预期性姿势调节重建卒中后高效运动的机制及方案

脑卒中后上肢运动功能的康复是临床治疗的难点之一。良好的姿势控制和高效运动离不开预期性姿势调节(APAs)的作用,目前训练卒中后上肢功能的方法繁多,但较少关注整体姿势的控制。本文阐述了APAs在上肢运动功能训练中的重要性,并提出相应精细化进阶的训练方案,以期为卒中患者恢复高效运动提供新思路。

虚拟现实在脑卒中康复中的应用及展望

脑卒中是我国各种死亡原因的第一位,并且发病率逐年上升,75%的脑卒中患者遗留不同程度的功能障碍。虚拟现实(VR)技术是一种新兴的极具潜力的康复技术,与传统康复治疗方式相比具有低成本、高沉浸感、高参与度、趣味性与安全性的优点。近年来,研究聚焦VR技术在脑卒中后运动、认知功能方面的应用并且证实二者间相互影响,但机制尚未明确,VR技术有望应用于脑卒中后运动、认知功能方面的机制以及高级运动认知的相关研究。本文就近年来VR技术在脑卒中康复中的应用进展进行综述,为推广并加深VR技术在康复医学领域的运用提供参考。

基于卷积神经网络的微地震初至拾取

微地震初至拾取是微地震领域的核心问题之一,有效信号初至拾取的正确与否,直接影响到后续数据处理的精度.考虑到人工拾取初至费时、费力,而传统的自动拾取方法又非常依赖于自身参数的设置,受主观因素影响较大,因此将深度学习中卷积神经网络(CNN)结构引入到微地震数据处理中.针对微地震波形信号的特点和初至拾取的要求,搭建合适的CNN模型,以已标注好初至波到时的合成和实际微地震信号作为数据集样本,对模型进行训练测试,得到拾取效果最优的网络模型.该方法只需输入预处理后的原始微地震波形信号,就可以直接输出信号初至时间.与传统自动拾取方法相比,该方法具有拾取流程简单、运算时间短、拾取效率高等特点.使用训练好的网络模型分别拾取待检测的合成微地震信号和实际监测信号的初至波到时,结果表明基于CNN的初至拾取方法可以在短时间内较为准确地拾取微地震信号初至.