基于MMD心电域适应学习的分类模型

针对心电信号分类中的无监督域适应问题,提出一种域适应分类模型MMD-Net。将源数据和目标数据映射至再生希尔伯特空间(Reproducing Kernel Hilbert Space, RKHS),使用最大均值差异(Maximum Mean Discrepancy, MMD)度量二者在公共特征空间的差异,通过最小化该差异使分类器利用源域知识对目标数据进行分类,从而实现ECG模型的无监督域适应。在MIT-BIH心房颤动数据集和CCDD数据集上交替进行域适应实验,平均准确率分别达到了73.34%和70.75%,结果表明该方法可对目标心电数据有效分类。

镜像上肢康复机器人研究

近80%的脑卒中存活者会发生肢体残疾,其中以上肢问题影响更为剧烈。康复医学与机器人学、生物医学、人工智能等学科高度交叉的镜像康复机器人,是解决患者康复训练问题的前沿技术途径。针对基于镜像机理形成的康复机器人,研究分析了镜像上肢康复机器人的现状以及其中关键技术路线、核心实现方式,阐述了主要功能与技术特点。在此基础上,分析了在研究中存在的瓶颈问题,并提出相应的解决策略,以期为今后的镜像机器人研究提供方向。