上肢经肱骨截肢神经功能重建研究

表面肌电信号是一种安全、非侵入的电生理信息,作为实现直觉控制多功能肌电假肢系统的信息源而被广泛应用。由于经肱骨截肢者截肢的程度较高,残留的肢体肌肉少,缺乏足够的肌电信息源,无法实现多功能肌电假肢的直觉控制。目前现有技术是通过采用靶向肌肉神经功能重建的方法重建缺失肌电信息源。但目前国内尚未有关于截肢者残端神经功能重建方法的相关研究。因此,文章提出一种新型的神经吻合技术——目标神经功能替代术:采用靶向肌肉神经功能重建术与目标神经功能替代术相结合的方法,首次在国内对经肱骨截肢者成功实施了神经功能重建手术,成功建立了经肱骨截肢者神经功能重建模型,重建了因截肢而丧失的肌电信息。并采用高密度肌电技术对术前和术后的手-腕-肘部动作进行肌电信号采集,通过动作分类识别的准确率验证了该手术后肌电信息源重建的可靠性。这些结果初步验证了该方法可以为经肱骨截肢者残肢重建缺失肢体神经功能,并为直觉控制多功能肌电假肢提供潜在的信息源。

基于雪崩级联电路控制激光照明源的水下激光选通成像

基于雪崩级联原理研发了用于水下激光选通成像的MARX级联电路激光照明源。相对于普通激光驱动器,该MARX级联电路有输出脉冲窄、峰值高、上升沿短、重复频率高、成本低、体积小、质量轻等优点。采用级联电路研发的脉冲激光照明光源在实现ns量级脉冲宽度性能的基础上保持了照光源系统体积的小型化。该脉冲照明源结合激光整形及匀化光学技术进行了水下选通成像验证实验,在10 ns的脉冲宽度下,实现水下7倍衰减长度范围内的选通成像。该文涉及的电路、光学方面的改进对降低激光选通成像系统的体积、成本及实际应用具有重要意义。

基于残差网络的虹膜图像性别分类

生物特征的识别是计算机科学技术一个有吸引力的研究领域,虹膜作为一种软生物特征,具有唯一性、稳定性和防伪性等优点,从虹膜图像中识别一个人的性别在身份验证和安全监控等领域均具有广阔的应用前景。针对传统机器学习与浅层神经网络在虹膜图像性别分类中存在的不足以及卷积神经网络对图像特征提取的优势,提出一种基于残差网络(ResNet)的虹膜图像性别分类模型,采用ResNet结合迁移学习在ImageNet图像数据集上进行预训练。采用该模型在数据集上训练一个端到端的虹膜图像性别分类器,准确率达到94.6%。将训练好的模型与其他相关模型在相同的数据集上进行对比,结果表明该模型的测试精度与识别效率均优于其他模型。