RM6240BD多道生理信号采集处理系统在动物生理学实验教学中的应用

RM6240BD多道生理信号采集处理系统是一种集数字信号处理技术、生物信号采集、放大、显示、记录、分析于一体的多媒体系统，其功能强大，操作灵活。将该系统应用于动物生理学实验教学中，其功能得到了很好的发挥，现已成为一种有力的实验教学辅助工具。

多通道生理信号采集处理系统软件-VB实现

多通道生理信号采集处理系统能对人体生理信号实时采集,分析处理并实时显示,结果准确可靠.根据系统硬件电路原理,讨论了怎样使用V isual Basic 6.0语言对该系统进行配套软件设计,给出了设计的整体思路和具体流程,并对涉及的具体问题进行了分析说明.

基于生理信号的情绪识别腕戴设备

针对情感计算需求,设计了一种基于STM32L0的低功耗生理信号采集腕带设备,利用低功耗蓝牙无线通信将采集的生理信号实时发送至具有蓝牙4.0接口的智能设备端,采用BP神经网络对生理信号进行分析处理。实验结果表明,该设备可实现准确的心率、皮肤温度、皮肤阻抗、运动状态检测,通过多维度的生理信号分析,识别个体的情绪状态,其中紧张、中性、兴奋的识别率达到95%以上,为情感计算提供一种可穿戴设备。

基于异步芯片的多模态神经生理信号采集技术

心理生理计算目前主要基于同步芯片的神经生理信号采集技术进行分析研究,而人体神经生理活动表征具有异步属性,同步采集技术无法精准、实时和高效地刻画人体神经生理信号活动规律。如何低功耗、低冗余、实时精准地采集异步多模态神经生理信号成为心理生理计算首要解决的难题。针对这一难题,本文以研究微观神经生理活动规律和宏观心理生理活动为目的,解决异步多模态生理信息采集方案和相匹配的被动生理信号传感技术的设计难点,设计研发了首款异步生理信号处理芯片,该芯片具备低功耗、高精度时序、高性能计算和抗干扰的特点。最后展望了该芯片在脑科学和类脑计算领域的应用前景。

RM6240多道生理信号采集处理系统在机能学实验中的应用

RM6240多道生理信号采集处理系统作为一种新型医学实验设备,其操作简便、实用、便捷、自由扩增以及完全开放等优点,有利于实验教学的顺利进行。目前,该系统已成为一种有力的机能学实验教学辅助工具。

基于脑肌电混合脑机接口的中风康复系统设计与实现

脑机接口可以帮助人们实现用思维活动控制外部设备,常用于中风患者康复训练中.然而,传统的脑机接口系统往往忽视了运动执行的序贯信息和大脑与肌肉的关联.本文通过引入肌电这一动作执行的直接体现,设计了一个基于脑肌电混合脑机接口的中风康复系统.该系统可以分析脑电和肌电信号的相关性数据,得到动作的序贯表示,并带动一个外置的机械手执行代偿运动.本研究涉及的系统主要由一个本地web应用Django来实现,可以方便中风患者在家用电脑上进行康复训练,并取得更好的康复效果.

徽州透雕门窗雕刻纹样的视觉评价

以甄选出的16种徽州透雕门窗代表性纹饰作为测试样本(选择依据是根据徽州古民居透雕门窗纹饰出现频率较高,特征较鲜明进行的初步筛选,然后在此基础上根据雕刻主题纹饰进行的分类选择),使用RM6280多道生理信号处理系统进行了眼电生理指标测试。为了测试的合理性,同时对这组图片进行了客观测试。主客观测试结束后根据每组测试数据进行了单项图表评价和综合评价。视觉评价结果显示,受试群体明显偏爱造型简约、抽象、灵动、虚实对比强烈的木雕纹。

咬合动作相关肌电对稳态视觉诱发电位的典型频率影响

目的基于稳态视觉诱发电位(steady-state visual evoked potential,SSVEP)和肌电(electromyography,EMG)的组合是广泛使用的混合BCI模式。而对于那些只能控制面部肌肉的使用者,咬合动作相关面部肌电通常与SSVEP结合使用。本研究探讨了下颌咬合相关肌电对枕部电极采集到的SSVEP的干扰情况,进而寻找即使在咬合动作下也可同时进行SSVEP识别的刺激频率。方法根据咬合类型,实验分为3个模式组(无咬合、短咬和长咬合)。在每组模式中,受试者同时注视3个闪烁在6.2 Hz、9.8 Hz和14.6 Hz视觉刺激目标。收集枕区4个位点的SSVEP后观察了在3种咬合模式下,各个闪烁刺激的SSVEP响应频谱,并利用典型相关分析方法识别了SSVEP信号,最后统计了准确率。结果当刺激频率低于20 Hz时,即使有以上2种咬合动作,仍然可以避免其对SSVEP的干扰。根据这些信号的频域特征依然可以识别SSVEP。另外,在咬合动作下进行稳态视觉刺激时,SSVEP的识别率仍然很高(无咬合动作:100.0%,短咬:94.7%,长时间咬合:100.0%)。结论通过合理的频率选择和信号处理,即便下颌咬合动作和SSVEP刺激同时发生时,仍可将咬合动作对稳态视觉诱发电位的影响降低,而且达到较高的识别准确率。

M-6240HJ型四道生理信号系统的安装与调试方法

对RM-6240HJ型四道生理信号采集处理系统的安装与调试方法做一介绍。

心肌梗死大鼠模型制备方法的研究

目的探索建立急性心肌梗死大鼠模型制备方法,进而可以明确在急性心肌梗死模型中发生显著变化的指标,挖掘具有临床诊断价值的新的生物标志物,探讨其在临床诊断方面应用的前景以及与急性心肌梗死发生机制的关系。方法在未对大鼠进行气管插管术的情况下,借助RM6240系列生理信号采集处理系统和HX-300动物呼吸机辅助,通过结扎冠状动脉左前降支建立急性心肌梗死大鼠模型。结果结扎冠状动脉左前降支后,左室前壁心肌组织变苍白,收缩减弱。并结合心电图R波振幅增加,ST段升高等表明急性心肌梗死大鼠模型建立成功。结论此次研究无需对大鼠进行气管插管术,成功建立了急性心肌梗死模型,提高了模型制备的成功率和存活率,为该疾病的诊断和治疗提供可信的基础数据。

深度学习方法在睡眠呼吸暂停检测中的研究进展

睡眠呼吸暂停综合征是一种由上气道部分或完全阻塞引起的常见睡眠呼吸系统疾病,易诱发高血压、冠心病等心脑血管疾病,对人们的睡眠质量以及身心健康具有严重影响。近年来,深度学习方法在睡眠呼吸暂停检测中的应用研究受到了越来越多的关注。为推进基于深度学习的睡眠呼吸暂停检测技术的研究发展,论文对当前主流的基于深度学习的睡眠呼吸暂停检测方法进行了系统梳理和总结,介绍了常见的睡眠呼吸暂停检测公开数据集,给出了基于深度学习睡眠呼吸暂停检测方法演化发展过程,综述了近年来深度学习方法在睡眠呼吸暂停检测中的研究进展,分析了典型方法的思路和特点,给出了典型方法的实验比较,最后给出现阶段研究所存在的问题,并对未来研究及发展趋势进行了展望。