基于Fisher准则的单次运动想象脑电信号意图识别研究

为了实现脑机接口系统,对单次运动想象脑电信号的优化特征进行了提取与分类。针对运动想象脑电信号的特点,通过预处理得到脑电信号Mu节律成分,利用共空间模式算法在优化空间滤波下提取了运动想象脑电信号的特征。使用Fisher判别分析进行分类决策,并通过交叉验证与受试者操作曲线相结合的方法对分类性能进行综合评价。以交叉验证方式对应用空间滤波进行投影的特征维度确定问题进行深入讨论,评价结果表明本文方法在保证较高的准确率的同时可提高运行速度。基于优化的脑电特征进行运动想象意图分类,能够反映不同状态的差异并简化识别流程,为意图识别研究提供了一种准确高效的新方法。     

基于动态贝叶斯估计的疲劳驾驶识别研究

疲劳驾驶是导致交通事故的主要原因之一。为了对驾驶员的疲劳状态进行有效识别,通过无线测量设备采集6名长途客车驾驶员的脑电、肌电和呼吸信号,并对其进行分析处理。结合当下时刻的上下文信息(睡眠质量、驾驶条件、生理节律),利用信息融合技术,建立3层隐马尔可夫模型,从而实现对疲劳驾驶的动态估计。从两种不同情况出发,估计驾驶过程中不同时刻驾驶员疲劳的概率。基于贝叶斯模型的预测结果与主观评分结果的一致性达到了0.87,表明所提出的模型能够对驾驶员的疲劳状态进行有效的动态识别。     

基于无线体域网和复合生理信号近似熵的驾驶疲劳研究

为有效合理地评价驾驶员在驾驶过程中的疲劳程度,通过无线体域网(WBAN)采集12名被试者的3种生理信号(脑电信号、肌电信号、呼吸信号),提取并分析这些生理信号的近似熵在驾驶过程中对疲劳程度的反映效果。试验结果表明,脑电、肌电、呼吸3种信号的近似熵均随时间的增加而逐渐下降,约90 min后下降程度变缓,表明进入比较疲劳状态。通过主成分分析可知,前两个主成分的贡献率分别为47.33%和40.26%,二者之和大于85%,其中脑电信号和肌电信号的近似熵所占权重较大。而且统计分析表明,脑电信号和肌电信号的近似熵显著性P＜0.05,表明脑电信号和肌电信号在表征正常与疲劳两种状态时差异明显。在此基础上,分析信号组合对驾驶疲劳的反映效果,结果表明在脑电肌电信号的近似熵组合时,正常和疲劳状态的概率分布具有明显的界限,可以有效反映驾驶过程中的疲劳状态。通过研究,获得最佳的反映疲劳驾驶的信号组合,可为更加准确地检测和避免疲劳驾驶提供理论依据。     

基于非负CP分解模型的边界规避任务中脑电特征提取方法研究

通过建立"碗-球"模型,执行有视觉引导的边界规避任务,以提高受试者的脑电唤醒度.在与"碗-球"模型交互过程中,采集10名健康被试关于左、右手两类运动任务的脑电数据,通过对脑电的优化特征进行分类,以实现对运动意图的解码.基于边界规避任务诱发的脑电信号进行8～13 Hz带通滤波,获得特定频带的数据,通过连续小波变换获取脑电...     

非典型病原菌致成人社区获得性肺炎患者的临床特点分析

目的 研究非典型病原菌感染在成人住院社区获得性肺炎中的重要地位,并对其临床特点进行分析.方法 收集2005年5月至2008年5月来自国内多中心的153例成人社区获得性肺炎住院患者急性期及恢复期双份血清和急性期痰标本,采用间接免疫荧光法检测肺炎衣原体IgG抗体及嗜肺军团菌IgG、IgA及IgM混合抗体滴度,采用被动凝集法检测肺炎支原体IgG、IgA及IgM混合抗体滴度,同时对153份急性期痰标本进行普通细菌培养.用回顾性分析方法了解非典型病原菌在成人社区获得性肺炎住院患者中的地位.结果 153例血清学检测结果中符合非典型病原菌致社区获得性肺炎诊断标准的52例(34.0%),其中47例为单一非典型病原菌感染,其中肺炎衣原体38例,肺炎支原体4例,嗜肺军团菌5例;5例为2种非典型病原菌混合感染,其中肺炎衣原体+肺炎支原体2例,肺炎衣原体+嗜肺军团菌3例;52例中合并细菌感染者11例.结论 非典型病原菌(肺炎衣原体、肺炎支原体及嗜肺军团菌)为成人住院社区获得性肺炎的重要致病菌,以肺炎衣原体为主,同时不能忽视合并细菌感染情况的存在.     

基于多模态特征组合的真实驾驶疲劳状态识别

对驾驶员在驾驶过程中的疲劳状态进行实时准确的预判,可减少由于驾驶疲劳引发的交通事故。首先,通过无线体域网采集了12名驾驶员在真实驾驶过程中的多模态特征,提取了脑电、肌电、呼吸等3种生理信号的特征参数近似熵,其中基于畸变能密度理论(DED)确定肌电信号的采集位置为颈6棘突旁开2 cm处的上斜方肌;然后,通过模糊C聚类方法分析了3种特征参数组合对疲劳状态的反映效果;最后,建立基于马氏距离理论的真实驾驶疲劳判别模型。研究结果表明,驾驶员颈6部位比颈7部位肌电信号的ApEn值显著下降(P<0.05),表明颈6处肌肉比颈7处肌肉对驾驶员的疲劳状态反映更为敏感,实际检测结果与畸变能密度理论计算结果一致,证明了该位置提取肌电信号的正确性和准确性;脑、肌、呼吸这3种生理信号的ApEn值均随驾驶时间的延长呈递减变化,驾驶约90 min时递减趋势变缓,表明驾驶员进入疲劳状态;通过模糊C聚类分析可知,当脑电与肌电ApEn组合时,清醒与疲劳的概率分布界限清晰,可有效反映驾驶疲劳状态;以脑电和肌电近似熵为自变量,基于马氏距离理论建立真实驾驶过程的疲劳判别模型,其测试集准确率达90.92%,表明该模型能够比...