神经电信号中眼轮匝肌功能状态的识别

目的:提取能反映眼轮匝肌功能活动的狗面神经颧支的神经电信号(ENG),通过对ENG信号的分析,识别出眼轮匝肌的功能状态。方法:利用植入到狗面神经颧支周围的Cuff电极提取有闭眼动作发生期间的神经电信号,采用幅度阈值法,通过对ENG信号的分析,识别出闭眼动作发生时眼轮匝肌的收缩动作。结果:研究中我们提取到了能反映闭眼动作发生的ENG信号,并且通过对信号的分析,识别出了眼轮匝肌收缩动作的发生。结论:可以通过对眼轮匝肌支配神经上ENG信号的分析,监控眼轮匝肌的功能状态。     

基于眼电的字符输入系统研究

为有肢体运动障碍的群体提供一种不须依靠肢体进行信息交流的人机交互系统,使用者可以通过控制眼球视线方向实现与外界进行信息交流。设计了一种注视目标在屏幕上从中心往不同方向跳动的人机交互界面,利用水平和垂直眼电信号检测眼睛注视这些跳动目标时的眼动。算法步骤是首先采用数学形态学法去除眼电中的肌电和眨眼干扰,然后采用主成分分析法提取出不同眼球视线方向的特征向量,对眼电信号进行空间滤波,依据最大幅度所在方向和极性值判断眼球跳视方向,从而确定受试注视目标。结果表明,受试能够通过注视跳动目标,根据自己的意愿进行字符输入的操作。8个受试的结果表明系统的平均信息传输率为25.7 b/min。结合数学形态学和主成分分析的方法能够较好地提取出眼球跳视方向,并且可以转化为控制外界设备的命令。     

基于变分模态分解的眼电伪迹去除

脑电信号可以反映人体大脑活动状态,精确地将脑内信息传递向外界,对脑科学研究具有重要的意义。在实际情况中,脑电信号采集的同时会带有一些噪声,而眼电伪迹的存在会严重干扰脑电信号。本研究尝试了一种基于变分模态分解的眼电伪迹去除方法。通过变分模态分解将采集到的脑电信号分解成K组模态分量;根据眼电伪迹的频率特点,选择出眼电伪迹所对应的模态分量,并将其去除后重新构建剩余的模态分量。结果表明通过对实验数据的处理,变分模态分解可以有效地将眼电伪迹去除,并维持脑电信号的特征。     

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。     

眼电信号记录及分析系统的研究

介绍了一种眼电信号记录分析系统,它由便携式眼电信号记录仪和进行眼电信号分行的微机分析系统组成。眼动实验的眼电数据由记录仪进行采集和记录,经串行通信传送给微机分析系统进行分析。可它作为神经科、耳鼻喉科的一种辅助诊断设备,也是进行眼动系统研究的一种必要设备。     

听力障碍儿童篇章阅读的眼动特征

目的考察听力障碍儿童与正常小学四、六年级儿童在基线、标记策略提示、图示策略提示和提纲策略提示阅读下的眼动特征。方法运用眼动实验法,采用3(被试类别)×4(阅读提示策略)混合实验设计,分层抽取被试各12人共36人。结果听力障碍儿童、正常四年级儿童、正常六年级儿童在4种阅读策略提示下阅读理解眼动注视次数、注视时间、注视频率的被试类别主效应不显著,阅读提示策略主效应均显著(F=6.507,df=2.260,P=0.0020.01;F=6.402,df=2.122,P=0.001;F=4.125,Ed=19.000,P=0.0210.05)策略间交互作用不显著。结论听力障碍儿童和听力正常儿童在注视次数、注视时间、注视频率上无显著差异;听力障碍儿童和听力正常儿童在提纲策略提示和图片策略提示阅读上的眼动特征显著好于基线和标记策略提示阅读;听力障碍儿童在4种阅读提示策略下的注视次数、注视时间、注视频率表现出一定的序列效应。     

基于异方差混合转移分布模型和支持向量机的脑电分类研究

为解决线性分析和单一非线性动力学指标方法无法准确描述脑电信号的问题,本研究提出基于异方差混合转移分布模型脑电特征提取方法。首先对采集到的脑电信号依据条件期望最大化(ECM)算法建立异方差混合转移分布模型,求得模型条件方差序列的均值及方差作为脑电信号的特征,将得到的脑电信号特征采用支持向量机进行分类。通过对6个人的正常脑电信号和带有眼电伪迹脑电信号进行分类仿真实验,其结果表明该方法能很好地拟合出脑电信号,且分类精确度能达到99.166 7%,说明此方法可有效提取脑电特征并准确识别出眼电伪迹。     

基于回声状态网络的脑电信号特征提取

在脑电(EEG)信号自动检测和分类的研究中,EEG信号的特征提取至关重要。本文分析了目前主要EEG信号特征提取方法的优缺点,并提出了一种基于回声状态网络(ESN)的EEG信号特征提取方法。该方法可以实现EEG信号的非线性特征提取,并且其特征提取过程是近似可逆的,因而在特征提取过程中损失的信息较少。该方法在EEG信号特征提取过程中,主要计算量是求解状态矩阵的伪逆,计算简单高效。在对波恩大学癫痫研究所的EEG数据库进行多类别分类的实验中,本文所提出的EEG信号特征提取方法展现出了良好的性能。     

基于眼电的智能输入系统研究

为了帮助肢体运动功能障碍患者与外界交流,设计一套基于眨眼眼电的便携式智能输入系统,使用者仅通过眨眼便能控制人机交互界面上的虚拟键盘进行字符输入。该系统中的信号采集模块先对眼电信号经行预处理,然后将其转换为数字信号传输至微处理。微处理首先通过数字形态学方法滤除信号中的尖峰噪声,然后通过动态阈值和归一化、微分算法识别主动眨眼信号,并完成对虚拟键盘的控制,实现中文、英文或数字的输入。选择12名受试者分别在常规实验室、电磁干扰较大的磁共振设备室和户外的运动场进行测试。结果表明,该系统在上述3个不同的环境中能够准确识别眨眼信号并实现中文、英文及数字的输入,而且输入字符的平均准确率不低于98%,中文、英文字符和数字的平均输入速度分别为(2.8±0.3)、(6.6±0.35)、（9.7±0.38）个/min。因此,该系统的抗干扰能力较强,能够帮助肢体运动功能障碍患者实现与外界交流。     

基于数学形态学和信号包络提取的QRS波检测

QRS波检测是心电自动分析的关键环节,检出的位置精度关系到后续处理和信号提取的正确性和准确性,同时对于长时间记录的心电信号,要求一定的处理速度。而目前的国际标准ANSI/AAMI EC38中对QRS波的检出要求是在标注时刻的150ms范围内。本研究提出一种数学形态学结合信号包络提取的QRS波检测算法,在标注时刻范围减小时,对MIT-BIH数据库检测能够获得较好的检出精度和效率。     

基于自适应标记分水岭算法的肝脏CT图像自动分割

目的为减少人工交互提出了基于自适应标记分水岭的CT系列图像肝脏区域自动分割算法。方法首先对图像进行形态学重构运算以平滑图像,然后计算多尺度形态学梯度,同时提出利用梯度图像非零的局部极小值点的均值进行自适应标记提取,以避免分水岭的过分割和欠分割,再结合肝脏为最大的实质性脏器和相邻图像的相似性实现CT系列图像的肝区自动分割。结果该算法能自动、快速地提取CT系列图像中的肝脏区域。结论分水岭算法能准确定位区域的边缘,通过选择合适的阈值对梯度图像进行标记以抑制分水岭的过分割,实现医学图像中感兴趣区域的自动分割。     

基于密集连接卷积神经网络的下壁心肌梗死检测

下壁心肌梗死是一种病死率高的急性缺血性心脏病,易诱发恶性心律失常、心率衰竭、心源性休克等危及生命的并发症。因而,开展对下壁心肌梗死准确高效的早期诊断研究具有重要的临床价值。心电图是早期诊断下壁心肌梗死最敏感的手段。本文提出了一种基于密集连接卷积神经网络的下壁心肌梗死检测方法。该方法将Ⅱ、Ⅲ和aVF导联的原始心电信号串接数据作为模型的输入,利用卷积层的尺度不变性提取心电信号中具有鲁棒性的特征,并通过不同层间密集连接的方式加强了心电信号特征的传递,使得网络能够自动学习心电信号中鲁棒性强且辨识度高的有效特征,从而实现下壁心肌梗死的准确检测。本文还采用德国国家计量学研究所诊断公共心电数据库进行验证,本文模型的准确率、敏感性和特异性分别达到了99.95%、100%和99.90%。在含有噪声的情况下,模型的准确率、敏感性和特异性也均超过99%。基于本文研究结果,期望今后可在临床环境中引入本文方法,以帮助医生快速诊断下壁心肌梗死。     

广东省医院读者的阅读需求与读者满意度研究

通过对2000名医院读者来馆阅读的统计分析，得出读者需求的特点、规律及发展趋势，提出图书馆提高读者满意度的对采。     

基于医学图像纹理特征的疾病诊断方法及其应用现状

纹理特征是图像分析的重要线索.本文介绍了几种纹理特征提取方法及其在医学领域中应用,在此基础上提出了医学图像纹理分析技术在疾病诊断中面临的重点和难点,并指出了其发展前景.     

基于中层特征的医学图像分割研究进展

图像的中层特征将图像中的全局信息和局部信息结合,同时具备代表性和特异性,能够更好地表达图像的信息。已有的研究工作成功地将中层特征用于医学图像的分割,主要的方法包括稀疏编码和空间金字塔匹配(spatial pyramid matching,SPM)算法,词典学习,以及神经网络等算法。中层特征的应用提高了算法性能。本文介绍了现有的基于中层特征的医学图像分割算法,并对今后的研究工作进行了展望。     

基于数学形态学膨胀和腐蚀的医学磁共振图像的边缘检测

目的对腰椎磁共振图像进行椎间盘的边缘检测。方法数学形态学的基本运算是膨胀和腐蚀。通过对形态学运算的加权组合,可以构造出边缘检测的方法。分别对不同的检测方法进行了比较分析。结果发现它们各有特点。可以看出数学形态学具有很好的医学图像的边缘检测能力,可以获得图像连续的边缘,为后续的图像分割及目标识别等研究奠定了基础。结论为最终实现椎间盘的虚拟仿真外科手术方案的制定、解剖结构的测量及术后评估奠定了一个良好的基础。     

基于脉搏波的呼吸频率计算方法

为了在可穿戴医疗领域中快速检测出人体的呼吸频率,提出一种基于光电容积脉搏波的呼吸频率计算方法。首 先,通过MIMIC Database数据集获取人体同时段的脉搏波信号与呼吸波信号;其次,通过对脉搏波信号运行经验模态分 解算法,从而获得脉搏波信号的有限个本征模态函数,再选取合适的本征模态函数重构呼吸波信号;最后,通过对重构的 呼吸波信号进行特征提取,计算出呼吸频率。结果表明:经过脉搏波分解得到的呼吸信号与原始呼吸信号的相对相干系 数在0.6以上,呼吸频率也十分接近,准确率高达0.9以上。说明通过光电容积脉搏波信号计算呼吸频率的可行性,这对于 可穿戴医疗领域、无创医疗诊断具有重要意义。