医院临床数据中心构建探讨

针对医院目前多个异构系统中数据无法共享、无法深层次利用的现状,探讨了"如何构建临床数据中心"的问题,介绍并分析了构建临床数据中心的三种主要思路。在此基础上,提出一种基于病人主索引的构建框架。     

面向脑机接口的脑电采集设备硬件系统综述

脑机接口技术(BCI)可为人脑和外界建立一种全新的直接的交互方式,具有非常广阔的应用前景。脑电采集设备作为脑机接口采集信号的重要手段和途径,是其技术的关键和基础,已得到广泛关注。近年脑机接口研究呈爆炸式增长,各种脑电采集技术与应用不断涌现。未来,脑电采集设备在科学、医疗、军事、生活等领域具有巨大的应用潜力。为理清目前脑电采集设备硬件系统的发展现状和发展方向,从基本组成结构、性能优化电路以及现有产品等方面进行剖析。归纳脑电采集设备的4个主要组成部分,进一步分类并讨论脑电采集设备性能优化方法;对比现有的主流产品的关键指标,探讨它们的功能特性;分析现有脑电采集设备的不足之处,并对其发展趋势进行展望。     

深度学习算法在脑电信号解码中的应用

近年来深度学习算法得到飞速发展,在生物医学工程领域的应用也越来越广泛。其中,利用深度学习算法从脑电信号(EEG)中解码生理、心理或病理状态也受到越来越多的关注。综述近年来深度学习算法在EEG解码中的应用,介绍常用算法、典型应用场景、重要进展和现存的问题。首先,论述常用于EEG解码的几类深度学习算法的基本原理,包括卷积神经网络、深度信念网络、自编码器和循环神经网络等。然后,讨论深度学习算法的几个典型EEG解码应用场景,包括脑机接口、情绪与认知识别、疾病辅助诊断。结合应用实例,归纳深度学习算法在EEG解码中的常见问题、解决方案、主要进展和研究趋势。最后,总结深度学习应用于EEG信号解码中仍待解决的一些关键问题,如参数复杂度、训练时间以及泛化能力等。     

脑损伤后精准康复治疗技术的研究进展

随着医疗技术的迅速发展，临床诊疗模式越来越侧重于个性化、精准化、微创化。精准康复基于精准医学理念，将先进的诊断技术、精密的治疗仪器与传统经验相结合，通过个性化的功能诊断、康复评定、康复治疗的诊疗模式，显著提高临床实践的精确性，实现医疗效益最大化。经颅磁刺激、经颅直流电刺激、经颅超声和无创性脑机接口都是近年来颇受瞩目的脑损伤后康复治疗技术，通过不同的作用机制，安全、无痛、无创地改善脑损伤患者的神经功能。本文重点探讨上述4种治疗技术的作用机制、在康复医学中的应用现状和疗效分析，展望精准康复的发展方向。     

医用水凝胶神经接口研究进展

神经损伤可导致永久性感觉功能丧失，神经接口材料可有效修复受损神经。传统神经接口由金属电极材料制成，阻抗较高，易腐蚀且灵敏度低，胶质细胞阻碍电极与组织接触，影响神经再生。水凝胶生物相容性高，可以模拟细胞外基质，是一种新兴神经接口材料。水凝胶神经接口分为电极型和支架型两类，可以接收并记录神经信号，调控细胞行为与生物活性物质释放，或连通信号传导通路，诱导神经再生。本文将对水凝胶神经接口功能修饰方法、受损神经修复机理及实践应用进行较全面地介绍，提出水凝胶神经接口在治疗神经损伤中亟需解决的问题，为水凝胶神经接口在神经修复领域的医学应用提供有益参考。     

卒中后运动神经反馈康复训练研究进展与前景

脑卒中(stroke)是脑区突发血管病变引起局部功能障碍的综合病症,亦是全世界第一致残类恶性神经系统疾病。运动康复训练对卒中后的功能恢复起十分重要作用,其关键在于通过肢体运动,诱发促进脑区受害神经组织产生可塑性改变,以实现运动功能的改善和恢复。但传统的被动重复训练无法调动患者的参与度和积极性,严重影响康复效果。近年来兴起基于运动想象脑-机接口(MI-BCI)的运动神经反馈康复训练模式,可由患者的主观运动意图内源性地驱动相应脑区神经来产生可塑性变化,通过大脑神经功能重组来促进肢体运动康复。评述本体感觉、视觉反馈等不同运动神经反馈模式在卒中康复训练中的应用研究进展,讨论目前MI-BCI神经反馈康复训练系统存在问题及解决对策,并预期未来的发展前景。     

基于CNN算法的稳态体感诱发电位的特征识别

脑-机接口研究可为瘫痪病人的康复带来一种新的治疗方法。已有研究表明对手指或者正中神经施加一定频率的体感刺激,会引发相同频率且具有空间特异性的稳态体感诱发电位。为优化基于稳态体感诱发电位的脑-机接口的性能,通过快速傅里叶变换寻找12个健康被试的个人左手特定共振频率,采用事件相关谱扰动进行时频分析,检测其稳态体感诱发电位信号。基于共振频率对实验诱发的脑电信号进行1 Hz带通滤波,获得特定频带的数据,采用卷积神经网络(CNN)学习算法对其进行分类,并与采用共空间模式和支持向量机的特征提取及特征分类的方法(CSP+SVM)进行比较。所有被试的结果显示:基于共振频率滤波方法,采用CNN学习算法获得的离线分类准确率均高于85%,并且CNN学习算法的分类准确率显著性优于CSP+SVM的分类准确率(91.8%±5.9% vs 77.4%±8.5%,P<0.05)。因此,在基于稳态体感诱发电位的脑机接口的特征识别中,CNN学习算法相比传统使用的机器学习分类算法(如共空间模式+支持向量机)能够显著提升分类准确率,提高脑机接口的整体性能。     

基于脑-机接口的针刺手法量学规范化研究

基于脑-机接口技术分析针刺治疗中相关刺激量和效应评价等相关问题,对针刺手法量学规范化研究作初步论述。提出基于脑-机接口的针刺手法量学研究特点包括数据量巨大、数据流稳健、客观量化和自由度分析高等。认为针灸临床视角下的脑-机接口数据获取重点包括了神经元网络整体联结性,特定脑区活动,针刺干预中机体耐受/痛阈波动,皮质不同板层神经元动力学改变等4方面。以针灸干预中风后康复的疗效评价为例,说明基于脑-机接口的针刺手法量学规范化的研究特点和潜在优势。      

自制人工肛门接口的临床应用效果观察

目的 观察自制人工肛门接口的临床应用效果.方法 对76例应用自制人工肛门接口的患者与132例使用造口袋的患者的临床应用效果进行对比.结果 使用造口袋的132例患者皮肤红肿率和皮肤湿疹率发生率分别为19.7%和7.58%;使用自制人工肛门接口的76例患者皮肤红肿率和皮肤湿疹率发生率分别为9.21%和1.31%.结论 使用自制人工肛门接口可明显降低患者皮肤红肿率和皮肤湿疹率发生率,从而减轻患者的痛苦.     

基于CF接口技术的诱发电位测试系统的研究

本文涉及一种基于PDA等移动计算平台和CF接口技术的诱发电位测试系统的研究.这种诱发电位测试系统具备虚拟仪器结构特征,具有两个诱发信号输出通道和两个输入通道,可以输出重复频率0.01～100Hz、占空比5%～95%、幅度0～±5V并连续可调的各种函数或任意定义的诱发电信号,以50k sps的采样率实时采集诱发电位输入信号,并可以对输入信号进行模拟、数字信号处理,以满足诱发电位生理研究需要.在PDA等移动计算设备的CF接口基础上,设计出工作于I/O模式的CF 卡,并编写出运行于Windows CE等移动操作系统平台上的设备驱动程序和数据采集、处理程序,完成诱发电信号的产生和诱发电位的采集.实践表明基于PDA等移动计算设备和CF接口技术的诱发电位测试系统的卓越的诱发信号发生和实时采集、处理诱发电位信号的能力,满足大多数诱发电位生理研究的需要.