基于DICOM的医学影像设备接口设计与实现

医学影像存档与通讯系统(Picture Archiving and Communication Systems,PACS)是目前医院信息化建设的热点,医学数字成像和通信标准(Digital Imaging and Communication in Medicine,DICOM)是有关医学图像及其相关信息的数据编码及通讯的国际标准,支持DICOM标准是医学影像设备并入PACS网络的必要条件。为使目前尚不符合DICOM标准的影像设备有效并入PACS系统,必须为其添加DICOM接口。我们介绍了DICOM信息模型并实现了接口的软件系统,重点介绍了应用VisualC 编程实现DICOM服务中的C-STORE和DCM文件的读写功能。     

基于脑-机接口技术的虚拟现实康复训练平台

对神经损伤的瘫痪病人进行功能恢复训练时应强调患者的主动参与。开发了一套基于脑-机接口技术的虚拟现实康复训练平台。该平台采用患者在想象运动时的脑电信号作为虚拟人运动的控制信号,从而把想象运动与运动功能恢复训练结合在一起。由于虚拟现实系统的实时性与沉浸感能给受试者提供较好的训练反馈信息,因此,使用本平台有望改善患者的训练效果。详细介绍了快速在线脑-机接口算法以及虚拟现实的实时交互技术,并提供了三名受试者的实测结果。初步实验证明了该平台设计的可行性。     

一种用于脑机接口的模式识别方法

基于脑电的脑机接口(BCI)是在人脑和计算机或其他电子设备之间建立的全新对外信息交流和控制技术,是一种不依赖于常规大脑信息输出通路(外围神经和肌肉组织)的脑机通讯系统.及时有效地提取和识别与运动想象有关的脑电模式可以帮助运动功能受损的病人建立一种与外界沟通的新途径.论文基于传统的特征提取方法--时频特征组合法,经过滑动窗优化,获取最佳时间段的时域均值和最佳频率段的频域功率谱均值,以此作为特征向量.基于该特征向量,用径向基概率神经网络对脑电信号进行分类.实验结果表明,该方法能够有效地提高脑电识别率,具有应用价值.     

基于通用中间件接口服务器的远程医疗信息系统

在远程医疗信息系统共享平台的设计中,提出一种构建通用中间件接口服务器实现多家医院信息系统HIS与PACS的无缝连接方案。着重介绍了DICOM中间件、HL7消息中间件、生态识别和PKI技术在系统集成中的应用。     

基于小波分解和支持向量机的P300识别算法

针对支持向量机方法在P300识别中训练和识别速度相对较慢的不足,本研究提出了一种将小波分解与支持向量机相结合的P300识别方法。该方法通过小波分解实现脑电信号的特征提取,同时利用Span估计方法实现支持向量机最优参数的快速选择;然后借助支持向量机良好的分类性能实现P300的识别。本研究在BCICompetition 2003的P300实验数据集上对该方法进行了验证,结果表明,与传统支持向量机算法相比,本算法具有更高的训练和识别速度,并且在5次重复实验时达到了100%的识别准确率。     

基于想象左右手运动脑机接口实验研究及分析

探索一种实用的基于想象运动思维脑电的脑．机接口（Brain．computerinterface，BCI）方式，通过寻找合适的信号处理方法，来提取最能反映不同思维的脑电特征，以提BCI系统通讯识别正确率，为最终实现BCI应用奠定理论和实验基础。对6名健康受试者进行3种不同时段（箭头出现2s、1s和0s后提示按键）情况下想象左右手运动思维作业的信号采集实验，利用小波分析、前向反馈神经网络（BP神经网络）对离线实验数据进行处理和分析。对所有受试者三种情况下的延缓时间△t2、△t1和At0分析发现：At0与△t1和△t2之间都有显著性差异（P〈0．05），而△t1与△t2之间没有显著性差异（P〉0．05）；三种情况下，平均分类正确率分别达到65．00％、86．67％和72．00％，实际按键前0．5～1s左右，想象左右手运动的思维脑电特征信号都发生明显改变，且这些特征存在明显不同。在箭头出现1s左右后提示随机按键情况下，可以获得更高的识别正确率，说明该方案提取的特征作为BCI系统外部装置控制信号是可行的，通过合理的实验设计获取的信号有助于识别正确率的提高，为BCI系统中思维任务的特征提取与识别分类提供新思路和方法。     

基于CSSD-DE通道选择算法的ECoG分类研究

在脑机接口(BCI)的研究中,通道在提取脑电信息的过程中起着十分关键的作用。本研究提出基于共空域子空间分解-微分进化算法(CSSD-DE)的脑机接口通道选择方法,并且使用逻辑线性分类器进行分类。在对皮层脑电信号(ECoG)进行通道选择的过程中取得了使用少数通道就可以达到令人满意的分类效果。当最优通道个数为6,识别正确率达到93%,优于2005年脑机接口竞赛III数据集I的第一名的正确率(91%)。并提出将最大相关最小冗余度(mRMR)和支持向量机回归特征消去(SVM-RFE)算法应用于通道选择进行对比,mRMR算法得出最优通道个数为7,识别正确率为87%,SVM-RFE算法得出的最优通道个数为6,识别正确率为81%。     

脑机接口控制的下肢功能性电刺激系统研究

研发基于脑机接口控制的功能性电刺激系统,服务于下肢的运动康复。脑机接口采用的是基于稳态视觉诱发电位的脑电信号技术。使用线性判别分析分类器来处理脑电信号的频域特征,实现对下肢5种运动状态的控制意图识别,即开始、快速、慢速、停止和空闲状态。识别的意图转化为指令触发电刺激系统,刺激下肢的相关肌肉产生运动,并测量关节角度。设计的系统在6位正常受试者上进行了单纯的脑机接口实验,其中2位分别进行了脑机接口控制的小腿摆动与下肢行走的电刺激实验。在小腿摆动实验中刺激的是股直肌,行走运动实验中刺激的是两条腿的髂腰肌、臀大肌、股直肌和腘绳肌。实验分析了电刺激尾迹对脑电信号的影响,结果表明设计的脑机接口可以准确地识别运动意图(平均识别率高于85%),并能够实现电刺激作用下与该意图相对应的下肢期望运动。     

用于控制短消息发送的实时脑机接口系统

目的：设计一种基于视觉诱发电位的实时脑机接口,用于控制短消息发送。方法：实时脑机接口系统由视觉刺激器、脑电采集电路、FPGA开发板、通讯模块组成。脑机接口界面包括短消息发送的目标选项和内容选项界面,受试者每次实验注视刺激界面中的一个模块,通过检测视觉诱发脑电来确定受试者做出的选择。利用基于FPGA的VGA视觉刺激器为受试者提供视觉刺激,采集脑电信号并在FPGA平台上对其进行在线的实时分析处理。选用小波分解提取视觉诱发电位特征向量,输入BP神经网络进行模式识别,产生脑机接口控制信号,其中,小波分解和BP神经网络两部分由NIOS II实现。脑机接口控制命令用于控制TC35无线模块发送短消息。结果：通过对五名受试者做实验,识别准确率最高可以达到100%,脑机接口系统能有效控制短消息的发送。采用小波滤波、BP神经网络识别的算法优于时域波形匹配识别法。结论：实验表明本文提出的实现脑机接口短消息发送系统的方法具有可行性。     

基于F-score特征选择和支持向量机的P300识别算法

如何从脑电信号中快速准确地识别出P300成分是脑-机接口研究中的一个热点问题.针对P300的识别问题,我们提出了一种将F-score特征选择与支持向量机相结合的判别方法,该方法采用F-score特征选择减少输入特征的维数,以克服支持向量机算法判别速度慢的缺点;然后借助支持向量机算法良好的分类性能实现P300的识别.本文在BCI Competition 2003的P300实验数据集上对该方法进行了验证,结果表明,在5次重复实验中该方法的识别准确率达到了100%,且判别速度与未经特征选择的传统支持向量机算法相比提高了近2倍.