用于经食道超声心动图的1.5维超声探头设计

设计了一种用于经食道超声心动图的1.5维超声探头,与传统1维超声探头相比,该探头可在仰角方向上实现变孔径、变焦点,从而提高切片厚度在远场、近场的一致性。采用传统PZT-5H压电陶瓷作为压电材料制备了一个包含320阵元的1.5维经食道超声探头,随后测试探头的电学性能、声学性能和声场分布情况。该探头的中心频率为5.6 MHz,-6 dB带宽为76%。在5~70 mm的探测范围内, 1维超声探头切片厚度为7~9 mm, 1.5维超声探头切片厚度为1.3~2.8 mm,在5~30 mm探测范围内切片厚度差值不超过0.2 mm,线靶成像显示的信息也更全面、分辨率更高。因此, 1.5维超声探头具有更广的聚焦深度、更好的远近场分布一致性以及更高的空间分辨率。

基于超声导管的心输出量测量方法

提出了一种基于超声导管的心输出量测量方法,该超声导管具有两种不同中心频率的单振元换能器。使用超声导管、流量泵、体模等组成血流循环回路,实现了血流速度的检测与肺动脉图像管腔区域的分割,进而完成了心输出量测量。测量结果与蠕动泵预设流量值的平均相对误差小于2%,表明超声导管用于心输出量测量是可行的。

超声弹性成像声辐射力激励模块设计

研制了一种基于FPGA的64通道超声弹性成像专用的声辐射力激励模块。该电路采用双极性驱动,且激励频率、脉冲重复频率、脉冲个数、阵元个数和聚焦深度可调。利用OptiSon激光声场系统对特定参数下声场进行测试,结果显示聚焦达3 mm。利用RF2000声辐射力天平对声功率进行测量,得出声功率与脉冲个数和阵元个数呈线性正相关,与激励电压峰峰值的平方成正比例关系。该模块还具有外部同步触发功能,能与现有B型超声系统结合,从而方便的增加弹性成像新功能,具有广阔的应用前景。

无线超声多普勒胎心检测系统的研发

胎心率是评判胎儿健康状况的一个重要指标,因此该系统的研发对胎心率的监护有重要意义。该文主要对检测原理、系统的总体框架、硬件组成、上位机软件界面等进行了详细阐述。该系统实现了显示心率值、心率趋势线,并播放胎儿心跳声。在实验室对胎心模拟器进行了大量的测试,并在医院进行了初步的临床测试,证明本系统具有非常好的准确性和可重复性。

基于改进双分支视觉Transformer的艺术绘画分类

随着艺术数字化的发展,迫切需要准确分析和整理艺术绘画藏品的智能系统,并基于艺术绘画的视觉元素发掘不同艺术属性之间关系。为此,提出基于改进视觉Transformer模型和特征优化算法提高艺术绘画分类的深度学习方法。首先,使用改进双分支视觉Transformer(CrossViT)从艺术绘画图像中提取特征。通过双分支架构提取共享特征,获得多尺度特征表示。设计跨任务融合阶段,使用单独的分支处理特定任务的图元,并通过跨注意力模块交换信息。其后,结合混沌游戏优化(CGO)算法和坚果夹优化器(NO)确定特定最优特征子集。CEC2022基准测试8个函数的算法测试结果验证了所提改进CGO算法的有效性。此外,在SemArt数据集上对艺术绘画进行类型、流派和时期分类任务的实验结果表明,所提方法能够基于不同任务需求准确完成艺术绘画分类,性能优于其他先进方法。

一种便携式多普勒胎心检测系统的设计及实现

本研究设计并实现了一款便携式,全数字,用于围产期胎儿心率检测的多普勒胎心系统,其采用对超声回波加窗,数字相乘等方法获取频移信号,并可对特定组织深度进行运动检测。该系统由CPLD超声激励及采集电路、MCU及外围电路和系统软件三部分组成。与两款商用胎心仪相比,本系统准确度较高,能够稳定可靠的对胎心进行检测。

经颅随机噪声刺激的研究进展

经颅随机噪声刺激(tRNS)是一种利用随机噪声电流调控大脑神经元活动的技术,其通过随机共振等机制影响大脑活动和认知行为,在神经科学和神经病理学等领域展示出较为突出的调控效果,得到越来越多的关注和应用。综述经颅随机噪声刺激的生理效应和实施方法,以及在知觉、运动、学习和记忆以及脑疾病康复等方面的应用,总结相关研究现状和发展趋势。

品行障碍脑功能结构成像研究进展

品行障碍(CD)是儿童青少年期最常见的一种心理行为问题。CD患者存在与情绪的识别处理、奖赏加工、认知控制与决策等有关的皮质和皮质下脑区结构、功能和连接的异常。本文主要对CD患者的功能MRI、结构MRI和扩散张量成像研究进展进行综述。

融合超声影像动态评估中风偏瘫患者内侧腓肠肌状态

定量评估中风偏瘫患者的状态现今仍然很困难,该研究提出了一种创新的方法来研究偏瘫步态中的肌肉活动。该研究开发了一种可穿戴式数据采集平台来实现超声影像,肌电图和关节角度的同步采集。使用该平台对12例偏瘫患者进行测试,研究分析了他们在跑步机上行走过程中内侧腓肠肌活动的特点。实验结果发现,患侧相比于健侧,内侧腓肠肌的羽状角和肌电信号的动态范围更加分散。这些结果表明上述可穿戴式多模态信号采集平台可以提供有关内侧腓肠肌动力学的更加全面的信息,为偏瘫患者的状态评估提供了一种有潜力的工具。

基于静息态功能磁共振成像的动态功能连接分析及临床应用研究进展

基于静息态功能磁共振成像的脑功能连接分析方法已经在临床医学研究中被普遍用于疾病的神经机制和诊疗研究。近年来,研究者发现仅考虑静态的功能连接不足以解释大脑时变动态的信息交互,而应该研究功能连接的动态性以揭示大脑网络复杂多变的特性及其机制。已有许多临床研究成果表明动态功能连接分析能为临床疾病的病理探究和辅助诊断提供更好的依据,但同时也存在着问题与局限。笔者通过归纳总结常用估算方法、特征提取方法和可靠性检验及统计分析方法,综合论述了基于静息态功能磁共振成像的动态功能连接分析研究进展,并介绍了基于静息态数据的动态功能连接分析在常见临床疾病中的应用及前景。

多通道运动信号采集系统及实验结果

为研究运动过程中肌肉功能和特性,研制了一个多通道运动信号采集系统,对系统的总体设计、硬件组成、系统功能等进行了详细阐述。实现了表面肌电信号、关节角度信号、足底压力信号、超声图像的同步采集、存储,并取得了初步实验结果。

动态骨骼肌超声图像处理研究进展

肌肉是构成人体的重要组织,它密布在各组织器官和骨骼周围。骨骼肌在人的生命活动中扮演着重要角色,其功能变化与自身形态结构密切相关。研究骨骼肌结构和功能的关系能深入理解力的生理学产生基础和指导临床实践。超声成像具有实时、快速、无辐射、价格低廉等优势,被广泛应用于人体肌肉特性研究。近年来关于骨骼肌超声图像,尤其是对动态骨骼肌超声图像处理的研究层出不穷。该文主要对现有动态骨骼肌超声图像处理方法及其关键步骤进行简要综述。

糖尿病视网膜病变眼底图像分类方法

评述糖尿病视网膜病变(diabetic retinopathy,DR)眼底图像自动分类方法的研究进展.介绍基于局部病灶的分类方法和基于全局图像的分类方法.其中,基于局部病灶的分类方法主要是渗出物、出血点和微血管瘤病灶的检测,根据检测出的病灶类型、数量和位置等信息进行DR分类;基于全局图像的分类方法是对图像全局特征信息进行分类.分析了常用数据集、各类方法优缺点和分类性能,指出尽管DR眼底图像自动分类已经有大量研究,但实现一个通用的DR自动分类系统在数据数量与质量、分类方法和系统性能等方面还有一定挑战.

无创及微创血糖仪研究进展

随着人们饮食和生活方式的改变,糖尿病已经成为了危害中国国民健康的严重问题之一。规律和动态监测血糖是糖尿病控制和一些重症疾病救治时的基础条件,而目前广泛应用的指血血糖仪虽然操作简便,测量精度较好,但由于在使用时会对皮肤造成损伤,痛感明显,在实际应用中常因患者的抵触情绪而影响坚持血糖的自我监测。有鉴于此,无创及微创血糖仪研究一直以来都受到广泛的关注。文中介绍无创及微创血糖仪的原理、发展方向和主要产品,为血糖仪研究提供一个基础框架。

一种基于织物电极的可穿戴心电采集系统的设计

本研究设计了一种高精度可穿戴心电采集系统,该系统由心电模拟前端电路、数字滤波及控制电路和系统软件三部分组成。其采用软硬件滤波来消除基线漂移、皮肤接触噪声及运动伪迹等干扰,并设计嵌入聚吡咯织物电极的心电衣来增加穿戴舒适性。经与两款同类型心电监护仪相比,结果表明:本系统准确度较高,功耗较低,且能稳定可靠的对心电进行长时间监测,并能通过蓝牙实现无线传输。

结构MRI对青少年癫脑皮质厚度的研究进展

青少年癫日发病率高,发作形式多样,对病人大脑皮质、认知能力的发育有较大影响。研究青少年癫日大脑皮质厚度的变化对该病的早期诊断和治疗至关重要。大脑皮质厚度是癫日诊断和治疗的重要生物特征指标,可为癫日脑组织形态和病理特征研究提供依据。就结构MRI对青少年癫日病人的大脑皮质厚度变化的检测及大脑皮质厚度与病程、临床症状和抗癫日药的关系等方面的研究进展予以综述。

深度学习算法在脑电信号解码中的应用

近年来深度学习算法得到飞速发展,在生物医学工程领域的应用也越来越广泛。其中,利用深度学习算法从脑电信号(EEG)中解码生理、心理或病理状态也受到越来越多的关注。综述近年来深度学习算法在EEG解码中的应用,介绍常用算法、典型应用场景、重要进展和现存的问题。首先,论述常用于EEG解码的几类深度学习算法的基本原理,包括卷积神经网络、深度信念网络、自编码器和循环神经网络等。然后,讨论深度学习算法的几个典型EEG解码应用场景,包括脑机接口、情绪与认知识别、疾病辅助诊断。结合应用实例,归纳深度学习算法在EEG解码中的常见问题、解决方案、主要进展和研究趋势。最后,总结深度学习应用于EEG信号解码中仍待解决的一些关键问题,如参数复杂度、训练时间以及泛化能力等。

血管壁面剪切应力的测量及其临床研究进展

总结血管壁面剪切应力(WSS)的几种测量技术和计算方法,主要包括基于磁共振或磁共振结合计算流体动力学(CFD)、计算机断层扫描(CT)、血管内超声、传统超声、超声向量血流成像和超声粒子流的血流速度测量技术,以及根据速度计算WSS的几种不同运算方法。介绍WSS计算时的另一个重要参数——血液黏滞系数(又称"血黏度"),描述该参数在精确测量WSS时的选取和计算。此外,通过现有文献论述三维向量WSS的测量以及WSS相关临床参数的计算方法,对现有的WSS临床研究做综述性的讨论。针对颈动脉、主动脉、冠状动脉、肱动脉、股动脉等不同血管,列举WSS相关的临床研究结果,并从中归纳出绝大多数临床研究认可的3个主要结论。

脑电神经反馈在抑郁症认知功能康复中应用的研究进展与挑战

抑郁症是一种常见的严重精神疾病,认知功能障碍是抑郁症的核心症状之一,会极大影响患者的日常生活,并给家庭和社会带来沉重的负担。目前针对抑郁症患者认知功能障碍的有效康复手段较少,而且效果不明显。脑电神经反馈因其安全、无创、无副作用等优点,受到越来越广泛的关注,但目前的治疗效果存在个体差异,反馈训练技术有待改进,并且相关神经机制尚不清晰。综述抑郁症患者认知功能损伤的静息态定量脑电特征,分析基于这些脑电特征发展的脑电神经反馈训练技术和相关临床验证实验结果,并探讨该领域当前存在的问题和未来发展趋势。随着神经反馈技术的进步和对其机制认识的深入,脑电神经反馈技术有希望成为一种有效的可用于抑郁症患者认知康复的临床技术。

基于深浅特征融合的深度卷积残差网络的脑电情绪识别模型

基于脑电信号的智能情绪识别系统具有便携性、高时间分辨率、实时性等特点,能够在健康、娱乐、教育等多个领域实现情绪监控与调节的应用。但由于脑电信号的非平稳性和个体差异性,传统分类器难以深入提取脑电信号中潜在的与情绪语义相关的特征。为了有效地提取脑电特征,提高脑电-情绪识别的准确性,提出一种新型的基于深浅特征融合的深度卷积残差网络情绪识别模型,主要包括浅层-深层特征提取两个模块和分类模块。首先,通过设计多层不同卷积核的卷积层,以实现浅层时-空特征提取;其次,将所提取的浅层时-空特征输入到双向GRU网络和注意力机制网络,进一步提取得到浅层-深层融合特征;最后,将浅层-深层融合特征输入到全连接层进行分类。使用DEAP数据集中76 800个脑电样本进行基于被试独立的留一交叉验证,在效价和唤醒度的维度上,跨个体、跨试次、跨时间的二分类准确率分别为96.95%和97.22%,比现有同类模型的最优识别性能分别提升3.53%和4.25%。另外,模型的性能也在MAHNOB-HCI和SEED数据集上得到验证。结果表明,提出的模型能有效地提取与情绪语义相关的脑电特征。