局灶性脑缺血损伤无创检测中EEG近似熵研究

局灶性脑缺血的早期无创诊断在临床实际中有着非常重要的意义。采用SD（Sparague-Dawley)大鼠建立了局灶性脑缺血的动物实验模型,记录了缺血前后缺血区域和正常区域的脑电信号EEG。由于近似熵复杂度算法所需时间序列长度较短,大大减少了脑电信号非平稳所带来的困难,且无需粗粒化,采用近似熵对局灶性缺血动物实验模型的脑电信号的复杂度进行了分析。结果发现缺血前后缺血与非缺血区域的近似熵均有着易于区分的特征,因此EEG信号的近似熵分析可以用于对局灶性缺血的脑损伤程度进行诊断,并区分损伤区域和非损伤区域,有望在临床中加以应用。     

基于优化核参数支持向量机的意识任务分类

根据支持向量机的基本原理,给出一种推广误差上界估计判据,并利用该判据进行最优核参数的自动选取。对三种不同意识任务的脑电信号进行多变量自回归模型参数估计,作为意识任务的特征向量,利用支持向量机进行训练和分类测试。分类结果表明,优化核参数的支持向量机分类器取得了最佳的分类效果,分类正确率明显高于径向基函数神经网络。     

基于时频分析检测EEG中癫痫样棘/尖波的方法

提出了一种基于Ｃｈｏｉ－Ｗｉｌｌｉａｍｓ分布检测ＥＥＧ中癫痫样棘波／尖波的方法。该方法通过计算ＥＥＧ信号的时频分布,得到一段信号在各个时刻上沿频率方向上的能量分布。这种能量分布相当于一种瞬时频谱,反映了ＥＥＧ信号在局部时间范围里的波形特征。以一段ＥＥＧ信号在各个时刻的瞬时频谱的平均作为这段脑电的背景信号频谱,通过计算每一时刻的瞬时频谱与背景信号频谱之间的频谱差,检测这段信号中的棘波／尖波。对临床Ｅ     

组织的前向散射、后向漫射

人体组织的光学性质是光医学和组织光学领域中的最基本的研究课题之一。当激光与生物肌体相互作用后所产生的各种生物效应,这些即取决于所施加的激光参量,又决定于被作用组织的结构、物理和生物特性。从激光诊断或治疗的角度考虑,由于光或激光只有透过组织,才能到达组织的深部和内部器官。所以,首要解决的问题是组织对光的通透性及其机理的研究。光通过组织时,光强和光的偏振状态会发生变化。令He－Ne激光照射组织,分别在组织的透射方和反射方探测光强．当光垂直（θ＝0°）或以角度θ入射到具有一定厚度的组织时,探测器以α的角度测量前后向的光强分布．根据实验数据分别绘制了前向散射和后向漫射光强的极坐标曲线．当θ－0°、探测器的角度为α＝0°时光的强度最大（前向散射）．旋转探测器的角度（改变α）探测到的光强其图形为一个圆。当入射光的角度θ由0°变到60°时,光的强度降低了31．65％．此时旋转探测器（改变α）探测到的光强分布图形变为椭圆,并且和原点相切,和θ＝0°的图形相比,此时图形的半宽度增加。当入射光的角度θ固定为0°、探测器角度α变化接近180°时光的后向漫射强度最大,其图形为一个圆。比较前向散射和后向漫射的光强分布图可看出光强分布基本上对称。如将两幅     

应用生长、分级的SOM模型进行意识任务分类

提出一种使用生长、分级的自组织映射（growing hierarchical self-organizing map,GHSOM）模型进行基于EEG信号的意识任务分类来实现脑机接口技术的方法。GHSOM模型是自组织映射（self-organizing map,SOM）的一种变体,由多层的SOM组成,具有一定的分级结构,能够表达数据中不同层次的信息。同时研究了使用平均量化误差（mean quantization error,mqe）和量化误差（quantization error,qe）两种方法实现的GHSOM模型对意识任务分类的作用。结果表明,GHSOM模型对于意识任务的可分性能够提供可视化的信息,并且发现使用量化误差方法实现的GHSOM模型提供较多的数据信息和较高的分类精度。使用GHSOM模型进行了5类意识任务的分类,平均分类精度可达80％。     

应用非负矩阵分解方法提取注意力相关脑电特征

介绍了非负矩阵分解算法(NMF)的基本原理,给出一种利用NMF进行脑电能量谱特征提取的方法。设计试验对10个被试在三种不同注意任务中的脑电信号进行特征提取,并采用人工神经网络作为分类器进行分类测试。结果表明,NMF算法在高维特征空间具有较强的特征选择能力,其分类正确率明显高于主分量分析(PCA)方法和直接法,三种意识任务的分类正确率分别达到84.5、88%和86.5。     

诱发电位的多通道时频相干提取算法

多通道时频域相干成分提取算法是针对低信噪比的宽频带信号提取问题提出的。它采用多通道同步观测,在各通道的观测数据中信号成分具有较高的相干性,而噪声的相干性较低,因此根据其相干性的高低差别即可将信号与噪声分离,提取有效信号。为实现信号与噪声的分离,首先应用小波包分解将信号在时频域展开,然后通过计算相干系数确定信号的时频分布,最终通过小波包重构将信号从噪声中分离出来。这一算法不需要信号的任何先验知识,收敛快,可以有效地提取宽频带信号,极大地提高信号的信噪比,对非重复性信号具有良好的捕捉能力．应用此算法成功地实现了视觉诱发电位的单次提取。     

液压打击损伤后海马CA1区神经元兴奋性变化的研究

为考察脑损伤对海马CA1区锥体神经元电活动的影响并研究大黄素对神经元的超兴奋性和突触传递的作用,应用液压打击大鼠脑损伤模型和细胞外记录方法提取诱发的海马CA1区场兴奋性突触后电位(fPSP)和群峰电位(PS),进行相关的数据处理和分析。发现损伤侧比非损伤侧的fPSP斜率明显升高,PS波峰个教显著增加,而PS潜伏期明显减小;在灌流液中施加大黄素,CA1区诱发场电位明显减弱。研究结果表明：颅脑损伤可造成海马CA1区锥体神经元的迟发性过度兴奋;大黄素对神经元的兴奋性有抑制作用,可能对颅脑损伤后的中枢神经系统具有保护功能。     

应用生长、分级的自组织映射模型进行意识任务分类

提出一种使用生长、分级的自组织映射(growing hierarchical self-organizing map,GHSOM)模型进行基于EEG信号的意识任务分类来实现脑机接口技术的方法.GHSOM模型是自组织映射(self-organizing map,SOM)的一种变体,由多层的SOM组成,具有一定的分级结构,能够表达数据中不同层次的信息.同时研究了使用平均量化误差(mean quantization error,mqe)和量化误差(quantization error,qe)两种方法实现的GHSOM模型对意识任务分类的作用.结果表明,GHSOM模型对于意识任务的可分性能够提供可视化的信息,并且发现使用量化误差方法实现的GHSOM模型提供较多的数据信息和较高的分类精度.使用GHSOM模型进行了5类意识任务的分类,平均分类精度可达80%.     

心电技术一百年——笔谈会

主持人:1895年,荷兰生理学家W·Einthoven(爱因妥芬)在前人的基础上改进了毛细管电位计频响差的缺点,获得了近于现代的心电波形,首先引进了心电图——Electrocardiogram(ECG)这一词,并将心电图中可明显区分的五个独立波分别标记为P、Q、R、S、T。1903年他又设计了弦线式电流计,用来测量心电图。1905～1906年期间首创标准导联,1912年又提出了爱氏三角形理论,为测定和描述心脏电活动提供了科学的依据。由于W·Einthoven在心电图技术上一系列的重