平战两用脑电节律调节仪的研制

该仪器根据人体在各种心态下能产生的α、β、θ、δ脑电波节律不同的特性,利用人工制造的不同节律的低频磁场作用于人体,使人体产生的波与其“同步”,达到调节人体心理状态的目的,用于治疗和预防疾病。     

癫痫脑电涟波的小波方差预测方法

采用小波包分析提取癫痫发作前脑电信号的万波、口波、涟波和快速涟波,提出采用脑电信号的小波方差作为癫痫发作的特征量,并选择其中的涟波和快速涟波的小波方差对癫痫发作进行预测。     

小波分析在早老性痴呆脑电诊断中的应用

运用小波变换(WT)对老年痴呆(AD)患者与正常老人在安静闭眼时的脑电(EEG)数据进行了多尺度空间能量分布特征提取。初步比较分析表明，与正常人相比，AD患者EEG能量在中高频段α(8～16Hz)显著较低(严重时可低至正常人的5％)，而在低频段8(0～4Hz)的能量却明显偏高(可达正常人的几倍到几十倍)。研究结果提示，可考虑试用小波分析提取脑电能谱分布特征作为AD临床工程诊断的特异性指标。     

脑电刺激失眠治疗仪的研制

以正常的脑电作为刺激源,通过基于MATLAB的小波分析进行脑电数据处理,对特定穴位进行电刺激,达到治疗失眠的效果.同时论述了仪器的设计原理及硬件组成与软件实现.     

排除脑电监护、脑电图干扰的方法

当脑电图、脑电监护受到干扰时 ,它往往表现出 ,描迹出来的波形不光滑 ,抖动大 ,影响了临床的诊断。由于脑电信号是一种极其微弱的生物电信号 ,在对它的采集放大处理过程、对外界电磁波的屏蔽、周围环境等 ,这些环节中有任何一点出了问题都可能是该机产生干扰的原因。下面依据上述几个方面问题逐一进行分析与处理。周围环境的影响 :先查看周围是否有其它电器在工作 ,尽可能地远离这些能产生电磁波的设备 ,或在监护诊断时暂时关闭这些设备 ;查看电极盒和导联线以及患者是否碰到比如金属床架和仪器外壳等物体 ,如有及时把它们隔开。做好电磁波…     

基于小波变换的医学图像噪声滤除方法的研究

目的：研究一种基于小渡变换的医学图像噪声滤除方法，并比较不同小波函数的去噪效果。方法：提出了一种利用小渡局部系数改进的软阂值方法。首先,应用小波变换得到图像的局部模极值分布Mj,m,n^ψ然后．计算小渡变换的M模极大值，根据局部模极值分布的统计特性来设定一个阈值门限Tm：当小渡变换的模极值大于等于阈值门限Tm时，其对应的小波系数保持不变：当小渡变换的模极值小于阈值门限Tm时，其对应的小渡系数通过软闽值法进行计算。最后,根据这两部分的小渡系数进行小波逆变换重构图像。结果：所提出的方法能有效地滤除医学图像中的噪声，不同小波的噪声滤除效果有一定的差异。结论：选择合适的小渡基函数来对图像进行小渡多尺度分解．可以得到比较完善的小渡阈值去噪算法．达到比较理想的去噪效果．     

小波变换在事件诱发脑磁图分析中的应用

目的:验证基于Morlet小波变换的时频分析方法在事件诱发脑磁图中的应用效果。方法:根据Morlet小波变换的数学原理及特点,对脑磁图数据进行时频分解,采用时频能量分布图和锁相因子分布图表示脑磁图信号。结果:从脑磁图数据中有效提取了锁相和非锁相的能量变化信息。结论:Morlet小波变换的时频分析方法能够适应脑磁图信号是时变非平稳信号的特点,从中提取出感兴趣的信息。     

基于小波变换的癫痫脑电相位同步化分析方法

目的：探讨预报癫痫疾病的方法。方法：应用基于小波变换的相位同步化分析方法．对6例癫痫患者长期颅内EEG记录的8个导联进行相位同步化分析，得到每两个导联之间的相位同步化值R。结果：6例癫痫患者的分析结果均表明该方法可以区分发作间期与发作前期的状态。结论：基于小波变换的相位同步化分析方法是一种适用性强、局限性小、可靠性高的癫痫预报算法。     

小波包分解脑电复杂性特征提取的注意状态实时识别

目的:神经反馈法矫治注意缺陷障碍症近来引起较多关注,而注意状态的实时识别是神经反馈治疗法的关键该研究旨在提出一种注意状态实时识别新方法 方法:将单通道脑电进行小波包分解,得到不同频率分量的脑电节律波,计算这些节律的近似熵并作为支持向量机输入特征向量,向量机的输出可以较为准确地给出受试者实时的注意状态;基于该项技术设计一种注意缺陷障碍症神经反馈治疗装置结果:该方法对注意任务相关脑电信号分类的正确率可达72.5％,特异性为71.4％,敏感性为73.7％;据此完成的反馈治疗装置的有效性也在初步临床验证中得到证实 结论:将小波包分解、脑电复杂性分析与神经网络相结合的技术是一种有效的注意状态实时识别新方法.     

巧谱5000三维脑电地形图仪：当今最新的脑电成像技术

本文介绍由第一军医大学研制生产的巧谱５０００三维脑电地形图仪的用途、特点、及构造原理。     

小波分析在脑电信号处理中的应用

脑电（EEG）信号是一种产生机理相当复杂的人体生理信号,具有重要的科学研究和临床诊断价值.本文针对脑电信号非平稳性特点,利用小波变换的方法实现了对采集到的脑电信号进行滤波处理;利用小波包分析的方法实现了对脑电节律（δ、θ、α、β）的提取及对脑电的功率谱分析.     

余弦分析法在生物节律研究中的应用

余弦分析法是一种处理生物节律性资料的有效方法。它以余弦函数为模型,以中值M、振幅A和峰值位相时φ为主要参数描述节律的特征。本文介绍余弦法的处理程序,并举例说明该法在预防医学上的应用。     

脑电信号分析方法及其应用

EEG是弱生理电信号,对其特征分析与识别在临床和实验室研究中具有重要价值。该研究重点介绍了几种常用的脑电信号处理方法,包括功率谱分析、时频分析、双谱分析等,主要介绍其原理及在脑电信号处理中的应用,为研究脑电信号提供方法和途径。     

脑电遥测分析系统的研制

本文介绍一种低功耗，小体积的ＥＥＧ遥测装置与微型计算机联机的一体化脑电遥测分析系统。也讨论了系统的优点及其展望。     

基于运动想象的脑电信号特征提取与分类

目的：以在已知类别的2种运动想象任务下采集的EEG信号为训练样本,识别测试样本中的运动想象任务。方法：在频域范围内,采用AR模型功率谱估计法所得C3、C4通道的功率谱密度,确定ERD/ERS较明显的频率范围;在时域范围内,比较C3、C4通道信号的能量差异,确定ERD/ERS较明显的时间段。采用带通滤波和小波包分析的方法提取训练集想象运动过程中ERD/ERS生理现象较明显的节律信号,分别采用线性分类器、支持向量机（SVM）实现测试集运动想象脑电数据的分类。结果：分类最佳正确率为87.14%。结论：小波包分析法能够较准确地提取想象左、右手运动的脑电信号的本质特征,结合支持向量机实现较好的抗干扰能力和分类性能。     

睡眠脑电信号的动力学分析

对睡眠脑电信号进行了非线性动力学分析。分析中采用关联维数和Lyapunov指数的相关算法计算；出了不同睡眠期的Lyapunov指数和关联维数，讨论并分析了它们的变化趋势，总结了它们的变化规律和特点：不同的睡眠阶段很明显的对应了不同的关联维数，清醒时关联维数最大，随着睡眠的加深，关联维数降低，REM期的关联维数介于S1期和S2期之间。实验结果表明，EEG关联维数可以有效地区分大脑不同状态的特征，关联维数可以作为脑信息处理的非线性特征参数。     

一种基于小波变换的脑电信号癫痫特征波的识别算法

目的通过选取小波变换的多尺度特性算法,能够快速而准确的从脑电图信号中识别癫痫特征波。方法确定癫痫脑电的3种特定的病态波形,选取小波变换的多尺度特性算法,分析处理16导标准脑电信号。结果分离出癫痫特征波,并对特征波进行识别,从而得到对癫痫的诊断;在此基础上将癫痫特征波反映射到16导标准电极,应用相关源电位软件对癫痫灶进行初步定位。结论小波变换的多尺度特性算法可以实现对癫痫脑电信号特征波的自动检测和病灶定位,有助于临床诊断和筛查癫痫。     

三种非线性趋势项的提取方法在生物医学信号分析中的应用

在生物医学信号的分析中往往需要将信号中的趋势成分和非趋势成分进行分离来实现不同的信号分析及应用的目的。该文介绍了三种应用在生物医学信号处理中的用于分离非平稳信号中的非线性趋势的分析方法：小波分析法,经验模式分析法和平滑先验法的原理,并应用它们对三种实际的生物医学信号的数据进行趋势信号与非趋势信号分离的应用举例。提示在非线性的趋势分析中,可根据不同的分析目的和不同的信号特征来选择不同的方法进行应用。     

基于小波分析与自适应滤波的胎儿心电提取

目的:利用小波分析与自适应滤波算法相结合从母体腹部信号中提取胎儿心电。方法:首先对母体腹部信号和胸部信号做5层平稳小波分解,然后在每层小波系数引入最小均方误差(LMS)算法对应滤波,最后将小波系数重构获得胎儿心电。结果:使用临床数据进行验证,结果表明,基于小波分析与自适应滤波的算法能够识别母体腹部信号中的胎儿心电信号。结论:该方法与LMS算法相比提取效果更好,尤其对母体心电波形与胎儿心电波形重合部分改善明显。另外,该算法计算简单,易于实现,保持了较高的实时性。