环境污染对人体健康的影响

<正> 由于客观环境的多样性和复杂性以及人类特有的改造和利用环境的主观能动性,使环境与人类呈现着极其复杂的关系。许多疾病与环境因素(大气、土壤、水、居住条件等)有着密切的关系。深入研究环境污染与人体健康关系的规律,对于更好地利用环境因素,有目的地防治污染、预防疾病有着十分重要的意义。     

铅污染对人体健康的影响

铅是一种金属元素。远在东晋炼丹术家们就认识了铅，并把铅的一种化合物Ph刃‘叫赤色的丹铅。以此作为使人长生不老的丹药之一。随着人类认识的发展，人们认识到铅不是人体所必需的化学元素，与汞、锅等金属一样，是对健康有害的金属。铅一方面给人们带来各种用途，另一方面随着铅应用的广泛，铅对环境的污染越来越重，也越来越危害着人的健康。l铅污染的来源铅是地壳中的天然成分，背景值平均为16Ppm，实际上未受污染的土壤铅含量在2～450Ppm之间。环境中铅污染的来源有：1．1铅矿的采集和冶炼，铅蓄电池工作，涂料、塑料、橡胶、铅玻璃…     

胆甾醇对人体健康的影响

胆固醇是构成动物细胞膜的必需成分,具有重要的生理作用,是人体不可缺少的物质。胆固醇在人体内既有生理作用,摄取过多也会对人体健康的危害。推动低胆固醇类保健食品的研究和开发,须控制胆固醇氧化行为及氧化机制。     

基于多视图融合的3D人体姿态估计

针对自然场景中遮挡、检测姿势不准确以及建立的交叉视图不匹配等问题,在VoxelPose模型的基础上提出了一种基于heatmap的多视图融合网络来估计3D人体姿态.首先,改进高分辨率网络,添加反卷积模块生成更高分辨率的heatmap.取两个髋关节之间的关键点为人体中心点,引入对极约束模型匹配融合不同视角下人体中心点的heatmap信息;然后,将所有视角的heatmap投影到共同的3D空间,再经过3D CNN网络以中心点构建特征体积来估计所有关键点的位置;最后,回归准确的3D人体姿态.在公开的数据集Shelf和Campus中,评估指标PCP3D（正确估计关节位置的百分比）分别达到97.1%和96.7%.在CMU-Panoptic数据集中,MPJPE（关节位置误差的平均值）为16.80 mm,实验结果优于VoxelPose.     

室内环境对人体健康的影响研究

室内是人经常停留的地方,不论是学习工作还是吃饭睡觉,大多数时间都在室内度过。因此,一个舒适的生存环境是保障自我健康的一个重要环节。据环境研究者最新的发现:室内污染不比室外轻。人们在大力治理室外环境的同时也别忽视了室内环境的治理,采取有效措施减少室内环境污染是保证人体健康的关键。     

浅析传统武术对人体健康的影响

在当今社会,健康已是人类与自然和谐发展的重要条件,武术健身将发挥其自己独特的健身保健作用,并进入人们的生活,成为人们不可缺少的生活方式,健身武术必将与现代社会在生态意义上的健康意识相结合,形成现代意义的健身体育,真正意义的"防"与"养"与"健"与"寿"的传统健身功能发展.传统武术在人类健身中具有十分重要的作用,从社会健康意识与传统武术在健身中的优势及其作用进行了分析,探讨武术对人体健康状态的影响.     

美发剂对人体健康的影响

当今社会,美发已经成为了一种潮流,这其中染发剂、烫发剂功不可没．但是,不可否认的是,美发剂在满足人们爱美心理的同时,也在吞噬着人们的健康,它就象一个隐形杀手在威胁着人们的生命．本文主要阐述了染发剂、烫发剂的种类和化学成分,染发剂、烫发剂的作用机理及美发剂对人体健康的影响．     

略论地理环境对人体健康的影响

本文从人体与环境的关系出发,着重论述了大气、水域、土壤、食物的污染对人体健康的危害,并从环境因素对人类恶性肿瘤的相关性,提出了环境致癌的预防措施。     

微量金属元素对人体健康的影响

通过分析微量金属元素进入人体后所能产生的正、负效应，证明了人体中微量金属元素的含量必须在一个合适的范围内，摄取过多或不足都会对人体造成损害。     

基于图象技术的三维步态运动测量

提出一种三维步态运动测量方法，并介绍一个由作者开发的测量系统．该系统基于图象处理和机器视觉技术．人的步态运动学测量包括图象采集、摄象机校准、关节标志检测、空间标志中心的三维坐标重建、运动学参数和图形的计算和输出．该实验系统具有实施成本低、通用性好、测量精度高的特点．     

基于神经网络的三维人体建模方法

利用扫描人体数据库,按特征点位置确定若干截面,对截面上的特征点重新识别和处理,获得胸部、脖子、腰部和臀部等特征部位截面环的训练样本,利用4层BP神经网络模型,通过编程分别训练得到人体胸部、颈部、腰部和臀部的神经网络权值参数,从而得到适用于一般人体的截面环自动生成模型,自动生成用户人体各个特征部位的截面环,最终生成三维人体网格模型.结果表明：该方法能很好地逼真实际人体特征曲线,是在只有用户人体参数信息,无扫描人体情况下的一种较好的人体建模方法.     

基于多流融合网络的 3D骨架人体行为识别

当前大多基于卷积神经网络的3D骨架人体行为识别模型没有充分挖掘骨架序列所蕴含的几何特征,为了弥补这方面的不足,文章在AIF-CNN模型的基础上进行改进,提出多流融合网络模型(MS-CNN)。在此模型中,新增一种几何特征(kernel特征)作为输入,起到了丰富原始特征的作用;新增多运动特征,使模型学习到更加健壮的全局运动信息。最后,在NTU RGB+D 60数据集上进行消融实验,分别在NTU RGB+D 60数据集、NTU RGB+D 120数据集上,将MS-CNN模型与19、8个行为识别模型进行对比实验。消融实验结果表明：MS-CNN模型采用joint特征与kernel特征融合,其识别准确率比与core特征融合的高;随着多运动特征的增多,MS-CNN模型的识别准确率有所提高。对比实验结果表明：MS-CNN模型在2个评估策略下的识别准确率超过了大部分对比模型(包括基准AIF-CNN模型)。     

EEG-correlated fMRI of P3b component in P300 waves

Electroencephalography-correlated functional magnetic resonance imaging （EEG/fMRI） can be used to identify blood oxygen level-dependent （BOLD） signal changes associated with both physiological and pathological EEG events. Here, we implemented continuous and simultaneous EEG/fMRI to identify BOLD signal changes related to P3b component of P300, and 64 channels of EEG were recorded in II subjects during Landot Ring task inside a 1.5 T functional magnet resonance （MR） scanner using an MR-compatible EEG recording system. Functional scanning by echoplanar imaging covered almost the entire cerebrum every 2 s, leaving gaps of 2 s without scanning. Off-line MRI artifact subtraction software was applied to obtain continuous EEG data. Additionally, a P300 wave matched filter was constructed to inspect P300 wave occurrence following every target stimulus, target stimuli inspected to induce P300 were detected and their MRI scan number were then used as input for an event-related fMRI analysis. Finally MRI statistical parametric maps were constructed and corrected for multiple comparisons. By random effect group analysis, activations were detected in the right superior parietal lobule and bilaterally in inferior parietal lobule（p〈0.001, uncorrected）. The results demonstrated the upper regions were sources of P3b component and involved in target detection in memory comparison task.     

人体三维运动影像解析环节角的概念与计算方法

人体三维运动是由身体环节绕环节质心转动组成的,因此人体环节转动角度的概念和计算显得十分重要。本研究定义了‘环节角’的概念并采用三维摄影解析得到的人体测量点坐标对全身各个环节给出了全面严格的计算环节角和环节绝对角速度的方法。应用FORTRAN77和Visual C＋＋6.0语言开发编制了该方法的计算软件,应用该软件在体操跳马侧手翻直体侧空翻转体990&#176;躯干动作进行了测定,真实清楚地给出了躯干三维瞬时转动数据,该计算方法从根本上解决了三维摄影解析中计算人体各环节多轴转动的问题。     

退火对薄膜P3HT-PCBM太阳能电池的光电性能影响

以吩聚噻(P3HT)/C60的衍生物(PCBM)为活性层的太阳能电池为研究对象,研究薄膜退火对电池光电性能的影响.结果表明,退火能够提高材料的结晶度,增加光的透射率,降低反射率.在140℃温度下退火,该器件光电转化效率最大.     

基于P300和机器学习的测谎方法研究

为了克服传统测谎方法没有考虑到相同刺激下受试者思维状态变化的缺点,提出了基于P300和机器学习的测谎方法.该方法使用典型的3刺激测谎范式,首先记录30名随机划分的撒谎者和无辜者的12导脑电(EEG)信号,使用独立成分分析方法(ICA)分解由探针刺激产生的脑电信号,利用在Pz电极上分布强度大的独立分量重建Pz波形,将每名受试者的的若干个Pz波形进行平均,提取两步降噪后的每个Pz波形的时域和小波特征.最后,使用分类器区分P300和非P300波形,进一步计算出个体测谎诊断率.实验结果表明,支持向量机(SVM)适合于说谎意识状态的分类,提出的方法可以有效地改进单次刺激记录上的信噪比,提高P300成分的识别率,进而提高测谎诊断率.     

基于触觉P300的脑控下肢康复机器人

基于P300信号的脑机接口技术在康复医疗领域具有广阔的应用前景,但P300信号的诱发方式多为视听刺激诱发,容易导致患者视听疲劳,同时也限制了视听障碍患者的使用。针对这些不足,设计一种基于触觉P300的脑控下肢康复机器人系统,在被试的左右食指处各放置一个振动器,通过调整左右手振动器的刺激间隔、刺激时长及刺激比例让P300信号更容易诱发和区分;利用共空间模式算法和支持向量机对信号进行特征提取和分类。被试通过选择关注左手或右手的振动刺激输出不同指令,从而控制下肢康复机器人进行相应动作。实验证明,被试通过感受振动刺激可以轻松诱发脑电中的P300信号,在不进行P300信号平均叠加的条件下,分类准确率为86.50%,既保证了较高的分类准确率,又缩短了指令输出时间。每位被试均可通过下肢康复系统顺利完成训练任务,证明了该方法的可行性。     

运动对事件相关电位(P300)的影响

P300作为事件相关电位中最稳定的成分,在认知研究过程中得到广泛应用,被视为观察心里的"窗口",多数研究发现适量的体育运动可使P300的峰值增大,潜伏期减少。     

基于P300的脑-机接口: 视觉刺激强度对性能的影响

脑-机接口(BCI)是大脑与外部世界直接的交流通道.为了研究视觉刺激强度对基于P300的脑-机接口性能的影响,设计并实现了一种基于5个选择oddball的P300诱发电位范式的脑-机接口系统,并在此系统中研究2种不同强度下视觉刺激(高强度和低强度)下脑-机接口的信息传输率差异.9名受试者参加了实验,每位受试者在高低2种强度视觉刺激下各采集40组数据,数据在预处理后使用支持向量机进行分类,最终的目标识别率分别为84%和81%.平均波形表明在所设计的范式下2种强度视觉刺激均可以诱发出稳健的P300电位,离线分析表明高强度视觉刺激下平均信息传输率可以达到4.9 bit/min, 而低强度视觉刺激下为 4.5 bit/min.