中枢兴奋性传递的突触后电位小波熵分析研究

采用细胞内记录方法提取了离体大鼠海马脑片CA1区锥体神经元兴奋性突触后电位(EPSP)；应用小波熵研究了EPSP所包含的信息．在计算了EPSP的小波熵、幅度、上升和下降相速率等参数并对其进行相关矩阵分析后，发现EPSP小波熵与其幅度、上升和下降相速率等参数均具有较强的正相关关系，是EPSP最具代表性的一个特征参数．进而分析了大黄酸对中枢兴奋性传递的作用，发现神经元在灌流大黄酸前后小波熵参数值变化显著．研究表明，小波熵能较全面地表征EPSP信号特征，比传统参数更具代表性，并能较灵敏地反映神经元兴奋性改变，较好地反映神经元间的信息传递．     

神经元兴奋性群体峰电位信号的Renyi信息表达

应用时频分布级数分析方法，提取了单次诱发群体峰电位(PS)信号的Renyi信息，并用以表征神经元的兴奋性变化．采用液压打击大鼠脑损伤模型和细胞外记录技术，记录了离体海马脑片CA1区锥体神经元PS，发现损伤侧和非损伤侧PS的Renyi信息参数值差异显著，进而分析了神经元灌流大黄酸后损伤侧PS的Renyi信息参数值的变化，研究大黄酸对神经元的超兴奋性和突触传递的作用．研究结果表明，颅脑损伤可造成海马CA1区锥体神经元的迟发性过度兴奋，大黄酸对神经元的过度兴奋有抑制作用，Renyi信息可作为反映神经元兴奋性变化的一个特征参数．     

基于多导脑电特征的生理性精神疲劳分析

通过对4种生理性精神疲劳状态下4导脑电信号进行功率谱和小波熵特征分析，研究了脑电信号各节律相对功率以及小波熵与生理性精神疲劳程度之间的关系，并分析了它们在不同生理性精神疲劳状态下的变化规律及其相关性．实验分析结果表明，脑电信号各节律的相对功率以及小波熵平均值与生理性精神疲劳程度之间存在很强的关联性，对于不同的生理性精神疲劳状态，随着生理性精神疲劳程度的增加，其脑电信号的小波熵平均值逐渐降低，θ、α和β节律高频快波相对功率的平均值逐渐降低，而占节律高幅度慢波相对功率平均值逐渐增加．脑电信号各节律的相对功率以及小波熵平均值有望成为衡量生理性精神疲劳程度的指标．     

基于多心理生理参数和核学习算法的脑疲劳估计

脑疲劳是一种极其复杂的现象, 受环境、健康状态、生命力以及恢复能力的影响. 单一参数无法全面描述. 本研究首先运用主观自评方法研究长时间持续低负荷视频显示终端(VDT)任务对心理的影响, 而后通过心率变异性的功率谱指数、由视觉刺激诱发得到的P300成分以及脑电的小波包参数来共同分析长时间VDT活动对自主神经和中枢神经系统的影响. 最后, 提取脑电的小波包参数作为不同脑疲劳状态下大脑活动的特征, 把核主分量分析(KPCA)和支持向量机(SVM)算法结合起来用于区分疲劳前后两个状态. 统计分析表明, 完成任务后主观困倦和疲劳程度显著增加, 长时间VDT任务引起被试的脑疲劳. 完成任务后被试自主神经系统的主要活动从副交感神经活动转变为交感神经活动. P300成分和脑电的小波包参数与脑疲劳有很强的关联性. 而且, KPCA-SVM方法可以有效地减少特征向量的维数, 加速SVM训练的收敛, 取得了较高的脑疲劳的识别率(87%). 多生理心理参数测量和KPCA-SVM方法有望成为衡量脑疲劳的有前途的工具.     

Kolmogorov熵在大鼠脑电麻醉深度监测中的应用

将非线性动力学中的Kolmogorov熵应用到大鼠脑电麻醉深度监测分析中,计算并分析了大鼠在戊巴比妥钠腹腔注射麻醉过程中脑电信号的 Kolmogorov熵动态变化曲线,结果表明:大鼠注射戊巴比妥钠后,在最初的麻醉过程中,有些脑区呈抑制状态,有些脑区呈兴奋状态;大鼠注射戊巴比妥钠后 A脑区进入深度麻醉状态的诱导期时间约为1 300 s,B脑区的约为1 400 s;麻醉时Kolmogorov熵动态变化曲线与原始脑电信号所反映的各脑区抑制与兴奋状态的变化趋势有很好的一致性.因此,Kolmogorov熵可为临床麻醉深度的实时监测提供一个新的方法.     

基于整-整小波变换的心电数据压缩算法

根据整－整小波变换理论提出了一种心电数据压缩算法，整－整映射的整数运算保证了算法的快速性。由于屏蔽函数的引入和对阈值函数进行了特殊考虑，使该算法可同时取得高的数据压缩率和信息保真度。它不仅可完整保留ＱＲＳ，Ｐ，Ｔ，ＳＴ段等临床信息，而且可有效保留心室晚电位信息。     

医学可视化网格平台的设计与实现

提出利用网格技术,将现有普通计算机计算资源联合起来,共同完成复杂的三维可视化任务.参与可视化任务的每个任务节点都提供一个网格服务,用户可以在任意的一个节点上提交任务.可视化网格平台根据资源信息列表,从使用状态动态变化的计算机当中选择出合适的机器作为任务节点参与可视化工作.测试结果表明,提出的网格平台可用于开发基于网格的医学图像归档与传输系统,实现图像后处理.     

基于多通道脑电特征运动意识任务的分类

提出利用多通道脑电（EEG）相关性信息作为特征，实现对想象左右手运动两种意识任务的分类．分析了两种意识任务下描述多通道EEG相关性的两个参数空间复杂度和有效场强的变化，发现想象任务开始时，对侧脑区空间复杂度增高，有效场强降低，而同侧脑区的变化恰好相反，较好地反映了想象左右手运动时大脑两侧运动皮层状态的不同．将两种特征联合用于分类，得到了满意的结果，从而为脑一计算机接口系统中意识任务的特征提取与分类提供了新思路．     

基于多通道线性描述参数的生理性精神疲劳分析

通过对24h睡眠剥夺实验以及不同精神疲劳状态下的脑电信号进行分析，提取了脑电信号的多通道线性描述参数场强变化率，研究了脑电信号场强变化率的平均值与生理性精神疲劳程度之间的关系，以及它在不同生理性精神疲劳状态下的变化规律及其相关性．实验结果表明，场强变化率的平均值与生理性精神疲劳程度之间存在很强的关联性，对于不同的生理性精神疲劳状态，随着生理性精神疲劳程度的增加，其脑电信号场强变化率的平均值逐渐降低．脑电信号场强变化率的平均值有望成为衡量生理性精神疲劳程度的指标．