基于累积运动能量图像的人体动作识别

指出了动作识别中的最大困难是难以提取有效的特征来准确描述人体的动作,动作模板是众多方法中的一种简单有效的方法,用来描述动作特征的经典动作模板是运动历史图像.由于受噪声的干扰,用运动历史图像描述复杂环境下的人体动作并不十分理想.为了得到比运动历史图像更加有效的动作模板,提出了将视频序列中的运动能量信息用一张图描述出来,称之为累积运动能量图像,提取其直方图特征来表征人体动作.经You Tube数据集上的实验表明:该累积运动能量图像的识别率比同类方法高.     

印防己毒素在不同类型突触分泌中的作用

为探讨印防己毒素(PTX)阻断抑制性自发和诱发的神经递质释放浓度是否存在差异,以及这些差异是否具有脑区特异性,采用鼠脑皮层神经细胞和海马神经细胞作为实验材料,在外液中加入不同浓度的PTX,分别记录了m IPSC的频率和e IPSC的幅值.结果发现:PTX作用于自发性神经递质释放的半抑制浓度(IC50)显著小于诱发性神经递质释放的,说明自发神经递质释放对于PTX的作用更为敏感.但是皮层细胞和海马细胞之间各项参数的差异较小,说明PTX在各脑区中的作用浓度相似.因此,PTX阻断抑制性神经递质自发释放和诱发释放可能有不同的机制,但并不具有脑区特异性.     

细胞内Ca~(2+)对可释放囊泡库的影响

目的:探讨细胞内Ca~(2+)对可释放囊泡库的影响.方法:取体外培养成熟的新生鼠大脑皮层神经元细胞,分别对正常细胞、去除细胞外Ca~(2+)的细胞、同时去除细胞内外Ca~(2+)的细胞,记录微小型兴奋性突触后电流(mEPSCs)和微小型抑制性突触后电流(mIPSCs),观察兴奋性和抑制性突触可释放囊泡库(RRP)大小,研究细胞外和细胞内Ca~(2+)对细胞胞吐的不同影响.结果:去除神经元细胞外Ca~(2+)和细胞内Ca~(2+)均对mEPSCs和mIPSCs的电流频率有抑制作用,细胞外Ca~(2+)对RRP大小并无显著影响,而去除细胞内Ca~(2+)可引起细胞内RRP的显著降低.结论:细胞内Ca~(2+)可影响RRP的维持.     

Complexin蛋白通过C端序列加速突触形成

为探究complexin对小鼠大脑皮层神经元生长的影响,将过表达的complexin及突变体导入小鼠大脑皮层神经元.利用共聚焦显微镜对神经元进行免疫荧光成像并利用Image J对突触的密度及平均大小进行分析.结果表明:过表达complexin后,突触密度上升而平均大小无明显变化;去除complexin的C末端后,能明显抑制由其带来的突触密度上升,但去除N末端却没有相同的效果;改变complexin的定位与过表达complexin的作用相同.说明complexin能促进小鼠大脑皮层神经元的生长,这种功能可能来自于它的C末端本身,与complexin的定位无关.     

稳定表达绿色荧光蛋白的HEK293T细胞的构建

为探讨绿色荧光蛋白(GFP)在传代细胞中是否能随细胞的增殖稳定表达,构建稳定表达GFP的细胞系统,选取HEK293T细胞,使用第三代慢病毒包装系统,包装表达了GFP的慢病毒,然后用包装好的慢病毒去侵染HEK293T细胞.通过细胞成像技术统计了不同代数细胞的荧光强弱并计算细胞形态大小,利用膜片钳记录了HEK293T细胞的电流-电压(I-V)曲线.实验结果显示,GFP能随细胞的增殖稳定表达,被慢病毒侵染后的细胞的形态及基本电生理活动与正常细胞相比,没有产生显著差异.     

隐秘信息的脑电检测

为揭示疑犯隐藏的真实信息,检测隐秘信息的脑电,设计了一个猜测受试者真实名字.结果表明:在个体对不同自我相关程度名字产生刺激,在刺激出现后的300～600 ms内,本人名字诱发的正波幅值大于陌生名字刺激.通过小波变换提取特征,用支持向量机进行训练和分类.在进行5个试次叠加平均后,采用PO3通道可将自己的名字分类成功,5位被试平均正确率达98%,该方法可应用于个体隐秘信息的脑电检测.     

基于多参数MRI的前列腺癌计算机辅助检测方法

在前列腺癌的诊断过程中,候选病灶的检测是一项重要步骤,该步骤有时由医生手工完成,这会带来一些问题.为了实现候选病灶的自动检测,训练了一个分类模型用于自动检测候选病灶.获取候选病灶之后,病灶区域的各类特征被用来表征候选病灶,其中,纹理特征在诊断过程中已经被证实是有效的,为了进一步提升性能,仍然需要候选病灶的更高水平的特征.因此,设计了新特征来描述候选病灶:病灶-凸包比,为了证实该特征的有效性,设计了实验:在加入新特征之前和之后分别测试计算机辅助检测方法的性能.实验结果表明,所设计的新特征有助于提升该方法的性能.     

基于3D卷积神经网络的IR-BCI脑电视频解码研究

采用3D卷积神经网络模型,对脑电信号进行解码研究,旨在挖掘其深层的特征表达,以提高脑-机接口系统的性能.实验在获取"模拟阅读"脑-机接口系统的多维脑电信号后,将原始的通道特征构建成"脑电视频"的格式.其构造方法为:将通道按实际空间排布为二维矩阵,这样某时刻的多通道采样点在空间上形成一个"视频帧",这些空间信息在连续时间帧上的堆叠,形成"脑电视频".这种自然表达信息的方法,不仅包含大脑的空间分布信息,还反映了时间信息的关联,丰富了数据所包含的事件相关信息.借鉴图像领域特征学习的"局部感受野"和"权值共享"思想,搭建了自主学习脑电信号特征的3D卷积神经网络模型,将已打标签的脑电视频数据对模型进行训练,之后对测试集进行测试.与经典的卷积神经网络和传统的最佳单通道算法相比,分类正确率有了进一步的提高.实验表明,基于脑电视频的3D卷积神经网络能够更有效地学习脑电特征,改善了模拟阅读脑-机接口系统的性能.     

基于ICA和极限学习机的模拟阅读脑电特征分类

为了有效地提取N2-P3成分,利用ICA对脑电数据进行盲源分离,自动提取N2-P3成分;同时为了克服传统方法如支持向量机、神经网络训练时间长、个别识别准确率不够高的缺点,选择极限学习机作为分类器.在模拟阅读实验范式下,记录了7名受试者的脑电数据,利用ICA分别对每名受试者的高维脑电数据进行盲源分离,提取出N2-P3成分,以此作为靶特征,并与非靶特征一起放入极限学习机分类器进行分类.训练得到7名受试者的训练时间和分类准确率,并与支持向量机进行了比较.结果表明:经过ICA特征提取后,使用极限学习机进行分类,该分类器学习速度快,泛化能力强,训练时间大大减少.在分类准确率上,ICA+ELM的分类准确率较传统的最佳单通道+SVM有较大幅度的提升,从后者平均的82.4%提升到了97.7%.