婴儿监护系统中的音视频检测处理

婴儿监护系统的音视频监护部分主要要求实时的音视频图像显示、压缩、存储和异常情况的检测和报警．介绍了系统的音视频实时处理实现的主要技术，着重讨论了啼哭声音检测报警和婴儿纵向移动的异常情况报警方案，为防止婴儿在床上移动产生误报，提出两级视频图像运动检测的方法．     

一种改进的点模式指纹匹配方法

自动指纹识别因其在身份认证方面所具有的方便、快速、准确等特点而得到了广泛的关注，而指纹匹配算法的研究又是其中一个非常重要的研究内容．针对基准点定位困难的问题，提出了一种根据特征点集合中3个近邻点所组成的子集之间的相互关系来确定基准点以及变换参数的算法．实验结果证明，该算法可以快速、准确的定位基准点，精确求取变换参数，指纹匹配的速度和准确率可以满足实际应用的需要．     

16导脑电信号分形强度的交叉分布

通过分析人闭目觉醒时的16导脑电信号(EEG)的多重分形特性, 发现人脑16导EEG信号具有不同强度的分形特性且存在稳定的分布现象, 强弱分布表现为在人脑的左右对应区域强弱相对、同侧相邻区域强弱交叉; 顶区、额区、前颞区、后颞区的左右对应区信号的分形强度左强右弱, 且左右差别较大; 在枕区、中央区、前额、中颞区分形强度右强左弱, 且左右差值较小. 通过对40名病人和10名健康人的分析和对比, 病人组和健康组的对应导联信号的多重分形强度虽然不同, 但其强弱分布的关系是不变的. 同一导联信号相比, 精神分裂症和抑郁症病人各导信号的多重分形强度大于健康人, 这表明人脑EEG信号的多重分形强度在诊断人脑非正常状态有潜在的应用价值.     

自动指纹识别系统预处理技术及细节特征提取算法的研究

指纹图像预处理是自动指纹识别系统(AFIS)的关键步骤,它的好坏直接影响到整个系统的速度和准确率.详细介绍了预处理过程中指纹图像与背景分离、方向信息提取、纹线提取、二值化、细化,以及细节特征提取等关键技术.在这些模块中,提出了一些改进算法和新的思想.根据人指纹本身是一个曲面结构的特点,采用一种自适应的局部阈值分离方法,解决处于不同深浅区域的指纹图像均能有效地同背景分离;提出了一种改进的、基于非彻底细化图像的细节特征提取算法,在不对纹线进行任何处理的情况下,直接从细化指纹图像上提取原始细节特征点集合,并针对各种噪声产生的伪特征点进行修复;另外,还介绍了一种基于灰度纹线跟踪直接提取指纹图像细节特征的新方法,并与传统算法进行了比较.这种方法不经过二值化、细化等过程,能显著减少预处理带来的累计误差,加快处理速度,在一定程度上提高了准确率.实验证明,以上算法行之有效,在实际应用和严格测验中取得了较好的效果.     

同步12导联ECG信号的Lyapunov指数谱

采用分布式多传感器（电极）研究了同步12导联常规心电信号（electrocardiogram,ECG)的Lyapunov指数谱（Lyapunov spectrum)，研究结果表明，不论健康人还是具有窦性节律的冠心病人（coronary artery disease,CAD)，从不同位置提取的心电信号得出的Lyapunov指数并非一个常数，而具有分布特性，所有导联的ECG信号的最大Lyapunov指数L1均为正数，其余指数为负，心电信号表现出明显的混沌特征，同一导联相比较，冠心病人的L1低于健康正常人的L1，L1可以将冠心病人与健康正常人区分开来，在心脏疾病诊断中具有潜在的应用价值。     

小型化体外冲击波碎石机

本文介绍了一种新型的使用B型超声波检测仪定位的小型化体外冲击波碎石机。利用该机成功地进行了正规的动物实验,对184例泌尿系结石病人进行了治疗,成功率为97％,它可与大型碎石机相媲美,并且该机成本低,操作方便,受到了医生和病人的欢迎。     

不同思维模式下的脑电奇异谱分析

人脑是极为复杂的系统,脑电(EEG)是脑内大量神经元电活动合作与竞争的综合反映,由局部和非局部频率分量构成,这些局部分量与特殊的内在神经网络状态紧密相关,在宏观上反映了脑的机能状态.脑电信号的非线性分析是近年出现的一种脑电分析方法,它反映了大脑处理信息活动的有序程度,为研究大脑高级认知活动提供了新的思路.越来越多的研究表明,传统的非线性动力学方法采用单一的参数不能充份描述脑电信号的复杂行为,多重分形用一个谱函数从不同层次描述了分形体的整体生长特征,采用多重分形方法描述系统的非线性动力学行为能够得到更多的信息.本文对不同思维模式下脑电的多重分形特性进行分析,发现EEG的奇异谱在不同的思维状态下具有差异.进一步对这种差异进行统计分析表明大脑思维的EEG多重分形特性受到人脑的思维方式的影响,EEG多重分形奇异谱强度分布反映了大脑思维模式的差异.     

基于类拐点特征向量的多层次指纹分类新方法

自动指纹识别技术是利用人类指纹的唯一性,通过对指纹图像的采集、细节特征提取并与样本库数据相比较的过程来实现指纹识别的技术.首次定义并成功提取了一种反映指纹方向场变化特点和规律的新特征向量,即类拐点特征向量.利用这一新的特征向量和从类拐点中抽取出来的指纹核心点为分类特征,以多层次树结构为分类策略,使不同类型的指纹在不同层次、不同特征空间都线性可分,从而分别获得最大的类间距离而最小的类内方差.在高维数比率样本测试条件下,分类的准确率达到99%以上,并且对低质量指纹图像具有良好的鲁棒性,从而真正实现了准确一致而又精细的指纹实时分类,具有很强的实用性和一定的推广价值.     

心跳间隔增量序列的多尺度分析及临床应用

通过对心跳间隔序列、心跳间隔增量序列的多尺度熵和多尺度标准差分析, 发现心跳间隔序列的多尺度熵主要反映年龄对心脏活动水平的影响, 不足以作为区分充盈性心衰的诊断依据. 然而, 心跳间隔增量序列的多尺度熵分析却显示充盈性心衰和房颤患者心率变异性的复杂性较健康人有显著降低, 揭示两种疾病的心率变异性有着共同的潜在动力学性质. 提出了以心跳间隔增量序列在尺度4下的样本熵作为充盈性心衰和房颤的诊断依据并给出了参考值. 通过分析不同心功能分级对结果的影响, 发现即使是轻度心衰也能显著区别于健康人, 意味着该参数可以用于心衰的早期诊断.