基于Transformer和CNN特征融合的非接触式心率检测算法

心率失调是心血管疾病的常见危险因素，如何及时地对心率失调作出预警，成为了研究的热点。传统的心率检测是接触式的，检测十分不便。远程光电容积脉搏波描记法（Remote photoplethysmography, rPPG）的提出旨在实现无须接触的测量，在许多场景中具有巨大的应用价值。然而，非接触式的测量方法容易受到环境和受试者运动的影响。针对这些问题，本文提出了基于Transformer全局表达和CNN局部特征融合的非接触式心率检测模型（TC-Net）。本文搭建了一个并联的Transformer网络和CNN网络的TC-Net模型。本模型包括两个分支，CNN分支用于提取rPPG信号的局部区域特征，Transformer用于提取rPPG信号的全局表达。由于全局表达特征和局部特征两者特征长度不一，本文提出了特征交互模块，该模块通过卷积层和上下采样模块以对齐两个分支的特征长度。随后，TC-Net通过特征交互模块将局部特征和全局表达进行融合得到最终用于检测的特征向量。最后，在远程心率测量评估中最广泛使用基准之一MAHNOB-HCI数据集上进行对比验证，模型在误差偏差（MAE）、均方根误差（RMSE）...     

基于两阶段运动伪影消除的心率检测算法

针对基于成像式光电容积描记术（IPPG）检测人体生命体征会产生运动伪影的问题，提出一种两阶段运动伪影消除的心率检测算法。所提算法使用基于特征点的人脸跟踪算法S-KLT(Scale invariant feature transformKanade Lucas Tomasi)稳定感兴趣区域（ROI），采用基于自相关的自适应滤波器抑制残余运动伪影。首先，采集视频，使用S-KLT追踪人脸ROI内的特征点，提取ROI内原始的IPPG脉搏波信号；其次，利用所提基于自相关的自适应信号滤波器对原始的IPPG信号进行噪声抑制，根据峰值检测算法计算心率（HR）值。实验结果表明，与腕式电子血压计实际测得的HR值相比，所提算法的均方根误差（RMSE）、平均错误率（EER）分别为2.98%、2.90%，符合美国医疗器械促进协会（AAMI）的标准，可以有效抑制运动伪影对HR值准确度的影响，为远程医疗和日常的健康检测提供了新的解决方法。     

基于单片机的电子催眠器的设计

本文介绍了在当前发展过程中，应用电子催眠器的意义、设计方法，以期在人们难以入眠的情况下，通过对电子催眠器的使用，在无任何副作用的情况下，能够达到放松身心，顺利入眠的效果。     

基于心率的新陈代谢率预测模型研究

为验证ISO 8996:2004标准中心率预测代谢率模型的准确性，通过间接测热法测量了89名20～30岁的办公人员在平躺、静坐及2、3、4、5、6 km/h走步活动下的代谢率和心率。采用逐步回归的方法，基于储备心率建立了代谢率预测方程，并通过代谢率预测值和实测值对比了2种预测方法的优劣。结果表明，ISO 8996:2004模型在预测代谢率时误差较大(21%),不适用于中国人代谢率的预测；基于储备心率的预测方程精度较高，比ISO 8996:2004模型的准确性整体上提高了11%,单个活动预测准确性提高了2%～26%。     

基于生理信号和多元统计的白芽奇兰茶口感评价

目的:调查年轻人对白芽奇兰茶的口感偏好，针对性地对茶饮料进行设计。方法:设计以脑电波(Electroencephalogram, EEG)、皮电活动(Electrodermal activity, EDA)、心率变异性(Heart rate variability, HRV)多元统计分析和感官评价相结合的方法，让24名受试者(其中男女各12人)对7个批次的不同克数和冲泡时长的白芽奇兰茶进行口感偏好评价。结果:EEG的功率谱密度、HRV和EDA的均值能够对受试者的口感偏好进行较准确的预测，均值和喜欢程度呈负相关关系。双因素方差分析表明，HRV和EDA不受被试者男女性别差异和被试茶样本的影响。结论:大部分受试者最喜欢10 g白芽奇兰冲泡10 s的口感。     

基于BiLSTM-Attention的房颤的检测模型

心房颤动（Atrial Fibrillation,AF）是一种常见的心律失常疾病，会严重影响患者的日常生活，甚至引发包括中风、血栓堵塞等的并发症。因此，对房颤早期准确的诊疗非常重要。但是，算法对大规模的心率数据运行效率较低，因此房颤的诊断仍面临一定的挑战。针对上述挑战，文章提出了一种新型的基于深度学习的房颤检测架构BiLSTM-Attention。该架构包含双向长短期记忆网络（Bi-directional Long Short-Term Memory,BiLSTM）和Attention机制。在BiLSTM-Attention中，BiLSTM用于访问心率序列中的前项和后项数据，Attention机制用于给数据特征分配不同的权重，最终通过顶部全连接层分类房颤。在MIT-BIHAF数据库上对该架构进行了交叉验证，取得了98.54%的准确率。实验结果表明，BiLSTM-Attention架构在测试数据集上表现良好，为进一步探索智慧医疗迈出了坚实的一步。     

下丘脑背内侧核对焦虑的调控机制研究

下丘脑背内侧核(Dorsomedial Hypothalamic Nucleus，DMH)是自主神经系统的重要组成部分，同时与调控焦虑情绪的边缘系统存在广泛联系。然而，DMH 调控焦虑等负性情绪的细胞机制目前尚不明确。该文应用光遗传技术特异性调控小鼠的谷氨酸能神经元和 γ-氨基丁酸能神经元发现，兴奋 DMH 的谷氨酸能和 γ-氨基丁酸能神经元均能显著诱发焦虑样行为和心率上升，抑制两种神经元均能抑制焦虑样行为并降低心率。该研究证实了 DMH 特定类型的神经细胞对焦虑的双向调控作用，并有望为神经精神疾病的临床干预提供新的调控靶点。     

智能药物储藏箱的设计与应用

智能药物存储箱的设计顺应社会老龄化趋势,以弱势群体保护和特殊药物储藏作为研究对象,对目标监测、闹钟提醒、药物储藏等需求的智能化进行了深入研究。针对特殊群体生理能力退化和特殊药物储藏的需求为目标,设计了一款智能药物储藏箱。使用者通过人机交互页面可以稳定调动整个智能药物储藏箱的资源,包括按时服药提醒、储药箱开启检测、温度控制、紧急报警等功能,设计中采用了红外检测和多级信号运放结合的方式,能够在5 s内准确测出使用者的心率。智能药物储藏箱所设定功能均可以稳定运行,使用成功率接近百分之百,多次试验结果表明,该设计可以为病患等特殊群体解决按时用药等问题同时方便家属观察病患信息,能够有效方便病患的日常生活。     

基于3D残差注意力网络的非接触式心率测量方法

心率是衡量人体生理状况的重要指标之一，针对传统的信号处理方法容易受到光照变化和运动影响的问题，提出了一种基于3D残差注意力网络的非接触式心率测量方法，该方法对时空网络进行改进，在时空卷积块中嵌入3D卷积注意力模块(3D-CBAM),加强神经网络对视频的通道和空间特征提取，使得模型更加关注生理信号分布强烈的区域，并引入残差结构，在不改变网络深度的同时来提高网络性能。实验结果表明，所提出的方法能实现更加准确的测量，在PURE数据集上的平均绝对误差(MAE)为0.52 bpm,均方根误差(RMSE)为2.42 bpm;在UBFC-rPPG数据集上的MAE为1.17 bpm, RMSE为3.68 bpm,且恢复的远程光电容积脉搏波(remote photoplethysmograph, rPPG)信号与标准生理信号的峰值点位置基本接近。     

基于单片机的健康监测控制系统设计

居民健康需求日趋升级使得家用医疗设备需求激增，健康监测控制系统对及时掌握健康状况大有裨益。分析现有家用医疗健康监测设备基础上，结合物联网技术设计了健康监测控制系统。该系统基于STM32F103微控制器，以XGZP6847压电式气压传感器及ESP8266模块为核心，通过驱动放气阀及加压气泵实现对心率、舒张压及收缩压数据采集。将最终检测所得数据送入ESP8266模块后上传至物联网平台，实现数据远程共享。设计实现了对心率、血压数据的采集和实时显示，血压及心率监测识别灵敏、功耗低，具有一定实用价值。