休息和心算状态下正常脑老化过程的复杂性分析

研究了休息和心算状态下正常脑老化过程的复杂性变化情况。共招募15名健康年轻人和13名健康老年人,采用多尺度样本熵(MSE)方法对休息和心算状态下的脑电图(EEG)记录并进行复杂性分析。研究结果表明,相同状态下,老年人组休息状态的MSE值在全脑大部分范围高于年轻人组,而老年人组心算状态的MSE值在全脑范围低于年轻人组,但差异均不具有统计学意义。不同状态下,老年人组和年轻人组心算状态的MSE值在全脑大部分范围均较休息状态降低,其中老年人组的差异具有统计学意义,几乎涵盖全脑,其中前额叶区域最为明显,但年轻人组的差异不具有统计学意义。因此,正常脑老化对脑功能复杂性的改变并不明显;相比于休息状态,执行心算任务更能反映老化对脑功能复杂性的影响,且前额叶与脑老化及记忆密切相关。     

改进的重标度极差法用于人体步态信号的动力学探测

作为人体输出生理信号之一的步态信号通常呈现一定的分形结构,具有明显的非线性特征,如何准确地探测到人体运动控制这一复杂生理系统的动力学特征具有重要的现实意义.本文通过一种改进的重标度极差法准确地捕捉到了不同自由行走速度下人体步态信号的动力学分形特征,而将原始步态时间间隔序列随机打乱顺序,获得的新序列则呈现出明显的随机性;通过与按节拍器产生的三种对应行走速率下的步态信号进行分析和比较后发现:正常健康人体输出的步态信号呈现出长程正相关性,而按节拍器节律获得的步态信号则长程正相关性减弱甚至消失,证明了人体运动控制系统调控输出步态信号的重要性.步态信号的动力学分形特性是健康人体的固有特征,具有很强的鲁棒性.缩短步态时间间隔序列长度后分析,该方法依然能够有效地探测到正常健康人体步态信号的动力学特征,并且算法简单可靠、运算快速、参数敏感、抗干扰能力强,研究结果对于人体运动控制系统的建模以及量化步态信号动力学的生理状态具有一定的应用价值.     

基于构型表的等值线绘制算法及程序实现

等值线图是一种离散数据的图形表示方法,在水利、土木、地质、石油勘探等工程和技术领域内都有广泛的应用.本文介绍了一种思想简单但行之有效的等值线绘制、光滑算法,该算法的时间复杂度与传统等值线绘制算法相当,但不需要像传统算法那样进行繁琐的等值线的追踪和走向判断,只需将二维数据平面划分成若干个彼此相邻的四边形,各四边形的顶点是最邻近的4个数据点,每一个四边形就是一个最小的等值线绘制单元,只要将二维平面上的所有划分好的四边形单元按一定顺序依次“移动“遍历,在遍历的过程中依据本算法给出的构型表绘制每个单元内的等值线小段,遍历完毕后,就会产生所求等值线的所有小段,从宏观上来看,所有的单元中的小段就连接成了光滑的等值线.然后,本文也介绍了等值线的连接绘制、光滑和彩色填充在OpenGL下的程序设计与实现,其填充效果可以达到像素级渐变,绘制速度可以满足心外膜标测实时显示的要求.最后分别给出了利用本算法和传统的基于等值线追踪的算法绘制的等值线效果图并进行了对比.