模拟昆虫视觉-行为抉择的强化学习模型

视觉信息用于行为抉择的过程是一个极其复杂的脑信息处理过程,昆虫或动物对外界环境的学习是以价值来控制的,并可影响其行为抉择,研究这一过程对揭示人类自身脑运行机制有重要意义。文章在郭爱克研究小组果蝇实验提供的生物依据基础上,提出了一种模拟果蝇视觉-行为抉择的神经网络模型。该模型引入了价值和基于价值的强化学习算法,应用于输入视觉图像的强化学习,以此建立果蝇脑内多巴胺和蘑菇体对于抉择判断的价值体系。模拟的结果表明,该模型可以模拟果蝇视觉信息的学习和行为抉择过程,其结果与生物实验相符,同时也为机器人视觉信息控制行为抉择的应用提供了基础。

仿射投影算法中的步长控制

依据仿射投影算法均方误差(MSE)的最快收敛速度条件,对算法迭代过程中的步长进行控制,提出了一种新的变步长仿射投影算法(VSSAPA)。该算法使步长随着输出误差的变化而自动调整,从而降低稳态误差。将提出的算法应用于系统辨识,结果表明,与传统仿射投影算法和变步长仿射投影算法相比该算法具有更低的稳态误差和更快的收敛速度。

基于独立元分析的MEG(脑磁图)数据分析和处理

独立元分析(independent component analysis,ICA)可用于分离混迭的MEG(Magnetoencephalography)多通道信号中的信号源。从ICA分解的结果中消除干扰源和噪声,并将剩余分量投影回MEG多通道数据空间,可得到净化的MEG信号, 表示各个信号源的各独立元分别投影回多通道,可对各活动源进行空间定位。特别是,响应于外界刺激的诱发活动源亦可从重叠的MEG多通道信号中得到分离,这对脑功能研究及脑医学临床应用极有吸引力。提出了一个简单有效的基于ICA的MEG数据分析和处理方法,研究和分析了一些实际应用问题,特别是给出了听觉诱发响应的一些有意义的分析结果。

基于二阶C_0复杂度的癫痫发作预测

癫痫发作的预测是近年来在临床医学和神经系统科学研究领域中备受关注的问题。如果癫痫发作能够被可靠地预测,则可以提前采取有效的临床预防措施,从而能较大程度地改善癫痫患者的生活质量。文章提出了一种基于二阶C0复杂度的预测算法用于预测癫痫发作。该算法通过分析癫痫患者颅内脑电信号的二阶C0复杂度,利用发作前期复杂度曲线的变化特征预测癫痫发作。作者运用该算法对21组癫痫病人87次发作的临床颅内脑电数据和4组大鼠4次发作的颅内脑电数据进行分析计算,预测准确率分别为94.3%和100%。实验结果表明该算法可以有效地预测癫痫发作,具有潜在的重要临床应用价值。

基于独立元分析和非线性指数分析的脑电信号中伪迹分量的自动去除

脑电(electroencephalography,EEG)信号中不可避免地存在着眼动、心跳、肌电信号以及线性噪声等伪迹干扰,这些伪迹的存在极大地影响了脑电信号分析的准确性,因此在进行脑电信号分析前需要去除伪迹干扰。为了有效地去除伪迹,结合独立元分析和非线性指数分析,提出一种自动识别并去除脑电信号中伪迹分量的方法。该方法还可同时用于提取脑电信号中的基本节律如!波等。相应的模拟与实际脑电数据的实验结果表明所提议的方法具有很好的识别和去除脑电信号伪迹分量的性能。

基于混沌优化算法的多信号分类脑磁图源定位方法

如何利用实验测得的脑磁图数据准确定位脑磁图源的真实活动位置是脑功能研究和临床应用中的一个关键问题。在脑磁活动源定位问题中,多信号分类算法是被广泛研究和采用的一类方法。为了克服多信号分类算法及其改进算法——递归多信号分类算法全局扫描时速度太慢的缺点,提出了一种基于混沌优化算法的脑磁图源定位新方法。该方法利用混沌运动遍历性的特点估计目标函数的全局最大值,进行初步的脑磁图源定位;然后,在小范围内结合网格的方法,进一步进行精确的定位。实验结果表明,此方法可实现多个脑磁图源的定位,并且定位速度大大加快,同时又能达到所要求的定位精度。

基于粒子群优化算法的脑磁图源定位

脑磁图作为一种新型的脑探测技术,具有较高定位精度和毫秒级时间分辨率的特点。快速准确地利用脑磁图技术对三维空间中的脑神经活动源进行定位,对于脑功能研究和医学临床应用都具有重要的应用价值。可是,目前的脑磁图源定位广泛采用了多信号分类方法,它要求对三维大脑空间进行全局扫描,需要大量的计算,存在速度慢的缺点。针对这一问题,提出了一种基于粒子群优化算法的脑磁图源定位方法。先利用粒子群优化算法全局搜索能力强的特点寻找出目标函数的全局最优值,进行初步的脑磁图源定位;然后,再在小范围内进行小网格的搜索,进一步实现精确的定位。实验结果表明,基于粒子群优化算法的脑磁图源定位能够很好地解决上述问题,具有计算速度快、定位精度高的特点。

带约束的卷积语音信号频域盲分离方法

在实际的室内环境中,多通道的语音混合是一个卷积混合信号,在频域利用ICA进行分离时,不同频点上分解出的源信号的次序不确定,需要用后处理方法确定源的对应关系。提出了一种利用波达方向(DOA)作为约束条件的频域盲源分离方法,可以在线地解决频域中的次序不确定性,并且不需要已知传感器及源信号位置等先验知识。仿真结果表明,该方法能够有效地分离卷积混合语音信号,比现有相关的方法更精确。

基于独立元分析的脑磁图源定位

在脑磁图源定位问题中,通常感兴趣的是脑内众多神经活动源中的一个或几个,而传统源定位方法,如多信号分类方法,需要将所有源的位置都确定后,通过重组信号波形才能获得所感兴趣源的位置信息。为了提高定位效率,文章作者提出了一种结合独立元分析的脑磁图源定位方法。实验结果表明,该方法能加快定位的速度,同时能够在一定程度上克服噪声的影响,具有更强的抗噪声能力。

从CT数据到带纤维走向的全心脏有限元模型的建立

心脏计算机模型是研究生理/病理心脏功能及心律失常治疗方法的有力工具,心脏有限元解剖模型是构建各种心脏模型的基础。从病人的临床影像数据建立个性化的心脏有限元模型,可为临床诊断治疗提供极大便利。研究一种由人体胸腔CT影像数据建立全心脏有限元模型的方法,具体步骤包括:基于胸腔CT影像,通过MIMICS建立心脏解剖面片模型;根据HyperMesh修复面片模型,得到心脏实体有限元模型。由于心肌纤维走向与心脏的电/机械活动密切相关,在从影像数据重建心脏解剖结构之后,又特别研究心肌纤维走向确定方法。首先,利用规则库方法(rule-based approach)确定心室肌纤维走向;之后,在使用规则库方法的基础上,利用结构张量分析(structure tensor analysis)进行平滑滤波,得到心房肌纤维走向。为验证心肌纤维走向的正确性,分析使用该方法计算得到的巴克曼束、左心房后部、左上心房后部、房间沟等几个典型部位处心肌纤维方向与X轴的夹角,分别为4.97°±4.84°(均值±标准差)、111.99°±3.72°、178.89°±3.73°、86.48°±4.01°,符合文献报道的心肌纤维走向的观测结果。所提出的方法可从心脏影像数据构建包含心肌纤维走向的心脏有限元模型,为各类心脏建模仿真研究打下基础。

脑死亡与脑昏迷脑电信号的复杂度研究

脑死亡诊断是有关病人生死的重要问题。许多国家都把脑电平坦列为脑死亡诊断的基本条件,但研究发现并非所有的脑死亡患者均表现为脑电平坦,同时脑昏迷患者在部分情况下也会表现出脑电平坦的现象,从而有可能在临床中造成误判。C0复杂度判断指标能够利用脑电信号中的复杂度特性帮助临床诊断中对于脑死亡和脑昏迷状况的鉴别。运用C0复杂度算法对22位脑死亡和脑昏迷病例进行分析实验,可以发现脑死亡脑电信号的复杂度明显高于脑昏迷脑电信号的复杂度。实验表明C0复杂度可以用来有效地区分脑死亡和脑昏迷脑电信号,具有潜在的重要临床价值。

脑磁图神经活动源数目的估计

在脑磁图信号的分析中,正确估计出脑磁图神经活动源的数目是进一步分析脑磁图信号的前提。目前广泛采用的信息论方法和主成分分析方法都是根据特征值来确定源的数目,这两种方法在源数目较多、噪声较强的情况下,会导致误判。该文提出了一种噪声调节自动阈值的脑磁图源数目判断方法,利用基于噪声调节的主成分分析并结合聂曼-皮尔逊准则对脑磁图源数目进行估计。同时,该方法采用了基于小波的噪声方差估计,实现了脑磁图信号中噪声方差的精确估计。通过对基于信息论方法、主成分分析方法以及该文所提议方法的实验结果的比较,表明该文所提议方法能更准确地估计脑磁图源数目,特别是在源数目较多、信噪比较小的情况下,仍能准确地估计脑磁图源数目,具有较大的实际意义。