去除脑电信号眨眼伪差的独立成分时域相关算法

针对脑电信号易受眨眼动作干扰的问题,提出了一个自动地去除眨眼伪差的独立成分时域相关算法.该算法使用独立成分进行分析,并分解脑电信号,然后利用眨眼伪差独立成分与某些导联的脑电信号之间在时域存在较大相关性的特点,计算每个独立成分与前额附近的5个导联(Fp1,Fp2,F3,F4,Fz)信号的相关值的累加值,并对该值进行排序,将具有最大值的独立成分识别为眨眼伪差独立成分,将其设置为0,最后重建干净的脑电信号.通过对脑电信号的去除伪差实验表明:眨眼伪差引起的干扰基本被消除,伪差检测算法的敏感度和特异度分别是97.7％和98.3％,同时该算法能有效保持脑电信号基本不变.     

一种有效的低场磁共振系统的水脂分离成像方法

提出了一种基于Dixon算法的磁共振水脂分离成像改进方法.该方法分别采集人体组织中的水和脂肪同相位和反相位的磁共振图像,利用化学位移效应所产生的相位差分离出水和脂肪的图像.采用了改进的区域增长算法进行相位校正,为了在低场、较高噪声时获得更好的稳定性,为感兴趣区域和背景噪声分别开辟两类不同的多个堆栈,并设定感兴趣区域的增长优先级总是高于背景噪声,使得由背景噪声引起的误差传播被有效抑制.实验结果证明,改进算法在低场高噪声条件下比原算法更稳定,并在0.3 T低场永磁型磁共振系统上对水模、膝关节与人脑等部位获得了满意的水脂分离图像.     

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.     

一种基于同伦BP网络记忆模糊规则的参数自调整ANN-PI控制及应用

BP神经网络可有效地记忆模糊控制规则,并以“联想记忆”方式使用这些经验.然而,现有前向网络学习算法不可避免地存在局部极小问题,同伦连续BP算法可有效地解决BP网络的全局收敛性问题,同时使网络具有很快的收敛速度.为了进一步提高控制系统的精度和抗干扰能力,本文设计了一种参数自调整ANN一PI控制器.实验结果表明,这种控制器动态响应快,控制精度高,抗干扰能力强,对参数变化不敏感,具有一定的鲁棒性.     

流域算法对血及骨髓涂片的彩色图像分割

为了开发血及骨髓涂片中血细胞自动分类及计算机辅助诊断系统,提出 了一个彩色流域算法,以完成对有核血细胞（胞核和胞浆）的分割和识别。通过彩色空间变换,有效地利用了图像中血细胞的颜色信息及先验知识,并且为了抑制过度分割,合理地对背景、成熟红细胞及有核细胞进行了标记,在彩色梯度图像上完成了基于淹没的流域算法,其中淹没过程通过多级循环队列数据结构完成,胞核和胞浆的分割正确率分别为91.9%和88.4%,研究结果表明,该算法对彩色血细胞图像的分割是有效的,它必将提高血细胞自动分类系统的性能。     

利用Fisher判别式和事件相关电位的心理意识真实性识别

提出一种基于Fisher判别式和事件相关电位(ERP)的心理意识真实性识别新方法,以可识别的有意义的个人信息(如姓名、生日)作为被测试信息,应用隐藏信息测试(CIT)模式对15名受试者进行了测试并记录其脑电信号.将多通道ERP P300幅度和受试者的反应时间组成特征参数,利用Fisher判别式进行心理意识真实性识别分类,获得93.3%的平均识别率,明显高于以往研究方法的识别率.因此,基于多通道ERP和Fisher判别式的方法具有无创性及较高识别率等优点,可以作为一种心理意识真实性检测的新方法.     

脑电信号中肌电伪差的实时去除方法研究

为了在线去除脑电信号中的肌电伪差,使用典型相关分析方法,分析了大量被肌电干扰和未被干扰的脑电(EEG)信号,得出了一个合理的自相关阈值.在时域上,肌电伪差和一般的噪声信号比较类似,有比较小的自相关值,在去除肌电伪差时,凡自相关值低于此值的分解成分被识别为肌电伪差.该方法很好地利用了这个特点,将肌电伪差分量与潜在大脑信号分离,然后依据剩下的分解成分重建"干净"的EEG信号.实验结果表明,典型相关分析法在去除肌电伪差时优于独立成分分析法,结合提出的自相关阈值在有效去除肌电伪差的同时,又能较好地保持潜在的大脑信号不变.     

精神负荷评估方法的评述与展望

本文简要介绍了精神负荷评估的基本方法，包括基于绩效的测定方法、主观评定法及生理测定法等。重点评述了各个方法的特点及局限性，并对当前研究中存在的一些问题进行了分析和探讨     

基于独立成分分析和流形学习的眼电伪差去除

针对眼电伪差严重干扰脑电(EEG)信号的理解和分析的问题,提出了一种新的方法用于实时地去除脑电中的眼电伪差.该方法使用独立成分分析(ICA)分解EEG信号,提取独立成分的地形图和功率谱作为特征,并采用基于模板的Isomap算法降低特征的维数.将新的特征样本送到分类器中以识别眼电伪差独立分量,几个典型分类器的分类结果显示,基于模板的Isomap算法结合使用最近邻算法进行分类时,识别伪差的正确率最高.实验结果表明,提出的方法在有效去除眼电伪差的同时,很好地保留了大脑神经信号,也证明了新的Isomap算法用于眼电伪差特征的降维的有效性.     

基于多通道时频相干的诱发电位单次提取

针对信噪比低、频带宽的诱发电位信号单次提取问题，提出了一种在时间—频率域中的多通道相干成分分离算法．本算法采用头皮电板进行多通道同步观测和记录，在各通道的观测数据中诱发电位信号具有较高的相干性，而其他干扰信号的相干性较低，因此根据其相干性将诱发电位信号与其他信号分离，实现诱发电位的提取．为实现相干成分的分离，本算法首先应用于小波包分解将信号在时频域展开，然后通过计算相干系数确定相干的诱发电位信号在时频域中的分布区，并据此去除噪声的能量分布而得到诱发电位的时频域分布，再通过小波包重构就可以分别提取出各通道中高信噪比的诱发电位信号．本算法可以有效地提取各类宽频带信号，能够极大地提高低信噪比信号的辨识能力，具有良好的非重复信号捕捉性能，应用此算法已成功地实现了视觉诱发电位的单次提取．