多传感节点生理信息检测系统设计

本设计主要对人体体温、心率和血氧值进行提取分析,对系统组成中的电源模块、光源驱动模块和光电接收模块、红外温度模块、心电信号提取模块和无线传输模块进行了硬件设计.采用过采样技术对心电信号进行提取,提高了信号的稳定性和连续性.实验结果表明,该设计电路结构简单,稳定性好,测量精度高,功耗低,能够满足日常监测要求.     

基于过采样的多种生物信息同步数据采集电路

提出一种新型的生物电放大器,巧妙地利用成形信号,不仅提高了过采样性能,还实现了多种生物医学信息的检测;文章以心电信号为例,同步检测了呼吸和导联脱落信号。实验表明该电路不仅能够满足人体生物医学信号动态监测的要求,还具有工艺性好、免调试、对器件性能要求低等一系列优点。该电路不仅可以用于生物电信号的检测,也可用于各种微弱信号的检测。     

新型经颅磁刺激三层-8字形线圈的结构设计

基于磁场的叠加与抵消,设计与优化具有特殊结构和电流方向的三层-8字形线圈. 利用COMSOL仿真软件,分析三层-8字形线圈尺寸和沿切线旋转角度的改变对刺激性能的影响,优化线圈结构. 与8字形线圈相比,优化后的三层-8字形线圈的刺激强度提高33.92%,聚焦性提高25.43%. 结果表明,在目标靶点处,优化后三层-8字形线圈具有更强的刺激强度和聚焦性,有效减弱对非目标区域的不良影响,保证TMS治疗的安全性. 通过刺激真实头部模型,验证优化后三层-8字形线圈的性能优势.     

用于脑组织分割的多尺度注意网络

基于脑组织分割的精确头模型有助于提升经颅磁刺激的治疗效果,但由于人脑的复杂性,很难实现精确的脑组织分割。为此,本文提出了基于迁移学习的多尺度注意网络,该网络可以学习多模态数据之间的互补信息,采用迁移学习方法解决小样本数据引起的过拟合问题,利用膨胀卷积提取多尺度特征,加入注意力机制提高脑组织分割的准确性。通过MRBrainS挑战赛验证了网络的有效性,在多项指标中取得了最好成绩。多尺度注意网络可以为个性化头模型的建立提供一个较好的分割结果,进而优化经颅磁刺激的治疗效果。     

基于卷积神经网络的多类运动想象脑电信号识别

针对传统多类运动想象（MI）脑电信号的识别方法须进行繁琐的预处理以及特征提取问题,提出基于深度学习的MI信号自动分类方法.在样本表示方面,提出将多通道脑电（EEG）信号转化为一维序列信号处理,在增加样本数量的同时又能够忽略与通道位置相关的空间信息的影响;根据输入信号的特点,采用多层一维卷积神经网络学习不同运动想象状态时脑电信号中的时频信息,自动完成特征提取和分类工作. 将所提出的方法在公共数据集上与多种方法进行比较,并完成对实际采集数据集的分类. 利用所提方法在不需要先验知识的条件下,对脑电信号进行端到端的学习. 结果表明该方法可以获得更高的多分类准确率以及降低个体差异对分类的影响. 所提出的方法有利于促进基于MI 的脑机接口系统的开发.     

提高表面Laplacian电势精度的25点点阵法

通过提高表面Laplacian电势精度对人体体表生物电信号进行精确源定位,本文从理论上推导了25点点阵法计算表面Laplacian电势的公式,其中截断误差不受六阶导数的影响,这种方法已达到表面Laplacian电势的6阶估计．同时经过模拟实验的对比验证,当测量位置不同时,25点点阵法比传统的九点法测量结果提高了18．08％～27．30％．故理论分析和实验验证都表明,25点点阵法的精度比现有文献报道的方法均有显著提高．该方法可为脑认知、胃肠电与子宫肌电等研究和临床应用提供有力的手段．     

多尺度残差网络模型的开放式电阻抗成像算法

针对开放式电阻抗成像（OEIT）的图像重建算法存在的成像精度低、对噪声敏感、重建图像伪影面积较大等问题,提出基于多尺度残差网络模型的OEIT算法.该算法利用不同尺寸卷积核的残差块提取边界电压的多尺度特征;在完成特征拼接后,利用卷积实现深层信息融合,得到预测的电导率分布结果.使用有限元法搭建OEIT正问题模型,构造“边界电压-电导率分布”数据集,将所提算法与其他算法在该数据集和实际模型实验中进行比较.结果表明,所提算法使OEIT的重建精度、抗噪能力和定位目标准确性显著提高,并使检测目标的伪影面积缩小.     

任意空间位置下改进的互感系数计算方法

在无线能量传输系统中,两个线圈之间的互感系数是影响传输效率的关键性因素之一.当两个线圈之间的相对空间位置变化时,对不同空间位置下两个线圈之间互感系数的计算就显得尤为重要.针对多层平面螺旋圆线圈,基于聂以曼公式提出了一种改进的互感系数的理论计算方法.计算出两个线圈之间出现轴心偏移、横向偏移以及角度偏移情况下的互感系数,并与有限元仿真和实验测量结果进行对比,验证了所提出理论计算方法的正确性.该计算方法可以计算任意空间位置下多层平面螺旋线圈之间的互感系数,而且适用于螺线管线圈和单层平面螺旋线圈,为线圈的设计和优化提供了理论依据.     

卷积神经网络混合模型的心律失常分类算法

心律失常表现为不规则的心跳,心律失常类型的判断是心血管疾病早期预防和诊断的关键.为提高心律失常分类的准确率和速度,实现心律失常类型的自动识别,研究并提出了一种以卷积神经网络(convolutional neural network,CNN)为核心的7层混合模型结构.为保持心拍的完整性,根据R-R间期对心电信号进行动态分...