跨模态脑图谱数据融合研究进展

脑图谱是研究脑结构和功能及脑疾病的基础,不同类型的脑图谱从不同角度提供了脑的组织模式或连接信息。随着图像采集和生物检测技术的发展,不同模态的脑影像和生物组学数据迅速增长。相较于单模态,多模态融合数据能够同时考察不同模态数据间的多元化信息,挖掘蕴含的未知新信息。因此,开展跨模态脑图谱数据融合研究有助于更全面地理解大脑的结构和功能,并辅助加深对脑发育、老化和病变机理的理解。本文根据参与融合的模态是否具有空间信息,将近年来有代表性的跨模态脑图谱融合技术分为脑影像融合和脑数据融合两大类。脑影像融合是指对宏观脑影像(磁共振等)和组织学脑影像(胞体染色、轴突染色等)等具有空间信息的数据进行融合,构建涵盖脑结构和功能信息的跨模态多尺度脑图谱,为研究宏观特征的介观机制以及介观特征的宏观表征提供了重要途径。脑数据融合是指对缺乏脑空间信息的生物大数据,包括基因组、电生理、认知和行为等,利用脑图谱提供精细空间信息,挖掘高维、异构生物大数据蕴含的信息,明确脑图谱的生理意义,并提升其应用价值。本文将针对这两类融合类型阐述国内外有代表性的研究进展,并对比国内外研究现状的差异。此外,为促进跨模态脑图谱数据融合领域的交流和发展,总结了部分有代表性的大样本公开数据集。最后讨论了当前该领域待解决的问题以及未来的发展趋势。     

柔性体力触觉形变模型研究

针对虚拟现实力触觉交互中柔性体受力与形变的复杂关系,提出一种基于球面调和函数(SphericalHarmonic,SPHARM))的柔性体力触觉仿真模型。利用SPHARM的正交归一、旋转不变、多尺度等特性完成柔性体几何模型的准确表达;将柔性体在不同作用力下的形变模型映射到共同的参照系统中,在共同的参照系统中,利用主成分分析方法(Principal Components Analysis,PCA)完成柔性体在不同作用力下的形变比较,根据简化后的波动方程计算物体形变后的反馈力。实验结果表明,该方法可以准确表达柔性体的形变过程,适用于柔性体力触觉实时交互研究。     

基于肌音信号的仿生手信号采集系统设计

假肢研究的重点是生理信号的提取和对仿生假手的控制。将肌音信号作为假肢控制的生理信号源,现以放大电路和滤波电路为核心,实现了能采集肌音信号的电路系统设计。通过采集软件,将数据导入Matlab进行特征分析,讨论并验证了电路的全部功能,运用该电路采集到了符合要求的肌音信号。该设计是一种实用的肌音信号前端采集电路。     

基于球面调和函数的柔性体力触觉建模研究

为了提高虚拟柔性体力触觉交互中物体形变与力的准确描述及计算效率,提出一种基于球面调和函数表达的柔性体力触觉建模方法。利用球面调和函数的多尺度性进行物体碰撞检测实现,在变形体的密度、杨氏模量、泊松比等参数已知的情况下,根据在力作用下的物体形变使用简化后的波动方程计算变形量和反馈力生成。实验结果表明,采用该方法可以准确描述柔性体的形变过程,其所需的计算成本在可接受的范围之内,可被应用到各种力交互辅助的医学应用中。     

虚拟柔性体实时形变仿真模型研究

为了在虚拟现实柔性体力触觉交互研究中得到稳定、连续、真实的力触感,提出一种基于球面调和函数表达的虚拟柔性体实时形变仿真模型,利用球面调和函数的正交归一、旋转不变、多尺度等特性实现物体的快速准确表达.在变形体的密度、杨氏模量、泊松比等参数已知的情况下,基于径向基函数神经网络模型预测柔性体受力形变后的SH模型.仿真结果表明,该方法不仅可以准确表达柔性体的实时形变,而且使得基于SH表达的柔性体形变的视觉刷新描述与柔性体反馈力的触觉刷新描述同步,从而满足虚拟手术仿真训练等虚拟柔性体力触觉交互研究要求.