多通道脑电信号的盲分离

提出一种新的多通道脑电信号盲分离的方法,将小波变换和独立分量分析(independent component analysis,ICA)相结合,利用小波变换的滤噪作用,将混合在原始脑电的部分高频噪声滤除后,再重构原始脑电作为ICA的输入信号,有效地克服了现有ICA算法不能区分噪声的缺陷。实验结果表明,该方法对多通道脑电的盲分离是很有效的。     

应用小波变换检测细胞显微荧光图像中的囊泡

文章提出了一种用小波变换来检测生物荧光图像中囊泡的方法。作者用à trous小波对图像进行小波变换,然后求出每层系数的中值绝对偏差σ,并用t=kσ/0.67作为阈值对每层系数进行门限滤波,然后通过提取小波变换系数来重构图像。通过设计实验与常用的“rolling ball”算法对比,发现小波变换算法在低信噪比的情况下,具有更好的灵敏度;对于形状大小不同的信号,具有更好的稳定性;而且对于信号的细节信息具有更好的保真性。     

空间独立成分分析实现fMRI信号的盲分离

独立成分分析（ICA）在功能核磁共振成像（fMRI)技术中的应用是近年来人们关注的一个热点。简要介绍了空间独立成分分析（SICA）的模型和方法,将fMRI信号分析看作是一种盲源分离问题,用快速算法实现fMRI信号的盲源分离。对fMRI信号的研究大多是在假定已知事件相关时间过程曲线的情况下,利用相关性分析得到脑的激活区域。在不清楚有哪几种因素对fMRI信号有贡献、也不清楚其时间过程曲线的情况下,用SICA可以对fMRI信号进行盲源分离,提取不同独立成分得到任务相关成分、头动成分、瞬时任务相关成分、噪声干扰、以及其它产生fMRI信号的多种源信号。     

睡眠剥夺对脑电活动相位相干性的影响研究

将小波变换和相位相干分析应用到事件相关电位实验的脑电信号中。在正常状态和一夜睡眠剥夺状态下提取12名受试者的视觉ERP,进行30～60Hz的小波变换,以此计算前额叶区域的导联内相位相干,以及枕叶和前额叶之间的相位相干性。发现睡眠剥夺引起前额叶的导联内相位相干活动减少和延迟,表明大脑维持完成任务的能力下降;枕叶与前额叶之间的gamma波段相位相干活动减少,表明功能区域之间的电活动传递效应减弱。基于小波变换的相位相干分析可以得到脑电的同步活动,为更好地理解睡眠的机制和评价睡眠剥夺对认知的影响提供了一条思路。     

基于集合经验模态分解和小波收缩算法的自适应心电信号去噪问题研究

本文将集合经验模态分解(EEMD)与小波软阈值去噪算法相结合,提出了一种新的心电图信号去噪EEMD-WS算法.算法首先对信号进行EEMD分解得到有限个固有模态函数(IMF);其次,根据实际含噪心电信号中各成分的特性,将所有IMF分为低阶含噪、中阶有用信号和高阶含基线漂移三类,对于低阶含噪IMF利用IMF能量变化分界点自适应地确定含噪IMF个数,随后对其利用小波收缩算法中的启发式软阈值选择算法进行去噪;对于高阶含基线漂移IMF根据其自身是否包含周期信息自适应地判断并去除与基线漂移关系密切的IMF.最后通过将滤除噪声的低阶IMF、中阶有用信号重构达到抑制噪声和去除基线漂移的目的.仿真信号和MIT-BIH心电数据库真实心电信号实验显示,EEMD-WS算法不仅能够克服小波去噪算法不能去除基线漂移的不足,而且能够比常用的EMD-WS算法更好地提高消噪效果,总体去噪性能优于传统算法.     

心音信号噪声消除的小波变换方法

心音信号幅值小,干扰多,采用常规的时、频域滤波方法往往不能收到良好的效果,本文根据信号和干扰在小波变换下的不同变化特性,利用二进小波变换的模极大值识别出心音信号中的干扰噪声的位置,剔除其相应的小波变换系数后,再通过小波逆变换重构出心音信号,并根据心音信号的特点选取了适当的母小波和分解尺度,给出了利用小波方法去噪前后的实际结果,结果表明,小波变换方法可有效地消除心音信号中的噪声干扰。     

小波相干分析及其在听觉与震动刺激事件相关电位处理中的应用

尝试将小波相干方法应用于事件相关电位实验的脑电信号分析中。实验分为三组：听觉任务、震动任务1和震动任务2。对12个受试者的实验数据进行40Hz左右的小波相干分析,计算了前额脑区与其他各脑区之间的相干性,发现震动任务的小波相干值大于听觉任务并有显著差异,且在不同的任务中,各脑区的小波相干值有其明显不同的分布特征,且随时间呈有规律的变化。分析体现了小波相干在短时脑电信号处理上的优势。     

环境因素引起植物表面电位变化的小波分析

许多外界环境因子都能引发植物局部表面电位发生变化。在植物电生理研究中如何解读表面电位变化所包含的对环境的反应是一个长期没有解决的问题。小波分析能有效地提取某种信号的时、频域特征。本文首次将小波分析方法用于植物电信号的解析,结果表明,在环境因子引发的表面电位变化中,具有明显的时域和频域的特征。在不同频域中,主要在低频尺度上反映植物对光、温及光和温度共同作用的特定响应。     

脑磁图神经活动源数目的估计

在脑磁图信号的分析中,正确估计出脑磁图神经活动源的数目是进一步分析脑磁图信号的前提。目前广泛采用的信息论方法和主成分分析方法都是根据特征值来确定源的数目,这两种方法在源数目较多、噪声较强的情况下,会导致误判。该文提出了一种噪声调节自动阈值的脑磁图源数目判断方法,利用基于噪声调节的主成分分析并结合聂曼- 皮尔逊准则对脑磁图源数目进行估计。同时,该方法采用了基于小波的噪声方差估计,实现了脑磁图信号中噪声方差的精确估计。通过对基于信息论方法、主成分分析方法以及该文所提议方法的实验结果的比较,表明该文所提议方法能更准确地估计脑磁图源数目,特别是在源数目较多、信噪比较小的情况下,仍能准确地估计脑磁图源数目,具有较大的实际意义。     

基于多尺度植物种子图像边缘检测算法的设计与实现

小波变换,由于其具有时频局部化的特性及多尺度特性,能敏感地反映突变信号,是一种理想的边缘提取方法．本文系统地介绍了作者在图像边缘检测方面所做的理论探讨、算法及应用研究工作．目前的边缘提取方法有多种,本文将重点集中于基于小波变换的图像边缘检测方法的理论推导和算法实现．     

External Noise and External Signal Induced Transition of Gene Switch and Coherence Resonance in the Genetic Regulatory System

The transition of gene switch induced by external noises (multiplicative external noise and additive external noise) and external signals is investigated in the genetic regulatory system. Results show that the state-to-state transition of gene switch as well as resonant behaviors, such as the explicit coherence resonance (ECR), implicit coherence resonance (ICR) and control parameter coherence biresonance (CPCBR), can appear when noises are injected into the genetic regulatory system. The ECR is increased with the increase of the control parameter value when starting from the supercritical Hopf bifurcation parameter point, and there exists a critical control parameter value for the occurrence of ECR. However, the ICR is decreased as the control parameter value is increased when starting from the subcritical Hopf bifurcation point. In particular, the coherence of ECR is higher and more sensitive to noise than that of ICR. When an external signal is introduced into the system, the enhancement or suppression of the CPCBR and the number of peaks strongly depend on the frequency and amplitude of the external signal. Furthermore, the gene regulation system can selectively enhance or decrease the noise-induced oscillation signals at preferred frequency and amplitude of an external signal.     

基于参考信号的ICA方法进行诱发电位单导提取

诱发电位（EP）信号的检测与分析技术是临床医学诊断神经系统损伤及病变的重要手段之一,但是EP信号总是淹没在人体自发产生的脑电图信号（EEG）中。因此,为利用EP信号诊断神经系统的损伤和病变,本文使用带参考信号的独立分量分析（ICA）方法从混合信号中快速将EP信号提取出来。计算机模拟表明,采用带参考信号的ICA方法可以从单导混合信号中有效地将EP信号提取出来。     

肌肉动态收缩期间表面肌电信号的时频分析

介绍了用于肌肉动态收缩期间非平稳表面肌电信号的时频分析方法。用短时傅里叶变换、Wigner-Ville分布及Choi-Williams分布计算了表面肌电信号的时频分布,用于信号频率内容随时间演化的可视化观察。通过计算瞬时频谱参数,对肌肉疲劳的电表现进行量化描述。分析了反复性的膝关节弯曲和伸展运动期间从股外侧肌所记录的表面肌电信号。发现和在静态收缩过程中观察到的平均频率线性下降不同,在动态收缩期间瞬时平均频率的变化过程是非线性的并且更为复杂,且与运动的生物力学条件有关。研究表明将时频分析技术应用于动态收缩期间的表面肌电信号可以增加用传统的频谱分析技术不能得到的信息。     

多通道神经元锋电位检测和分类的新方法

大脑神经元胞外单细胞动作电位(即锋电位)的检测和分类是提取神经元脉冲序列、研究神经系统信息处理机制的关键．为了提高锋电位的检出率和分类的正确性,设计了一种处理多通道锋电位记录信号的算法,用于分析微电极阵列记录的大鼠海马神经元锋电位信号,电极阵列上的测量点排列紧密,4个通道可以同时记录到来自相同神经元的信号．该算法首先利用一种多通道阈值检测法检出四通道记录信号中的锋电位,然后利用一种基于复合锋电位的主成分特征参数分类法将锋电位分类．仿真数据和实验记录信号的检验结果表明：与相应的单通道算法相比,该算法的锋电位检出率和分类的正确性显著提高,并且可以增加单次实验测得的神经元数目．因此,该算法为实现神经元锋电位的自动检测提供了一种简单有效的新 方法．     

早期胚胎全场OCT图像的边界去模糊研究

全场光学相干层析成像技术(全场OCT)是研究早期胚胎形态发育的最理想成像设备,然而所采集图像难免受噪声干扰.这些噪声可模糊早期胚胎内不同组织结构的边界,从而给基于图像边界的结构划分带来干扰.为解决这一问题,本文运用中值滤波、维纳滤波、各向异性扩散算法处理全场OCT获得的早期胚胎图像,并运用信噪比、均方误差、峰值信噪比和边缘保留等指标评价图像处理效果.结果表明:经各向异性扩散算法处理的早期胚胎图像,可完整地保留原始图像信息,且边界最清晰,视觉效果最好.     

新的独立成分分析算法实现功能磁共振成像信号的盲分离

采用独立成分分析(independent component analysis,ICA)的一种新的牛顿型算法来提取功能磁共振成像(functional magnetic rasonance imaging,fMRI)信号中的各种独立成分(包括与实验设计相关的成分以及各种噪声)。与fastICA相比,该算法减少了运算量,提高了运算速度,而且能够很好地分离出各个独立成分。结果表明该算法是一种有效的fMRI信号分析手段。     

Intensity analysis in time-frequency space of surface myoelectric signals by wavelets of specified resolution

Surface myoelectric signals often appear to carry more information than what is resolved in root mean square analysis of the progress curves or in its power spectrum. Time-frequency analysis of myoelectric signals has not yet led to satisfactory results in respect of separating simultaneous events in time and frequency. In this study a time-frequency analysis of the intensities in time series was developed. This intensity analysis uses a filter bank of non-linearly scaled wavelets with specified time-resolution to extract time-frequency aspects of the signal. Special procedures were developed to calculate intensity in such a way as to approximate the power of the signal in time. Applied to an EMG signal the intensity analysis was called a functional EMG analysis. The method resolves events within the EMG signal. The time when the events occur and their intensity and frequency distribution are well resolved in the intensity patterns extracted from the EMG signal. Averaging intensity patterns from multiple experiments resolve repeatable functional aspects of muscle activation. Various properties of the functional EMG analysis were shown and discussed using model EMG data and real EMG data.     

Time-frequency analysis and filtering of kinematic signals with impacts using the Wigner function: accurate estimation of the second derivative

Biomechanical signals are represented in the time-frequency domain using the Wigner distribution function. Filtering of this representation for the case of a non-stationary displacement signal with impact is studied. Smoothed displacement data are then double differentiated and compared with references accelerometer data. It is shown that this technique is able to remove noise from these signals in a better way than conventional filtering techniques currently used in biomechanics.     

Time-frequency filtering of MEG signals with matching pursuit.

Time-frequency signal analysis based on various decomposition techniques is widely used in biomedical applications. Matching Pursuit is a new adaptive approach for time-frequency decomposition of such biomedical signals. Its advantage is that it creates a concise signal approximation with the help of a small set of Gabor atoms chosen iteratively from a large and redundant set. In this paper, the usage of Matching Pursuit for time-frequency filtering of biomagnetic signals is proposed. The technique was validated on artificial signals and its performance was tested for varying signal-to-noise ratios using both simulated and real MEG somatic evoked magnetic field data.