人在回路的在线手写数学公式识别方法

在线手写数学公式识别面临书写字符的不确定性、数学公式结构的复杂性,以及公式书写风格因人而异等问题,特别是在公式书写中出现偶然性错误和包含复杂结构的情况下,现有的仅依赖机器的识别算法的识别准确率较低.为了解决这一问题,提出了人在回路的手写公式识别方法,该方法主要在结构分析阶段引入了人的参与,借助人对结构中歧义笔画的修改和结构补笔操作,完善和界定结构笔画和结构内笔画信息.为了评估该方法的有效性,将其与不含用户参与信息的一个基线识别方法在结构识别率和表达式识别率方面进行了对比分析.结果表明,该方法能够有效地促进用户参与到手写识别过程,同时,针对实验收集的手写数学公式数据,引入用户参与的方法能够有效地提高手写数学公式的结构和表达式识别率,分别提高了9.26％和13.99％.     

脑机接口辅助的动态目标选择技术

动态目标选择是现代交互界面中最为基础的交互任务之一,目前存在多种辅助技术,但这些技术的决策和参数设定有很强的经验性,无法根据用户的当前状态进行调整.为了解决这个问题,基于两个认知负荷与难度感知的假设,提出一种脑机接口辅助的动态目标选择技术,利用近红外光谱信号对用户认知负荷感知的敏感性,实时地调整目标选择技术参数,给不同用户个体提供个性化辅助,适用于不同场景、用户状态和任务难度.通过一组实验,对提出的假设进行了验证,并且基于该假设构建的脑机接口辅助的动态目标选择技术,较不作任何辅助和固定辅助技术两种方案都更优,具体地,在选择错误率上分别降低20.55%和12.09%,在完成时间上分别降低998.35ms和208.67ms.     

多模态特征分析的帕金森病辅助诊断方法

帕金森病是一种常见的神经退行性疾病,会逐步破坏患者运动功能和部分认知功能,且发病隐匿、不可治愈,为患者及家人带来沉重负担.然而,帕金森病的临床诊断通常依赖主观评估量表,会同时受到评估者主观性、被评估者回忆偏差的影响.目前,有大量研究从各个模态探索了帕金森病的生理特征,并借此提供了客观量化辅助诊断方法.但是,神经退行性疾病种类繁多、影响类似,从帕金森病表征出发的单模态方法特异性问题仍有待解决.为此,搭建一套包含帕金森病异常诱发范式的多模态辅助诊断系统.首先,根据正态分布检验结果进行特征的参数检验,构建具有统计学意义的特征集(p<0.05);其次,在临床环境中收集38例带有MDS-UPDRS评分量表的多模态数据;最后,基于步态和眼动模态,分析不同特征组合方式评估帕金森病的显著性;验证虚拟现实场景下高沉浸诱发型任务范式和多模态帕金森病辅助诊断系统的有效性;其中步态与眼动模态综合使用,只需要进行2–4个任务,平均AUC和平均准确率就分别能达到0.97和0.92.