直接脑控多机器人协作任务研究

脑控是一种新的控制方法。传统脑控机器人主要是控制单个机器人完成特定任务,而脑控多机器人协作(MRC)任务是一个有待研究的新课题。本文介绍了参加世界机器人大赛"脑—机接口(BCI)脑控机器人比赛"获得"创新创意奖"的一个试验研究,试验设置了2个脑开关,采用基于稳态视觉诱发电位(SSVEP)的BCI(SSVEP-BCI)控制人形机器人和机械臂完成协作任务。通过10名受试者的控制试验结果表明,通过适当设置脑开关,采用性能优良的SSVEP-BCI能够实现MRC任务的有效完成。本研究可望为未来实用化的脑控MRC任务系统的研究提供启发。     

大黄芪汤联合西药治疗糖尿病足的效果和安全性分析

〔摘 要〕 目的：探讨大黄芪汤加减联合西药治疗糖尿病足的效果和安全性。方法：选择南方医科大学南海医院 2017 年 5 月至 2020 年 9 月期间收治的 100 例糖尿病足患者，随机将其分成观察组和对照组，各 50 例。对照组患者通过甲钴胺与拜 阿司匹林进行治疗，观察组患者在对照组的基础上加用大黄芪汤加减进行治疗，比较分析两组患者的临床效果。结果：治 疗前两组患者的中医证候评分与 C 反应蛋白（CRP）水平比较，差异无统计学意义（P ＞ 0.05）。治疗后两组患者中医证 候评分与 CRP 水平均有不同程度降低，且观察组低于对照组，差异具有统计学意义（P ＜ 0.05）；观察组患者治疗总有效 率为 98.00 %，高于对照组的 86.00 %，差异具有统计学意义（P ＜ 0.05）。结论：针对糖尿病足的治疗采用大黄芪汤加减 联合西药治疗法可取得明显的治疗效果。     

一种有效的CT结肠镜结肠分割方法

结肠癌是癌症致死的主要原因之一,而虚拟结肠镜在结肠癌的早期诊断中发挥着重要的作用。有效的结肠分割是构建虚拟结肠镜的基础,口服对比剂标记残便,可以最大程度地减少泻药的使用量,但是同时也给结肠分割带来一定的困难。同时由于部分容积效应,使得空气和标记物边界的CT值跨越很宽的范围,不容易被消除。本文提出一种有效的结肠分割方法,首先采用阈值法分割空气区域,然后采用发射射线法和基于统计信息的区域生长法来分割标记物区域,再采用形态学操作子膨胀和腐蚀去除空气-标记物边界,同时保存结肠内部的褶皱。实验表明该算法分割结果与手动分割结果的重合率高达93.4%。     

基于功能性近红外光谱识别右脚三种想象动作研究

基于功能性近红外光谱(fNIRS)的脑机接口(BCI)是一种新型的人机交互手段。为探究单个肢体不同运动想象动作fNIRS信号的可分性,研究采集了15名受试者(业余足球爱好者)在想象右脚三种动作(传球、停球和射门)期间的fNIRS信号,提取了不同想象动作期间HbO信号的相关系数作为特征,构造了基于支持向量机的三分类模型。试验结果发现:右脚三种想象动作的分类准确率为78.89%±6.161%;两类运动想象动作的分类,即传球与停球、传球与射门和停球与射门的分类准确率分别为85.17%±4.768%、82.33%±6.011%、89.33%±6.713%。研究结果表明单个肢体不同运动想象的fNIRS具有可分性,这可望为fNIRS-BCI增加新的控制命令,也可为单侧中风患者康复训练和控制外设提供一种新的选择。此外,研究也表明相关系数可以作为分类不同想象动作的一种有效特征。     

一种基于改进人工蜂群算法优化支持向量机的睡眠呼吸暂停检测方法

目的 睡眠呼吸暂停综合征(sleep apnea syndrome, SAS)是由于睡眠时上气道通气不畅或堵塞引起的呼吸暂停或低通气,严重影响人类健康和生活。目前的检测方法是多导睡眠仪,检测过程较为复杂,影响患者正常睡眠。为此本文提出了一种针对血氧饱和度信号的引入交叉变异的全局混沌人工蜂群(cross global chaos artificial bee colony, CGCABC)算法优化支持向量机(support vector machine, SVM)的SAS检测方法。方法 从数据集ISRUC-SLEEP中提取25名SAS患者整晚8 h的脉搏血氧饱和度数据,经预处理后对每段数据计算5种非线性特征,包括近似熵、模糊熵、信息熵、排列熵和样本熵。比较发病片段信号特征和未发病片段信号特征之间的差异,使用CGCABC算法优化的SVM模型进行分类检测,并与人工蜂群(artificial bee colony, ABC)算法、粒子群(particle swarm optimization, PSO)算法、麻雀搜索(sparrow search, SS)算法优化SVM模型的检测结果进行对比。...     

基于改进人工蜂群优化支持向量机的睡眠分期

本研究提出通过改进人工蜂群算法优化支持向量机（IMABC-SVM）进行睡眠分期。对提取的离散小波变换分解数据分量、时域特征、非线性特征、微状态特征,使用ReliefF算法进行特征筛选,提取出最优特征矩阵,并由IMABC-SVM分类器对特征矩阵进行训练。为验证特征筛选与优化分类器效果,进行相关消融实验。结果表明IMABC-SVM方法精度可达89.97%。IMABC-SVM方法可为睡眠相关疾病的检测、预防和治疗提供有效的依据。     

基于多特征融合的睡眠分期

目的 为了有效实现睡眠自动分期,对睡眠障碍等相关疾病的诊断提供更多依据,本文提出了一种基于多特征融合的睡眠分期方法.方法 数据来自ISRUC-Sleep数据库,首先对10名健康受试者和10名睡眠障碍患者的脑电(electroencephalogram,EEG)信号计算3种特征——样本熵、小波包能量和去趋势波动.然后采用支持向量机(support vector machine,SVM)构建睡眠分期模型,并验证该模型的准确性.此外,为了进行比较加入心电(electrocardiogram,ECG)和肌电(electromyogram,EMG)通道.结果 健康受试者和睡眠障碍患者睡眠分期的准确率分别达到87.4％和86.3％.结论 基于多特征融合的睡眠分期方法能够有效地提高睡眠分期的准确率.     

钻井工人畸变产物耳声发射的检测

目的：了解畸变产物耳声发射（ＤＰＯＡＥ）在监测噪声性聋方面的应用价值。方法：检测１０２例（１９５耳）钻井工人ＤＰＯＡＥ的幅值和引出率。结果：钻井工人ＤＰＯＡＥ的幅值和引出率均较对照组明显下降;随着接触噪声工龄的延长,ＤＰＯＡＥ的引出率逐渐下降;纯音测听正常的接触噪声者与正常人相比,ＤＰＯＡＥ的幅值及引出率亦明显降低;ＤＰＯＡＥ高频段引出率与相应频段的纯音听阈存在着负相关。结论：ＤＰＯＡＥ能较好地反     

一种多模态脑电和近红外光谱联合采集头盔设计及实验研究

多模式脑—机接口和多模式脑功能成像是目前和未来的发展趋势。本研究针对基于脑电-近红外光谱(EEG-NIRS)的多模态脑—机接口,为同时采集运动区的脑活动,设计了一种EEG和NIRS联合采集的头盔并进行实验验证。根据10-20系统或10-20扩展系统、NIRS探头和EEG电极直径和间距,以C3或C4为基准电极对近红外探头进行对准,把EEG电极置于NIRS电极之间,同时测量同一功能脑区NIRS变化和与之对应的EEG变化;采用螺纹旋紧的方式耦合近红外探头夹持器和近红外探头。为验证该多模态EEG-NIRS联合采集头盔的可行性和有效性,在涉及右手握力和握速运动想象共6个任务期间,采集了6个健康被试运动区的NIRS和EEG信号。这些信号在一定程度上可能反映了握力和握速运动想象相关的脑活动。实验表明本文设计的EEG和NIRS联合采集头盔可行并有效,不仅能够为基于EEG-NIRS的多模态运动想象脑—机接口提供支持,也可望为EEG-NIRS多模态脑功能成像研究提供支持。