利用小波分解和支持向量机的心理意识真实性识别研究

采用小波分解和支持向量机(SVM)技术,提出了一种对说谎脑电(EEG)信号特征进行分类的方法,将其应用于心理意识真实性的检测,获得了满意的结果.以真伪已明确的有意义的个人信息(如姓名、生日)作为被测试的隐藏信息,应用隐藏信息(CIT)测试模式对15名受试者各进行两组测试,并记录其脑电(EEG)信号.提取了探测刺激和无关刺激诱发EEG信号的小波系数,并应用具有统计学意义的特征参数作为SVM分类器的输入进行识别分类.实验结果显示,应用leave-one-out交叉验证法对30组样本数据进行训练测试,获得平均正确识别率为88.3%.因此,该方法可以作为一种心理意识真实性检测的新方法,具有无创、较高正确检测率等优点.     

基于可生长自组织映射的意识任务分类

在基于脑电（EEG）的脑一机接口技术中，使用可生长自组织映射（SOM）神经网络进行了5类意识任务分类的研究．结果表明：①可生长SOM能够根据数据内部结构自适应地调整确定其映射网络的拓扑形状，在一定程度上反应了数据的分布特征；②可生长SOM更关注那些表达误差比较大的映射单元，从而整体上减小了映射网络的表达误差，提高了对数据模式的表达能力，有利于模式的分类处理；③可生长SOM侧重于表达类别之间的边界信息，这对于分类问题有着积极的作用．与传统SOM相比，使用可生长SOM进行5类分类处理得到的分类精度提高了10％左右，分类正确率可以超过80％，说明可生长SOM在脑-机接口系统中有着很大的潜在应用性．     

利用单类支持向量机分割血细胞图像

为了提高白细胞自动识别算法的性能，提出了基于均值移动和单类支持向量机的血细胞图像分割新方法．该方法的原理是将图像中颜色相对稳定的背景和红细胞部分像素作为正训练样本，将颜色复杂多样的白细胞像素作为异常数据检测．均值移动过程用来在红、绿、兰(RGB)颜色空间寻找正训练样本集，通过均匀抽样和颜色量化措施，实现单类支持向量机(SVM)在线实时训练，最终图像像素经过单类SVM分类来实现分割．实验表明，新方法对涂片制备和光照变化导致的图像颜色改变有很好的适应性，图像分割精度优于常用流域算法，而耗时只是后者的1／4。     

颅内压增高皮层脑电的复杂度分析

为研究颅内压增高对脑功能的影响,以家兔为实验对象建立侧脑室灌注加压的单纯颅高压模型.采集皮层脑电信号并同步记录颅内压(ICP)、心电、呼吸、动脉血压等信号,采用迟滞粗粒化方法和Lempel-Ziv算法计算脑电信号的复杂度,分析不同ICP状态下脑电信号的非线性变化特征.发现以灌注加压前基础ICP时的状态为对照,ICP为2,4倍基础值时的脑电信号复杂度显著降低(P＜0.01);ICP越高,复杂度越低;ICP恢复正常后,脑电复杂度有恢复趋势.研究结果表明,脑电信号的复杂度可用于检测由于ICP增高引起的脑损伤并有可能对其损伤程度进行定量评估.     

高采样Holter系统心电数据记录与传输技术

为满足开发高性能Holter系统的需要 ,提出了一种高效的心电数据压缩、存储和传输方案 .基于整 -整小波变换的数据压缩算法 ,通过引入在不同分解尺度取不同阈值的屏蔽函数和基于统计分析的优化编码方案 ,实现了心电信号的高效、高保真数据压缩 .将基于地址映射技术的数据存取模型用于心电数据的高效存储 ,通过内置USB实现了数据的高速传输 .实验和临床应用表明 ,该记录器可以 10 0 0Hz的采样率连续记录 12导联 2 4h心电图 ,除可精确记录常规心电图外 ,还可完整记录起搏心电图和动态高频心电图     

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．     

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。     

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（ｅｌｅｃｔｒｏｃａｒｄｉｏｇｒａｍ） 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．用ＭＩＴＢＩＨ 心律失常数据库对提出的压缩算法进行测试,结果表明平均压缩比为６－７ ,平均均方误差（ＰＲＤ） 为３ ．１ ％     

颜色视觉信息处理的理论探讨

在简要阐述视网膜解剖结构的基础上，论述了视网膜信息处理机制，建立了视网膜颜色信息处理的神经网络模型。研究结果表明，该模型是一种具有空间总和特性和阈值性质的三层神经网络。利用本模型对颜色进行信息处理与复制具有一定的实用价值。     

基于Fisher判据时频分析的运动相关脑电特征选择及优化

提出了一种基于Fisher判据的运动相关脑电特征优化选择的时频分析方法,为优化选择与运动意识最相关的有效脑电频率成分提供了理论依据.在此基础上,利用具有高时频分辨率的Morlet小波方法,提取与脑电特征优化过程最为匹配的特征信息,对4个受试者运动相关脑电模式进行分类,平均最大分类正确率达到87.95%,通过最大分类正确率、最大互信息两项评价指标比较,验证了基于匹配追踪和Fisher判据时频分析的特征优化方法对改善大脑运动意识任务分类性能的有效性.实验结果表明,该文所提出的方法可望应用于脑机接口系统的运动相关脑电特征优化和选择中.