独立式脑-计算机接口信号处理和识别方法研究

目的为独立式脑-计算机接口(brain-computerinterface,BCI)选择合适的数据预处理、特征提取和模式识别算法,提高系统的识别率.方法分别使用不同的空间滤波算法、特征提取方法和模式识别算法,对同一组BCI数据进行处理,并对结果加以比较分析.结果使用空间滤波器small-laplacian提高信噪比,AR谱估计提取C3和C4导联特定波段能量作为特征,Bayesian判决进行分类,可以取得较好的识别率.结论高信噪比以及合适的特征是提高识别率的关键因素.     

数字化磁共振谱仪的设计

谱仪是磁共振成像系统（MRI）中的核心部件。介绍了一种新型的数字化谱仪的设计方法，它使用PXI平台下的通用数据采集板卡和高分辨率定时器，通过编写软件实现谱仪的功能。详细讨论了该软件的结构和设计细节，并介绍了实验结果。     

基于LBP的改进Random Walks算法在颅脑磁共振影像分割中的应用

目的 由于颅脑结构复杂且颅脑磁共振影像易受噪声、磁场不均匀性、部分容积效应等因素的影响,精确的脑组织分割方法仍需深入研究.方法 本文提出一种基于Random Walks的改进算法以提高脑白质、脑灰质及脑脊液分割的准确性.通过引入局部二值模式(local binary patterns,LBP)改进了传统Random Walks权重函数的构造,在反映相邻像素灰度变化信息的同时包含了局部图像的纹理信息,有利于合并同质区域并增强边缘轮廓的识别.本文还使用了灰度先验概率模型减少Random Walks种子点交互的次数.结果 实验结果表明基于LBP的改进算法在多种不同水平的噪声及不均匀场作用下,能够有效识别磁共振影像中脑组织区域的边缘轮廓,并对噪声有良好的鲁棒性.结论 基于LBP的改进Random Walks算法可精确分割颅脑磁共振影像.     

基于PC机的医学图像三维表面重建

目的：利用CT，MR等获得的图像，重构出器官、骨骼或组织的三维形体，帮助医生诊断、治疗或制订手术方案。方法：Shear-Warp算法通过将三维数据场的投影分解为错切变换（shear)和变形变换（warp)两步来实现三维重建，显著减少了计算量，先对体数据进行错切变换，然后在错切空间根据阈值法获取三维表面，根据光照模型得到三维表面的亮度，最后通过变形变换得到最终的结果图像，结果：提出了一种基于Shear-Warp投影原理快速显示三维表面的直接重建算法。结论：与其他表面重建算法比较，这种算法不需要预处理，重建过程中不必生成中间数据，在无硬件加速的条件下，能在普通微机上实现医学图像的快速三维表面重建。     

虚拟内窥镜系统中的自动导航

目的 研究基于PC机的虚拟内窥系统中的自动导航方法。方法 首先设计了一种基于位编码和坐标变换的快速3D细化算法来提高提取器官骨架的运算速度；然后采用2次跟踪技术裁剪骨架分支得到所需的导航路径；最后提出一种3遍3次Bezier平滑导航路径算法和Bezier插值算法，使导航路径至少能达到C1连续且较为平坦，并以平滑的导航路径上的点控制虚拟摄像机位置，以对应点处的切线(一阶导数)控制虚拟摄像机方向。结果 对经过分割后获得的人体气管体数据进行自动导航实验，结果表明，在自动导航中虚拟摄像机能保持远离气管内壁，而且相邻帧之间过渡比较平滑，能产生效果很好的自动导航动画。结论 方法实现简单。基本上能满足虚拟内窥镜系统临床应用的要求．     

基于小波变换和盲源分离算法提取事件相关电位

阐述了用小波分解和盲源分离(blind source separation,BSS)算法结合来去除噪声和干扰提取事件相关电位(event-related potential,ERP).采用小波变换分解ERP,抽取出不同频带的细节信息;由小波系数判断选择多个尺度的子带信号,将它们分别与原始ERP组合进行盲分离,方法是极大化信号时间上的可预测性;将分离的结果进一步叠加平均.两类ERP仿真实验结果表明,本文算法提取出的ERP主要成分波明显,易于辨识,信噪比比较单独运用盲分离算法提取出的结果要好.在应用实例中,有效地增强了ERP的μ波.该算法优点在于减少了刺激次数和波形失真,参数变化范围小,在临床上有很好的应用前景.     

基于谱分析的阻塞型睡眠呼吸暂停研究

目的本文研究发生阻塞型睡眠呼吸暂停时患者的心率功率谱及血压功率谱结构与正常睡眠的差异.方法采用AR模型估计心率及血压的功率谱,并提取低频分量与高频分量的比值(LF/HF)作为特征参数,考察发生阻塞型睡眠呼吸暂停时功率谱结构的变化.结果发生阻塞型睡眠呼吸暂停时LF/HF是正常睡眠时的2～5倍,表明患者在此时的交感神经活动增强,迷走神经活动减弱.     

基于高阶谱的肌纤维传导速度谱坑法检测

针对目前采用的谱坑法抗噪声性能差的问题,提出了基于高阶谱重构功率谱的谱坑法,检测肌纤维传导速度(MFCV),并对这种方法的抗噪性能进行了研究.同时,提出一种基于小波多尺度分析的适于噪声环境下谱坑自动检测的多尺度-二阶差分法,完成对肌纤维传导速度的检测.仿真实验结果表明,本文的方法与经典周期图估计功率谱谱坑法相比,可以显著改善估计功率谱的信噪比,提高谱坑法的抗噪能力和MFCV检测的精度.对真实针电极肌电信号的实验结果也表明,利用这种检测方法得到的MFCV数值与通常给出的MFCV范围相符.     

基于LVQ和脑电信号的左/右手动识别

基于脑电信号的脑-计算机接口(brain- computer interface,BCI)需要对脑电信号进行识别或区分.本文针对2003年世界BCI大赛提供的实验数据,利用学习矢量量化(learning vector quantisation,LVQ)算法从脑电信号中识别受试者左手或者右手手指运动,取得了较好的分类效果.     

基于不同特征参数的脑电信号分类

分别以自回归(autoregression,AR)模型系数、相关系数和信息熵作为信号特征对不同思维作业脑电(EEG)信号进行分类,其中相关系数和信息熵均是首次用于思维作业EEG信号的特征提取.实验结果显示,采用信息熵作为EEG信号特征的分类准确率总体上明显高于采用另两种特征参数,且受提取特征的数据分段长度的影响最小,有利于提高基于思维作业实时脑- 机接口的通信准确度和速率.同时,研究结果也进一步证实了高频信息可用于EEG的分类.