脑神经功能信息学研究进展

阐述了脑神经功能信息学的基本概念和研究热点,介绍了脑神经功能信息学的主要研究内容及其研究进展,并对脑神经功能信息学研究进行了展望。脑神经功能信息学的研究不仅促进脑神经科学的基础研究,而且也将带动功能康复、功能假体等这样一类新的医疗仪器装置行业的发展。

三道电子耳蜗的研究

电子耳蜗是应用医学电子工程技术使全聋患者从无声世界回到有声世界的一种精巧的电子装置。本文从听觉生理学入手分析了三道电子耳蜗装置的基本设计原理及电气特性。论述了如何保证电子耳蜗具有足够的动态范围以及提高其音频分辨能力的基本原理和实现方法.文中还从医学电子工程的角度讨论了电子耳蜗应用的安全性、长期效果及存在问题。

生物医学工程走进21世纪

结合国际生物医学工程领域的最新研究动向和中国实际情况,论述了新世纪生物医学工程面临的挑战和机遇,阐明了在走进21世纪之际,生物医学工程的研究必然与生命科学和信息科学紧密结合,其发展紧密依托现代最新科技成果并直接服务于人类健康和生活质量,指出了目前特别需要关注和加强的领域。

医学监护技术的发展动向

论述现代医学监护技术的发展动态:在简要分析目前医学监护系统所存在的问题和医学临床需求的基础上,讨论了它的主要发展方向,提出了目前迫切需要加强发展和填补空白的监护领域。

动态心电图系统的关键技术及发展方向

一、引言 从静态短时测试发展到动态长时间连续监测,是心电图技术发展的一个重大飞跃。所谓“静态”测试,就是在病人处于安静(不活动)的状态下来采集心电图,因而是短时间、短数据的。安静状态保证肌电干扰等伪信号最小。“动态连续监测”就是对正常生活活动条件下的患者长时间地监测,采集其心电图数据。这一重大的飞跃。

医疗监护技术及其发展方向

医疗监护技术已成为现代临床医学中不可缺少的专门技术，在临床诊断、危重病救治、手术安全、远程医疗、家庭保健以及战场救治等方面起着越来越重要的作用。健康和医疗事业的发展，促使监护技术向高水平发展。文章介绍了常用医疗监护技术的特点、应用情况及其发展方向。

远程医疗及医学图像

一、引言远程医疗是这样一个系统,它能远距离传送医疗信息,并使专家和医生能远距离对患者进行病情诊断、处理、治疗,乃至手术和紧急救助。远程医疗是医院(医疗中心)的外延,可延至一个城市内、城市间(一个地区)、地区间、

远程医疗及医学图像

远程医疗是这样一个系统,它能远距离传送医疗信息,并使专家和医生能远距离对患者进行病情诊断、处理、治疗,乃至手术和紧急救助。远程医疗是医院(医疗中心)的外延,可延至一个城市内、城市间(一个地区)、地区间、一个国家或国际间,乃至地球外(对宇航人员的医疗监护等)。它包括医学信息系统。

基于脑电功率谱特征的脑力疲劳分析

目的研究连续数学运算对脑力疲劳的影响,探讨脑电的功率谱特征与脑力疲劳之间的关系,寻找脑力疲劳程度评价的客观指标。方法对连续数学运算前后以及休息后3种状态下脑电的功率谱重心频率以及功率谱熵进行了分析,并采用主观评价和行为学方法对3种状态进行对照分析。结果连续数学运算后脑电功率谱重心频率以及功率谱熵显著降低,主观感觉疲劳程度、数学运算及PVT测试的平均反应时间显著增加;休息后脑电功率谱特征、主观感觉疲劳程度及反应时间的变化规律相反。结论脑电功率谱重心频率以及功率谱熵与脑力疲劳有较强的相关性,随着脑力疲劳程度的增加,脑电功率谱重心频率以及功率谱熵降低。同时脑电功率谱特征与主观评价和行为学分析结果有较强的一致性,有望成为衡量脑力疲劳程度的客观指标。

基于毫米波的非接触生命参数检测系统的研制(英文)

目的研究基于 36GHz毫米波的非接触生命参数检测系统原理和技术方法。方法将连续波雷达技术和生物医学信号处理技术相结合 ,采用了零中频、频域积累及自适应对消技术。结果在 3m距离内 ,发射功率为 1mW的条件下 ,可以穿透被褥、各类质地衣服检测到人体的呼吸、心跳信号。结论该系统有效、可行 ,其检测灵敏度高 ,对人体安全 ,天线小 ,结构简单 ,易于小型化 ,适合于长时间的非接触监护 ,特别适用于航天领域。

支持向量机在血细胞分类中的应用

支持向量机是根据统计理论提出的一种新的学习算法。该算法通常可用于解决二分类问题 ,本文将其推广到多分类问题 ,利用多级支持向量机分类器对骨髓中不同成熟阶段的血细胞进行了分类。文中首先提出了利用逐步分解的分级聚类算法进行多级支持向量机的构建 ,然后通过一定准则在各级中确定支持向量机相应的最优控制参数。为了进一步了解分类性能和较好的估计分类错误率 ,使用 3次交叉验证法将其与传统的分类方法作了比较。实验表明 ,支持向量机分类器巧妙避开了维数灾难问题 ,具有较好的推广能力 ,可提高血细胞分类的正确率。

基于脑电近似熵的脑机能疲劳状态分析

目的研究工作和睡眠剥夺对脑机能疲劳(脑疲劳)状态的影响,探讨脑电近似熵与不同脑疲劳状态之间的关系,寻找实用的脑疲劳程度分析指标。方法对不同人在不同脑机能状态下的脑电近似熵进行计算,分析不同脑疲劳状态下的变化规律及其相关性。结果对于不同的脑疲劳状态,其脑电近似熵的平均值随着脑疲劳程度的增加而降低;工作时间的延长、紧张程度的增加对脑疲劳的影响比单纯睡眠剥夺对脑疲劳的影响要大,引起脑疲劳的加深程度要快。结论脑电近似熵随着脑疲劳程度的增加而降低,有望成为衡量脑疲劳程度的指标。

功率谱熵在局灶性缺血性脑损伤无创检测中的应用

为了对局灶性缺血脑损伤的程度进行无创诊断 ,并对损伤区域进行定位 ,用 SD(Sparague- dawley)实验大鼠建立了一个局灶性缺血脑损伤的动物实验模型 ,采得缺血前到缺血 30 m in时的缺血区域与正常区域的 EEG(Electroencephalogram)信号 ,并采用功率谱熵对 EEG信号进行了分析。结果发现局灶性脑缺血导致 EEG信号的功率谱熵发生了明显的变化。缺血侧的 EEG信号的功率谱熵在缺血 15 min时已经明显低于缺血前的正常值 ,在整个缺血过程中缺血侧的 EEG信号的功率谱熵小于正常区域的功率谱熵。这表明 EEG信号的功率谱熵是一种很好的表征脑缺血损伤的参数 ,具有计算简便。

基于多导脑电复杂性测度的脑疲劳分析

通过对连续长时间脑力劳动前后状态下的脑电信号进行分析,提取了脑电信号的基本尺度熵和排列熵两种复杂性测度,研究了它们与脑疲劳程度之间的关系,以及它们在不同脑疲劳状态下的变化规律及其相关性.实验结果表明,基本尺度熵和排列熵与脑疲劳程度之间存在很强的关联性,对于不同的脑疲劳状态,随着脑疲劳程度的增加,其alpha（8~12 Hz）、beta（13~30 Hz）频率段和total频率段（0.5~30 Hz）脑电信号的基本尺度熵和排列熵逐渐降低.相对于Tsallis熵算法,基本尺度熵和排列熵可以更好地反映疲劳前后脑电信号复杂度的变化特性.同时,由于基本尺度熵和排列熵算法概念简单,运算量小,因而它们的计算复杂度大大降低,运算速度更快,使得实时分析与监测脑疲劳成为可能.脑电信号的基本尺度熵和排列熵有望成为衡量脑疲劳程度的指标.

利用单类支持向量机分割血细胞图像

为了提高白细胞自动识别算法的性能,提出了基于均值移动和单类支持向量机的血细胞图像分割新方法.该方法的原理是将图像中颜色相对稳定的背景和红细胞部分像素作为正训练样本,将颜色复杂多样的白细胞像素作为异常数据检测.均值移动过程用来在红、绿、兰(RGB)颜色空间寻找正训练样本集,通过均匀抽样和颜色量化措施,实现单类支持向量机(SVM)在线实时训练,最终图像像素经过单类SVM分类来实现分割.实验表明,新方法对涂片制备和光照变化导致的图像颜色改变有很好的适应性,图像分割精度优于常用流域算法,而耗时只是后者的1/4.

ECG信号的小波变换检测方法

本文把小波变换应用于ＥＣＧ信号的ＱＲＳ波检测。利用二进样条小波对信号按Ｍａｌｌａｔ算法进行变换：从二进小波变换的等效滤波器的角度，分析了信号奇异点（Ｒ峰点）与其小波变换模极大值对的零交叉点的关系。在检测中运用了一系列策略以增强算法的抗干扰能力、提高ＱＲＳ波的正确检测率。经ＭＩＴ／ＢＩＨ标准心电数据库检测验证，ＱＲＳ波正确检测率高达９９．８％。

EEG复杂性测度用于大脑负荷状态的研究

Lempl－Ziv意义下的随机序列的复杂性反映了有限长序列的随机程度。本文研究了大脑不同负荷状态时脑电图的复杂性，分析了大脑负荷状态与相应状态下EEG复杂度之间的关系。得到了部分统计结果，大脑负荷与不同负荷状态EEG的复杂度有一定的相关性，EEG的复杂度随着脑负荷的增强有降低趋势，在大脑额叶，这一趋势尤为明显．EEG的复杂性反映了大脑接受和处理信息活动的有序程度，可能为研究大脑的高级认知活动规律提供了一条新的途径。

前馈神经网络中的反向传播算法及其改进:进展与展望

BP网络和算法是使用最广泛的神经网络模型之一,但由于它使用悌度算法,因而存在固有的局部极小及收敛速度慢等问题。本文首先回顾了BP算法的产生和和发展过程,之后对BP算法固有的特点进行了阐述,最后针对原基本BP算法的缺陷对各种改进方法进行了全面综述,并指出了这一研究中的有关问题。

彩色血液细胞图像的自动分割方法研究

提出基于自适应多尺度阈值和种子点增长的混合方法自动分割彩色血液细胞图像。首先对原始图像直方图进行多尺度滤波 ,根据它的尺度空间图特性 ,确定合理的阈值 ,完成对胞核的分割和白细胞的检出。其次 ,利用局部颜色特性及全局形态特性控制种子点增长 ,完成对白细胞浆区域的分割。该方法对白细胞的检出率为 98% ,分割效果主观评价为好的占 93% 。

基于柯尔莫哥洛夫熵的生理性精神疲劳分级的可行性研究

目的探讨脑电信号与生理性精神疲劳之间的关系,寻找切实可行的将生理性精神疲劳分级的分级参数。方法对不同人在不同生理性精神疲劳状态下的脑电信号进行无序程度度量,分析柯尔莫哥洛夫熵在不同生理性精神疲劳状态下的变化规律。结果对应于特定的生理性精神疲劳状态,其柯尔莫哥洛夫熵的平均值在相应的一定范围内变化,大脑思维的无序程度有特定的变化范围;柯尔莫哥洛夫熵随生理性精神疲劳程度的增加而增加;近日节律对柯尔莫哥洛夫熵分析生理性精神疲劳状态没有影响;对近日节律相似的受试者而言,在相临时段内其柯尔莫哥洛夫熵值相近。结论利用柯尔莫哥洛夫熵对生理性精神疲劳进行分级具有一定的可行性。该方法为生理性精神疲劳的监测与分级提供了新思路和新工具,在交通运输业及其它行业中有广阔的应用前景。