用于经颅磁刺激预测量的三维磁场传感器阵列设计

目的基于电磁感应原理,提出一种三维磁场传感器阵列,用于评估经颅磁刺激(TMS)线圈产生的磁场分布。方法将大脑简化为4层的长方体结构,每层放置24、24、20、20个传感器,以此设计三维磁场传感器阵列的结构,并根据法拉第电磁感应定律标定传感器系数。验证三维磁场传感器的精确度和稳定性,并对由88个三维传感器组成的阵列结构实施测试。结果三维磁场传感器测量精度为0.99%;间隔10个月进行4次测量,后3次测量结果与第一次测量结果的相对误差均在0.5%以下,且三维磁场传感器阵列能够准确测出空间磁场的分布情况。88个点的测量结果与有限元分析结果的相对误差平均值约为1%。结论本文设计的三维磁场传感器阵列为评估TMS线圈磁场分布提供了一种切实可行的新方法,有助于提高TMS的安全性。     

基于MRI数据的多通道经颅磁刺激帽型线圈单元仿真研究

目的由于多通道经颅磁刺激中帽型线圈阵列结构的复杂性,很难确定激励线圈的数量,以使其产生的电场满足要求,本文基于真实的头模型分析了帽型线圈阵列中3种不同数量的线圈单元对头模型内电场分布的影响。方法首先基于真实的MRI数据建立头模型,然后通过ANSYS有限元软件进行仿真,获得了线圈数量分别为2、4和6的线圈单元在真实头模型中的电场分布,最后对感应电场的衰减度、电场强度和聚焦性进行对比分析。结果 4线圈和6线圈单元的电场衰减度相似,都小于2线圈单元;相较于2线圈,4线圈单元的电场强度增加幅度较大,6线圈与4线圈单元电场强度的增益相似;线圈数量的增加会使电场聚焦点下移,更偏向于深层聚焦。结论在帽型多通道经颅磁刺激临床应用中,可为满足具体刺激要求的激励线圈选择提供依据。     

基于人体头部模型的经颅磁刺激反向线圈研究

目的设计了一种新型的反向线圈以提高八字形线圈的聚焦性,同时衰减八字形线圈在头皮处产生的电场强度,减少对人体头部表面的刺激。方法根据反向线圈具有可变的高度和角度的特点,基于真实头部模型,对不同高度、角度和尺寸的反向线圈分别从电场强度、刺激深度及聚焦性3个方面进行分析,并与八字形线圈分析结果进行比较。结果选用合适参数的反向线圈,在头皮处产生的电场强度比八字形线圈减少了34.55%,刺激深度增加了1.6%,聚焦性提高了31.3%。结论使用合适的反向线圈可以减少八字形线圈对头皮处的影响,并提高聚焦性。     

用于电阻抗成像系统的单电源差分电流源

为优化电阻抗成像(EIT)系统中所使用的电压控制电流源,设计一个单电源差分电流源以简化其中电流源电路的供电方式并提高其输出阻抗。基于差分电流源设计一个能够单电源供电的电流源,并针对该电路采用连入负电容补偿电路的方法进行外部电路补偿。在NI Multisim 10环境下,对单电源差分电流源以及补偿后的单电源差分电流源进行仿真,根据输出阻抗公式计算出仿真环境下单电源差分电流源补偿前后的输出阻抗。通过7280锁相放大器对电路中负载电压幅值的采集,可获得负电容补偿电路中部分参数调整前后对输出电流的影响,并将测试数据根据输出阻抗公式计算出实际电路的输出阻抗。通过NI USB-6281数据采集卡测得补偿后电流源的功率谱,并以一定浓度NaCl溶液作为负载测试其在EIT硬件系统中的稳定性。实验结果表明,负电容补偿电路中部分参数调整后,负载为1和10 kΩ,在1 000 kHz时,其电压幅值变化率仅为0.32%、0.35%,在不同频率下,负载电压幅值的稳定性有显著提高。单电源差分电流源经过外部电路补偿之后,其输出阻抗在1～100 kHz范围内均为1 MΩ以上,约为补偿前的5倍,与未补偿时相比有较大提高。在测得的功率谱中,有用信号高出噪声信号70 dB以上,体现该设计较好的抑制噪声能力。计算所得的负载电压幅值相对误差均小于0.0180%,表明该设计具有良好的稳定性。可见,经过外部电路补偿的单电源差分电流源能够适用于一般的EIT系统。     

基于混合粒子群和模拟退火算法的聚焦性优化

目的设计高效的优化算法,获得最佳聚焦能力的电流组合方式,改善聚焦线圈产生磁场的聚焦性能。方法构建5线圈阵列和7线圈阵列,提出混合粒子群和模拟退火优化算法,对通入线圈的电流组态进行优化求解。利用COMSOL与MATLAB联合仿真计算,对比了优化前后磁场聚焦效果。结果同一聚焦平面磁场分布图表明,所提混合算法能够实现良好聚焦性,利用COMSOL和MATLAB联合仿真,提高了优化准确性。结论本文所提出的混合算法以及联合仿真的方法,可以有效提高线圈阵列的聚焦性,为下一步线圈阵列的设计奠定了基础。     

基于频域约束子空间法的经颅磁刺激信号去噪

经颅磁刺激信号在疾病治疗的过程中起着关键作用,但在传输过程中难免会受到各种随机噪声的影响。为有效地滤除这些噪声,提出一种改进的基于频域约束子空间的滤波算法。首先,通过含噪信号来构造协方差矩阵,对其进行特征分解获取特征值,接着设置阈值,并利用特征值的贡献率来估计噪声方差;将最大信噪比作为约束条件,对不同信号幅值下噪声与拉格朗日因子的关系进行仿真,拟合出自适应拉格朗日因子公式。然后,将5 mV的随机脉冲干扰和-10、-5和5 dB的白噪声分别加入到幅值为10 mV仿真信号中进行测试。结果表明,改进的子空间法使信噪比指标提高16%,使均方根误差和平均绝对误差指标分别降低26%和25%。所提出的子空间法能够有效地滤除刺激信号中的随机噪声和脉冲干扰,去噪波形平滑且与原始信号最为接近。