用瞬态诱发耳声发射信号识别听神经病

听神经病是一种特殊的感音神经性耳聋,目前对其病变部位和发病机理的认识仍有争议,诊断方法也较为复杂。该文探讨利用瞬态诱发耳声发射(TEOAE)信号识别听神经病的可行性。采用前馈神经网络,以TEOAE信号的自回归模型功率谱为特征,对正常耳和听神经病耳的TEOAE信号进行分类识别,总正确率可达88.67%,说明了利用TEOAE信号对听神经病进行识别的可行性。该方法对听神经病的识别具有一定意义,若应用于新生儿听力筛查中,将有助于降低新生儿听神经病的漏检率。     

电子耳蜗植入聋儿手术初探

我省现有７周岁以下聋儿３０万名，其中大多数为双耳重度或极重度感音神经性聋。由于目前还没有治疗感音神经性耳聋的有效药物，因此，这些聋儿一般选择配戴合适助听器以补偿听力，让聋儿接受语训开口说话。但是其中一部分聋儿因听力损失严重，使助听器助听效果极差。目前，一种代替正常耳蜗转换功能的人工装置──电子耳蜗使这些生活在无声世界的聋儿重新有了康复希望。电子耳蜗又叫人工耳蜗，是一种把声音信号换成电信号的特殊声电能装置，它能绕过损伤的内耳后细胞，直接刺激听觉，将听觉信号送到大脑，为重度或极重度聋的成人或儿童提供…     

用小波变换去除瞬态诱发耳声发射信号刺激伪迹的方法研究

为去除瞬态诱发耳声发射信号中的刺激伪迹 ,在不降低信噪比的同时保留瞬态诱发耳声发射信号中的有用信息。论文采用小波变换的方法 ,分解了人耳物理模型中通过线性累加所获取的数据 ,找出了在不同刺激强度下 ,刺激伪迹所在的尺度、时间段及去除刺激伪迹的方法 ,然后将此法用于去除受试耳中记录到的信号的刺激伪迹。与导出的非线性响应方法相比 ,此方法不但有效去除了记录信号中的刺激伪迹 ,而且在不降低信噪比的同时保留了瞬态诱发耳声发射信号的有用信息。此方法为进一步研究耳蜗功能和研究耳声发射机理及临床应用起了推动作用     

不同脑负荷脑电特征的近似熵表征研究

目的研究不同生理状态下的脑电特征(EEG)。方法利用一种度量时间序列复杂性的非线性统计方法——近似熵(ApEn)方法。结果近似熵能够有效地反映脑电信号的变化情况。结论近似熵是一种值得重视且很有发展前景的复杂性分析方法。     

应用耳声发射技术开展新生儿听力筛查1716例初步分析

目的:探讨新生儿听力筛查的影响因素及重要性。方法:利用瞬态诱发耳声发射(TEOAE)在出生后72小时,对1716例新生儿进行听力筛查,对性别,耳别通过数据进行统计学处理,初筛未通过的进行复诊,复诊未通过者,建议进一步检查明确诊断。结果:通过控制测试时机,测试环境,测试技术等外在因素对通过率的影响外本次实验发现耳别与TEOAE通过率间有非常显著统计学差异(P<0.01),而性别与TEOAE通过率间无统计学差异。初筛通过率为88.5%(1519/1716)。复检通过率为95.2%(140/147),其中50人失访。再次未通过者进行电话随访,3例确诊为先天性感音神经性耳聋,4例正常。结论:耳别对TEOAE筛查通过率有影响。新生儿听力筛查是必要的,重要的。     

小波包近似熵特征的机动车声识别方法

为了提高复杂背景噪声环境下的车型识别准确性,该文基于近似熵理论,对机动车行驶中辐射的声信号进行了研究。近似熵具有抗干扰能力强的特点,可用于提取动态背景噪声下机动车声信号的车型特征信息。首先,对声信号进行3层小波包分解;然后,利用近似熵量化第3层上各子频带信号的不规则性,描述各频带之间不同的变化趋势并作为目标车辆的声特征。为了提高分类有效性,将分解后的8个子频带信号的近似熵邻比值作为信号的特征向量,并基于支持向量机分类器实现了车型识别。分别在正常和有风两种气候条件下进行了实验,基于小波包近似熵的车型特征均获得了较为理想的分类精度。实验结果显示,小波包近似熵特征能有效地应用于机动车的声识别且对气候的影响具有一定的鲁棒性。     

基于局域波近似熵的声发射信号处理

将近期发展的局域波法和近似熵法相结合应用于声发射信号的特征提取中.首先,将声发射信号进行局域波分解,得到自适应的基本模式分量;然后对各基本模式分量计算近似熵,描述各基本模式分量的复杂程度,监测声发射信号的发生和发展,量化声发射信号的特征.通过预制裂纹钢管静载实验,分析计算了钢管裂纹声发射信号的各基本模式分量的近似熵,表明局域波法与近似熵相结合的方法可以有效地提取声发射信号的特征,从而为声发射信号特征提取提供了一种新方法.     

瞬态诱发耳声发射信号的定量分析

为探索在瞬态诱发耳声发射 (TEOAE)检测中 ,耳声发射信号的强度、信噪比、频段相关率等定量指标的有效算法 ,论文采用频域相干谱法对 TEOAE信号进行频段相关率分析 ,克服了传统带通滤波器法受滤波器性能影响的弊病 ,有效地解决了从频域衡量时域波形相似性的问题。同时采用基于信号差互谱分析的方法来计算 TEOAE信号的强度、总信噪比及频段信噪比。近 2 0 0例临床 TEOAE实测结果表明 ,由这些算法得到的定量指标是临床诊断的有效依据 ,因而这些算法是 TEOAE定量分析的有效方法。     

可产生耳声发射的耳蜗非线性传输线模型

耳声发射是近年来耳科学领域很受重视的研究课题。本文的目的是从生理系统的仿真与建模的角度研究耳声发射的产生机理。基于电声学等效关系，本文给出了耳蜗的一维非线性传输线模型。该模型中引入非线性受控源做为耳声发射信号的产生源。计算结果表明，该模型除具有与耳蜗生理基本一致的选频特性外，还可成功地仿真两种重要的耳声发射信号、瞬时诱发耳声发射（ＴＥＯＡＥ）及变调失真耳声发射（ＤＰＯＡＥ）。     

耳聋胶囊治疗纯音听阈呈感音神经性聋的分泌性中耳炎患者的临床疗效观察

目的:探讨耳聋胶囊对治疗纯音听阈呈感音神经性聋的分泌性中耳炎患者的作用。方法:将电测听表现为感音神经性聋的71例分泌性中耳炎患者分为耳聋胶囊治疗组(51例)及临床对照组(20例),耳聋胶囊治疗组在常规治疗的基础上加用耳聋胶囊口服,观察两组患者治疗前后纯音听阈的变化情况。结果:耳聋胶囊治疗组治疗效果优于临床对照组,差异(P<0.05)有统计学意义。结论:耳聋胶囊治疗对呈感音神经性聋的分泌性中耳炎有提高听力的治疗作用。     

老年性痴呆症患者的EEG近似熵特征初探

老年性痴呆症是一种后天获得性中枢神经系统退行性疾病，严重地危害着人们的身体健康和生活质量，为了探索老年性痴呆症脑电图中隐含的信息，对老年性痴呆症患者和健康对照者的脑电图（EEG）近似熵进行分析，并绘制其脑电脑电信息图，对照健康人，发现患者EEG近似熵普遍下降，尤以右额叶，颞叶区显著，提示EEG近似熵与大脑功能状况有一定联系，在一定程度上可以反映大脑功能状态。     

信息熵通过系统变化规律的研究

对孤立热力系统中的不可逆过程，热力系统熵自发不可逆地增加；而对自发进行的物理变化过程，物理场熵是减小的。迄今，信息系统中信息熵的变化规律尚不十分明确。对此进行研究，得出结论：带限平稳正态随机信号通过因果最小相位线性系统后，熵可增加或减小，可用线性逆系统使熵可逆变化；平稳非正态独立同分布随机信号通过因果非最小相位线性系统后，熵恒增加，并趋近平稳正态信号，使熵趋于最大。原线性系统不能使熵可逆变化，亦不     

噪声对混沌系统近似熵的影响

以Logistic方程描述的离散系统和Lorenz方程描述的连续系统为例,采用白噪声和无噪声信号以不同的信噪比混迭而成数据的方法,分析了相同数据长度N,不同信噪比下,混沌系统近似熵的变化;相同信噪比,不同数据长度对系统近似熵的影响.结果表明:在相同数据长度N下,随着信噪比的减小,系统近似熵呈不断增长的趋势;信噪比相同情况下,在一定范围内改变数据长度N,对系统近似熵影响不大.     

VP型宽频带倾斜仪故障信号的BBA-SOM智能诊断

针对现有VP型倾斜仪故障诊断主要依靠人工经验和诊断流程较为复杂的问题,提出以互补集合经验模态分解(complete ensemble empirical mode decomposition, CEEMD)多尺度近似熵和二进制蝙蝠算法(binary bat algorithm, BBA)优化SOM神经网络参数的VP型倾斜仪故障诊断新方。首先,将归一化后的仪器故障信号进行CEEMD分解,对6阶本征模态函数(intrinsic mode function, IMF)求取多尺度近似熵值;然后将网络输入法按比例分为训练集和测试集,以训练集的识别率为适应度函数,应用二进制蝙蝠算法(binary bat algorithm, BBA)优化SOM神经网络的竞争层维数和网络训练次数;最后应用上述得到的BBA-SOM网络模型对倾斜仪故障特征数据进行辨识。实验表明：CEEMD多尺度近似熵判据对倾斜仪故障特征的区分效果符合预期;相对于朴素贝叶斯、AdaBoost集成学习与LDA等学习模型,BBA-SOM模型可以准确进行故障诊断;该方法对实现VP型倾斜仪故障的自动诊断有重要现实意义。     

K-means聚类神经网络分类器在睡眠脑电分期中的应用研究

利用近似熵的方法对睡眠EEG信号进行分期,但睡眠Ⅲ期和Ⅳ期近似熵值非常接近,靠近似熵值无法区分,对分期结果中的Ⅲ期和Ⅳ期EEG信号进行AR(自回归)建模,作为该段EEG信号的特征属性,利用K-means聚类的神经网络分类器对睡眠Ⅲ期和Ⅳ期进行分期,达到了很好的分期效果.     

水稻不同生育期对模拟螟害补偿作用的研究

采用生育期与枯心率随机区组排列、人工模拟螟害试验．试验结果表明,水稻在低叶位时比高叶位的分蘖补偿能力大;随着生育期增大,随着模拟枯心率增大,每株有效穗呈逐渐减少趋势;水稻增大实粒数和千粒重来达到产量补偿,并且其补偿率随叶龄的增大而增长．产量是补偿能力的综合体现,低叶龄期受低螟害,水稻对产量损失有补偿能力     

边坡稳定可靠度分析的新型四阶矩法

提出了一种边坡稳定可靠度分析的新型四阶矩计算方法.该方法将均匀设计法、径向基神经网络技术和最大熵原理相结合对边坡进行可靠性分析.采用均匀设计法确定粘聚力和内摩擦角的网络训练样本空间,并采用基于有限元的强度折减法计算样本空间中样本所对应的边坡安全系数.利用这些样本及对应的安全系数训练径向基神经网络.利用训练好的神经网络获得满足统计数量要求的边坡安全系数,并计算边坡安全系数前四阶矩.利用最大熵原理得到边坡安全系数的概率密度函数近似表达式、边坡失效概率以及相应的可靠指标.该方法的计算结果与蒙特卡罗法的计算结果对比表明该方法具有较高的精度.     

NICU窒息新生儿听力筛查

目的：通过对新生儿重症监护病房（NICU）窒息新生儿进行听力筛查,研究窒息对新生儿听力的影响。方法：对我院2005年10月至2006年12月期间NICU收住的窒息新生儿使用畸变产物耳声发射（DPOAE）模式进行初筛,对初筛未通过者用DPOTE＋听脑干反应（ABR）进行复筛,复筛未通过者进行听力学评估及确诊。筛查于病情平稳后进行。结果：共筛查159例共318耳。初筛率和复筛率分别为100%和89.7%;初筛结果单耳阳性有26例26耳,双耳阳性有32例64耳,初筛阳性率为36.5%;复筛结果单耳阳性的1例1耳,双耳阳性9例18耳,失访6人,复筛阳性率19.2%;确诊8例,听力障碍发病率为5.61%。结论：①对NICU窒息新生儿进行听力筛查,DPOAE和ABR相结合的方法是一种可靠、可行的筛查方法。②本研究中,NICU窒息新生儿听力障碍发病率为5.61%。