基于脑电信号识别采集的假肢控制系统

本文介绍了脑电信号（EEG）的模式识别和步骤,分析了EEG采集领域的发展和医学原理。通过研究脑电信号和假肢运动的联系,总结脑电控制假肢的可行性结论。设计出从头皮电极到模／数转换器的基于脑电信号识别采集的假肢控制系统,能够满足脑电假肢的各种要求。     

Labview在动物脑电信号采集分析中的应用

分析动物行为活动中的脑电特征是脑机接口(Brain-computer interface,BCI)研究中的一个重要内容.本文利用最新测控软件-虚拟仪器技术(LabVIEW)进行脑电信号采集与处理,实现了信号实时显示、中值滤波、小渡消噪的设计.实验结果显示提取出了与特定行为(抓食)相关的脑电活动特征信号,为研究大脑如何控制行为提供了一个有效的方法.     

表面肌电信号采集与降噪处理

目的:本文以设计的表面肌电(sEMG)信号采集系统为基础,探讨sEMG信号中的降噪处理问题。方法:结合sEMG信号的噪声影响情况,首先利用带通滤波器消除肌电信号频带外噪声,再通过频谱插值法来抑制工频干扰分量,最后使用小波分析方法来削弱肌电信号频带内噪声。结果:通过对检测sEMG信号的降噪处理,信号噪声得到明显抑制。结论:所设计采集系统能够获得满意的sEMG信号检测效果,所采用降噪方法能够有效提高sEMG信号的质量。     

表面肌电信号采集与降噪处理

目的：本文以设计的表面~g（sEMG）信号采集系统为基础,探讨sEMG信号中的降噪处理问题。方法：结合sEMG信号的噪声影响情况,首先利用带通滤波器消除肌电信号频带外噪声,再通过频谱插值法来抑制工频干扰分量,最后使用小波分析方法来削弱肌电信号频带内噪声。结果：通过对检测sEMG信号的降噪处理,信号噪声得到明显抑制。结论：所设计采集系统能够获得满意的sEMG信号检测效果,所采用降噪方法能够有效提高sEMG信号的质量。     

基于PC声卡的生物医学电信号采集方法

把生物医学电信号以线性调幅的方法调制在音频载波信号之上,用PC声卡采集该已调波信号,用软件实现调幅波的解调,经数字低通滤波器的滤波,恢复出生物医学电信号,达到采集和显示生物医学电信号的的目的。实践证明,该方法具有成本低、多通道工作实时性好的特点,具有实用价值。     

基于思维脑电信号的假手的研究

本文主要研究利用思维脑电信号来控制假手动作。采用小波变换对思维脑电信号进行分解,选取合适的子带信号并提取相应能量特征,组成特征向量输入BP神经网络进行分类识别。整个信号处理过程在LabVIEW软件平台上实现,并利用其串口通信模块输出控制指令来控制假手的张开和闭合。     

脑电信号的高阶奇异谱分析

奇异谱分析是脑电信号分析的一种新方法,脑电信号的奇异谱可以反映脑电的特征,它有助于研究大脑的动力学行为。奇异谱分析方法是基于二阶统计的方法,反映的是信号时间上和空间上的一种线性相关关系。而脑电信号属于非线性信号,其内在的非线性关系很难通过奇异谱得到真实的反映,从而会丢失某些有用的信息。提出一种新的基于高阶统计的脑电奇异谱分析方法,并将其运用于正常脑电和癫痫患者的脑电分析中。大量的实测信号样本仿真实验结果表明,正常脑电和癫痫脑电的奇异谱有明显的不同。此外,基于高阶统计的奇异谱和基于二阶统计的奇异谱相比更能反映出信号的细节。     

大鼠皮质脊髓束神经电信号的记录与分析方法研究

目的：探索皮质脊髓束（CST）电生理信号的采集记录方法,分析描述电信号的特征,从而为通过植入式微电极阵列进行信号采集的记录方法建立一定的实验基础,为将来进一步研究脊髓损伤修复与功能重建提供有价值的神经电生理基础资料。方法：使用神经信号采集处理系统（Cerebus System）,在SD大鼠的脊髓T8节段处的皮质脊髓束内通过插入微电极,记录大鼠皮质脊髓束神经电信号。利用神经信号分析软件Offline Sorter、Neuroexplorer对已存储的信号文件进行波形特点的描述,包括波长、波幅、放电频率、同一电极上记录到的不同放电单元之间的同步性、两根电极上记录到的不同放电单元之间的同步性、放电信号的峰间期（ISI）分析等。结果：长时间稳定记录到连续的皮质脊髓束自发放电信号,一般在同一电极上记录到3~4个来自不同放电单位（细胞）的放电信号。皮质脊髓束自发放电信号的波形呈双向型,波宽为0.6~1.3 ms,波幅为百μV级。在多次实验状态下均能达到很高的信噪比,信号采集效果理想。经快蓝（LFB）染色确认记录电极尖端位于皮质脊髓束内。结论：本实验采用Cere-bus神经信号采集处理系统,利用记录电极可在大鼠的皮质脊髓束内较长时间稳定地记录到较为稳定的微伏级神经电信号,并可进行有意义的神经电信号特征分析,为进一步研究脊髓损伤修复与功能重建提供了有价值的神经电生理基础资料。     

基于脑电信号的癫痫发作预测特征及识别

解码癫痫发作前脑电信号的神经元集群异常痫样放电活动,对癫痫发作进行有效预测并实施病前干预,可显著减少疾病病损,是癫痫防治的研究热点之一。基于脑电信号的癫痫发作预测研究关键在于发作间期和前期的异常状态识别,研究上述两状态间的神经动力学特征差异对明确癫痫发病机制、选取高分辨特征,进而有效识别该渐进性疾病所处的发作阶段具有重要价值。目前,研究者已对当前主流特征提取及模式识别方法进行了充分的调研梳理,但忽视了神经动态特征变化对于癫痫发作预测的重要意义。基于此,本文归纳总结了5类典型的发作预测特征分析方法及其优缺点,重点剖析了发作间期至前期神经生理特征的动态变化及其动力学特性,类比分析了当前该领域主流的机器学习和深度学习特征识别方法,以期为进一步建立精准、高效的癫痫发作预测技术提供新思路。     

Pclab生物信号采集处理系统及其应用

Pclab系统是根据生理实验的特点将传统仪器的优点与计算机的强大功能相结合设计而成的系统,它既可以完全替代生理、药理、病理实验中的刺激器、放大器、示波器、记录仪等各种仪器,又具有操作简单、易于观察、数据存储不受时间等因素的影响,数据处理功能强大,与windows98实现无缝对接性能。本文介绍了Pclab系统的工作原理、特点及其生物学实验中的应用。     

基于ADS8332的生理信号采集系统电路设计

本文介绍了医学生理信号的的特点,根据其特点设计出了针对医学生理信号进行采集的电路。该电路设计实现了基于16位的高精度A/D 转换芯片ADS8332 的医学生理信号采集系统,以基于Cortex-M3 内核的32 位微控制器STM32F103RD作为采集控制芯片,该系统电路可以实现对最多16 个通道的模拟医学生理信号进行采集。此电路设计充分利用了ADS8332 的高精度、低功耗、高采样速率的特点以及片上集成功能,并配合了信号调理电路和相应的抗干扰措施,因此保证了医学生理信号的采集精度和系统的稳定性。     

基于 ADS8332 的生理信号采集系统电路设计 *

摘要： 本文介绍了医学生理信号的的特点, 根据其特点设计出了针对医学生理信号进行采集的电路。该电路设计实现了基于 16 位的高精度 A/D 转换芯片 ADS8332 的医学生理信号采集系统,以基于 Cortex-M3 内核的 32 位微控制器 STM32F103RD 作为采 集控制芯片, 该系统电路可以实现对最多 16 个通道的模拟医学生理信号进行采集。此电路设计充分利用了 ADS8332 的高精度、 低功耗、 高采样速率的特点以及片上集成功能, 并配合了信号调理电路和相应的抗干扰措施,因此保证了医学生理信号的采集精 度和系统的稳定性。     

心电、呼吸信号采集分析系统的研制

设计一种用于移动监护系统的生理信息采集及预处理装置。该装置以ARM为核心,包括低功耗的双路心电信号放大、滤波、抗基线漂移电路。实现了心电信号的采集、预处理、简单分析及从心电信号中提取呼吸信号等功能。     

脑死亡与脑昏迷脑电信号的复杂度研究

脑死亡诊断是有关病人生死的重要问题.许多国家都把脑电平坦列为脑死亡诊断的基本条件,但研究发现并非所有的脑死亡患者均表现为脑电平坦,同时脑昏迷患者在部分情况下也会表现出脑电平坦的现象,从而有可能在临床中造成误判.C0复杂度判断指标能够利用脑电信号中的复杂度特性帮助临床诊断中对于脑死亡和脑昏迷状况的鉴别.运用C0复杂度算法对22位脑死亡和脑昏迷病例进行分析实验,可以发现脑死亡脑电信号的复杂度明显高于脑昏迷脑电信号的复杂度.实验表明C0复杂度可以用来有效地区分脑死亡和脑昏迷脑电信号,具有潜在的重要临床价值.     

Selection of relevant features for EEG signal classification of schizophrenic patients

In this paper, EEG signals of 20 schizophrenic patients and 20 age-matched control participants are analyzed with the objective of determining the more informative channels and finally distinguishing the two groups. For each case, 22 channels of EEG were recorded. A two-stage feature selection algorithm is designed, such that, the more informative channels are first selected to enhance the discriminative information. Two methods, bidirectional search and plus-L minus-R (LRS) techniques are employed to select these informative channels. The interesting point is that most of selected channels are located in the temporal lobes (containing the limbic system) that confirm the neuro-phychological differences in these areas between the schizophrenic and normal participants. After channel selection, genetic algorithm (GA) is employed to select the best features from the selected channels. In this case, in addition to elimination of the less informative channels, the redundant and less discriminant features are also eliminated. A computationally fast algorithm with excellent classification results is obtained. Implementation of this efficient approach involves several features including autoregressive (AR) model parameters, band power, fractal dimension and wavelet energy. To test the performance of the final subset of features, classifiers including linear discriminant analysis (LDA) and support vector machine (SVM) are employed to classify the reduced feature set of the two groups. Using the bidirectional search for channel selection, a classification accuracy of 84.62% and 99.38% is obtained for LDA and SVM, respectively. Using the LRS technique for channel selection, a classification accuracy of 88.23% and 99.54% is also obtained for LDA and SVM, respectively. Finally, the results are compared and contrasted with two well-known methods namely, the single-stage feature selection (evolutionary feature selection) and principal component analysis (PCA)-based feature selection. The results show improved accuracy of classification in relatively low computational time with the two-stage feature selection.     

全自动膜片钳数据采集控制系统USB接口的设计

介绍全自动膜片钳数据采集控制系统USB2.0接口的设计。该系统采用USB2.0控制器CY7C68013,实现了PC机和膜片钳放大器的数据传输。详细介绍了USB硬件接口、固件程序设计以及上位机应用程序的设计。     

The dynamics of EEG entropy

The scaling properties of human EEG have so far been analyzed predominantly in the framework of detrended fluctuation analysis (DFA). In particular, these studies suggested the existence of power-law correlations in EEG. In DFA, EEG time series are tacitly assumed to be made up of fluctuations, whose scaling behavior reflects neurophysiologically important information and polynomial trends. Even though these trends are physiologically irrelevant, they must be eliminated (detrended) to reliably estimate such measures as Hurst exponent or fractal dimension. Here, we employ the diffusion entropy method to study the scaling behavior of EEG. Unlike DFA, this method does not rely on the assumption of trends superposed on EEG fluctuations. We find that the growth of diffusion entropy of EEG increments of awake subjects with closed eyes is arrested only after approximately 0.5 s. We demonstrate that the salient features of diffusion entropy dynamics of EEG, such as the existence of short-term scaling, asymptotic saturation, and alpha wave modulation, may be faithfully reproduced using a dissipative, first-order, stochastic differential equation—an extension of the Langevin equation. The structure of such a model is utterly different from the “noise+trend” paradigm of DFA. Consequently, we argue that the existence of scaling properties for EEG dynamics is an open question that necessitates further studies.     

基于MIT-BIH心律失常数据库的医用生理信号系统的设计

目的:设计一个心电信号研究系统,该系统是远程心电监护仪器研制中的重要组成部分.方法:先用高性能的PC机和高性能的DA转换器搭建一个硬件平台,再以Visual C++6.0为平台,利用面向对象语言编程建立MIT-BIH心电数据库.结果:系统可以对MIT-Bill心电数据库中的心电和呼吸数据进行管理和回放,并建立实验数据平台,来产生模拟的心电、呼吸等生理信号,可用于研发远程心电监护仪器调试使用.结论:可为以后心电信号的研究分析和相关仪器的开发提供了一个优秀的研究平台.     

基于Flexible ICA的睡眠EEG及EOG中心电伪差的消除

提出了一种采用自适应非线性函数的ICA学习算法,Flexible ICA算法,并将其应用于睡眠EEG自动分期的前期预处理中,用于消除采集到的各通道信号中的心电伪差.实验结果证明,Flexible ICA算法能够快速有效的消除各通道的心电伪差,为后期的睡眠EEG自动分期打下了良好的基础.     

多发性抽动症的脑电图观察

目的:进一步探究脑电图对多发性抽动症患儿的辅助诊断价值。方法:本文对45例多发性抽动症患儿进行脑电图描记录,选择理想信号段进行分析。结果发现24例异常,异常率为53.3%。其中中度异常6例,占25%,脑波表现为在高幅δ、θ波长程阵发的背景上偶发尖波;轻度异常18例,占75%,表现背景脑波频率变慢,出现高幅δ、θ波及活动,伴短程出现;正常21例,较同年龄组的脑电图调节差,波形杂乱。结论:脑电图反映脑功能活动,通过计算机分析方法可提供更多信息,并且脑电图操作方便,无痛无创,易于被儿童接受,在多发性抽动症早期临床诊断中具有较高的应用价值。