两个输入(平均诱发响应和EOG)与一个输出(测量得的总脑电)估得,并采用FPE判据定阶。仿真实验和实际测试结果证明所提出的模型能大大提高单次观察的信噪比,并能满意地分辨总记录中信号和噪声的贡献。这一方法还能有效地减小眼球运动在脑电图中引起的伪象,作者认为所提出的方法在神经科学研究中很有用,因为这类研究中常要考察中枢神经系统的自适应机制,或分析某些参数随着各次测试的     

OEMDS—1型眼电生理微机诊断系统的设计与研制

本文介绍了OEMDS—1型眼电生理微机诊断系统的各部分,包括全视野闪光刺激器、模式变换电视装置、眼电图装置、生物前置放大器、主放大器、电极阻抗监测器、以及APPle—Ⅱ为主机的自动控制、数据采集、分析、量化处理等的软件程序。该系统能作闪光或模式ERG和VER(平均或单次)以及EOG等功能检查。由于微机和微电子技术的全面应用,使得眼电信息测量和处理得以自动、准确,并适于推广,临床效果满意。     

基于眼电和稳态视觉诱发电位分析的目光跟踪方法

眼动跟踪技术作为人机交互手段和行为检测方法已广泛应用于心理学和认知科学领域的研究,基于稳态视觉诱发电位的脑-机接口也是一种备受关注的人机交互方法。本研究提出一种结合眼电和稳态视觉诱发电位同步分析的眼睛注视点位置跟踪方法,通过同步检测两种电生理信号:眼电信号(EOG)和脑电信号(EEG)来实现。主要的处理算法有:基于EOG的人机交互算法,包括基线去除、去噪声、角度变换、基准校正等;基于SSVEP的脑-机接口算法,通过典型相关分析法实现。由SSVEP判断出的目标对应的屏幕坐标可以作为眼动分析中基准校正的输入参数。实验结果表明:每0.5 sEOG-HCI可以对注视点位置进行一次识别;每2 sSSVEP-BCI可以对注视目标做一次判别;两者既可以独立运行,也可以协同工作,相比单一信号的人机交互方法,可以缩短判断时间和提高准确率。     

多焦技术及其在mERG中的应用

多焦技术是目前信号处理的一项先进技术,它在视觉电生理系统中的主要应用为多焦视网膜电图(multifocal electroretinogram,mERG)及多焦视诱发电位(multifocal visual evoked potential,mVEP)检测.其中,mERG可以同时刺激视网膜上多个小区域,在较短时间内反映各个小区域对应的ERG特性,从而精确快速敏感的测量视功能.本文主要从互相关函数、m-序列等入手介绍了多焦技术的原理,并对其在视网膜电图上的应用--多焦视网膜电图进行了描述,阐明了在多焦视网膜电图中如何对每个小区域的生理电响应信号进行分离.