基于独立分量聚类分析的诱发脑电特征提取技术

发展了一种独立分量聚类分析的诱发脑电特征提取方法,利用诱发成分较强的序间相似性,使用Infomax结合K均值算法对脑电信号中的诱发成分进行分类和提取.该方法可以克服传统独立分量分解方法中诱发分量识别的困难,适用于重复刺激诱发脑电的高维数据自动分析处理.将该方法用于上肢想像动作任务的诱发脑电数据分析,结果显示该方法可以有效剥离背景噪声和提取诱发分量,使得信号的费雪可分性得到显著提升,进而获得更好的识别效果.研究结果表明独立分量自动聚类技术适用于认知行为脑电信号的分析,值得进一步研究.     

基于虚拟现实环境的脑机接口技术研究进展

将脑-机接口(brain-computer interface,BCI)技术与虚拟现实(virtual reality,VR)相结合构成基于虚拟现实的脑-机接口(BCI-VR)新技术是最近在多媒体和娱乐领域出现的一种BCI应用新模式。BCI-VR兼取两者优势互补,同时又相互促进创新,显示出广阔应用前景。本文从BCI-VR系统基本构成、BCI对VR控制和VR对BCI影响等方面,较详细介绍了近年来BCI-VR的主要研究方法、研究进展和成就,并根据作者体会小结了目前存在的难点与未来的可能发展动向,以与读者交流、共同促进BCI-VR新技术的快速发展。     

纳米材料对神经系统电生理特性的影响

随着纳米技术迅速发展及纳米材料(含纳米颗粒和纳米管等)在神经系统疾病的诊断、治疗、康复中的广泛应用,纳米材料对神经系统的生物安全性研究已成为热点.纳米材料本身的特殊性使之能够轻易通过血脑屏障进入神经系统,然而关于纳米材料对中枢神经系统功能影响及其与神经细胞和组织之间相互作用的研究都相对匮乏,特别是对神经元电生理特性影响的报道非常有限,而后者往往是其行使正常功能的基础.因此本文从离子通道、神经元和神经网络电活动等方面分别介绍了一些重要纳米材料对中枢及外周神经系统电生理特性影响的离体与在体动物实验研究结果,初步讨论了其可能作用机制,并展望了今后纳米材料在神经组织与系统中转运及作用机制研究的可能途经,以期为纳米材料在神经系统疾病诊断、治疗和康复研究与应用提供参考.     

热释电红外传感器在生物特征识别领域中的研究进展

步态识别作为生物特征识别技术的一个新兴子领域,旨在根据人的行走姿势实现对个体身份的识别。人行走过程中身体各部分的红外热辐射信号具有某种个体特征,该特征信息能够被热释电红外传感嚣有效检测。通过分析传感器的输出信号,就可以提取出人体运动的特征性数据,实现对不同人、不同运动状态的识别。本文对热释电红外传感器应用于生物特征识别领域的研究进展进行论述,从传感器的探测原理、在步态识别中的应用以及热释电信息的特征提取与分类算法进行总结,并对当前该研究方向上亟待解决的问题作简要的分析。     

水冷式微波偶极子辐射器在生物介质中的SAR分布计算

本文从电磁场理论模型出发，分析地腔内水冷式微波偶极子辐射器在生物介质中的近场辐射特性，计算得到有水冷时的比吸收率（ＳＡＲ）分布形态。与无水冷时的ＳＡＲ分布比较表明，水冷可改善热区分布，增加治疗深度。该结果与工程经验和临床实际基本相符。     

独立分量分析方法在脑电信号预处理中的应用研究

眼动伪差和工频干扰是脑电图(electroencephalogram, EEG)中常见噪声,严重影响EEG信号提取和分析.通过比较Infomax、Extended-Infomax、Jade独立分量分析(Independent Component Analysis, ICA)算法用于诱发电位分离眼动伪差与工频干扰的结果,确证Infomax和Jade算法有较好的收敛性.Infomax算法可以分离出眼动慢波,但难以消除工频干扰,Extended InfomaxICA算法和Jade算法可以从16导联视觉诱发电位EEG信号中分离出眼动伪差和工频干扰并将其消除,为进一步提取诱发电位信号建立了基础.ICA在生物医学信号处理中尤其在临床医学工程中潜在着重要应用价值,值得深入研究.     

基于人机信息交互的助行外骨骼机器人技术进展

外骨骼机器人是集人体信息检测、机器人自动控制、神经工程等多学科知识于一身的高科技成果.本文简要介绍了外骨骼机器人研发技术现状和应用市场前景,分别从外骨骼动力驱动和运动测量技术角度剖析了支撑典型外骨骼机器人实现其运动辅助功能的主要技术基础,重点从神经信息交互角度出发,讨论了构建人机信息交互环路中的技术瓶颈,以及如何更为高效准确地获取人体运动意图.最后展望了其未来技术研发方向.     

基于热释电红外信息的人体运动特征提取与识别

运动人体辐射的红外信号中包含步行姿态及体貌特征等信息,热释电红外(PIR)传感器能够探测人体发出的红外线,在有效范围内实现运动人体的检测.对利用表面安装有菲涅耳透镜的PIR传感器探测人体行走时的红外辐射进行了研究,采用主成分分析(PCA)方法对不同对象、不同速度的频谱数据进行特征提取,并使用支持向量机(SVM)方法进行分类识别,最高识别正确率达到85.38％.研究结果表明,利用PIR传感器获取人体运动信息,并将来自不同对象、不同速度的频谱数据用于分类的方法是可行的.该研究可为安全级别较低场所的生物特征识别提供一种新的低成本的解决方案.     

基于支持向量特征筛选方法的想象动作识别

引入了支持向量特征筛选方法,以克服基于想象动作诱发脑电特征的脑-机接口识别中,由于特征维度较高而训练数据有限、不易获得理想识别效果的问题.支持向量特征筛选方法采用扰动支持向量机代价函数的方法测量特征的分类贡献度,进而建立特征序贯指数,以递归方法进行特征排序和优化筛选.对14例受试者的左右上肢想象动作诱发脑电信号进行分析,提取6类246维特征,采用支持向量递归筛选方法进行特征优选,利用支持向量机对优选特征进行识别,结果显示,支持向量递归筛选得到的优选特征可显著提高识别正确率.研究表明,支持向量特征筛选可以降低无效特征干扰,提高分类器效率,适用于特征维度较高的脑-机接口任务识别.     

P300 Speller中基于AdaBoost SVM的导联筛选研究

P300 Speller是目前少数可以用于临床残疾人功能补偿的脑-机接口系统,P300 Speller的字符识别效率与脑电信号采集的头皮表面电极位置密切相关,过多的电极不但增加了使用者的不适感,且易引入噪声干扰进而影响系统的稳定性。采用并发展了一种基于AdaBoost SVM(adaptive boosting support vector machine)的特征筛选方法,对脑电导联进行优化筛选,通过对6位受试者的实验数据处理及分析,结果表明该方法可以在不显著影响识别效率的基础上降低导联数量76%以上。另外,相较于经典的SVM-RFE特征筛选方法,该方法极大降低了计算复杂度,更适用于训练数据庞大的脑电特征优化问题。