摘要：下肢想象动作的脑电特征提取是基于脑-机接口技术实现下肢运动神经重建的关键点和难点。通过以下肢运动神经重建的首个关键动作-站起为切入点,设计了相应的以复合动作诱发电位为基础的站起想象动作脑电采集新方案,而后采用扩展最大熵独立分量分析(extended informax ICA)结合连续小波功率谱分析的新方法提取大脑在站起想象动作时产生的事件相关同步/去同步(ERD/ERS)信息。经实验数据分析证明上述方法行之有效,可以为脑-机接口技术在下肢运动重建中的应用提供有效的手段。

摘要：本研究介绍了利用步行器倾翻指数 (WRI)曲线图来评估截瘫功能性电刺激 (FES)行走稳定性的新方法。其主要构件是一套基于标准步行器的测试系统 ,该系统可以实时获得三维上肢支撑力数据 ,进而转化成行走过程中的纵向和侧向WRI曲线图来显示量化的行走稳定性水平。有关实验校准和临床测试结果均表明新方法在稳定性评估方面有很好的临床应用前景 ,并有望在截瘫FES设计及康复训练中发挥作用。

摘要：CT图像中人体脂肪组织有与其他成分不重叠的灰度值范围,但背景较复杂,图像直方图中可能出现多峰情况,为此将势函数聚类自适应多阈值图像分割算法与CT图像分析相结合,设计了一种快速而有效的多阈值脂肪提取算法———势函数聚类自适应模糊多阈值分割法,并进行CT图像计算机辅助人体脂肪检测.实验结果和脂肪含量计算表明,该方法能准确地检测人体脂肪分布以及含量等信息,计算结果直观效果好,且该算法得到的同一个体相邻断层脂肪含量相关性好.多次实验证明,计算机辅助脂肪检测方法在实验中具有很高的适应性与稳定性.

摘要：针对步行器助行过程中存在的安全问题,研制了一套步态稳定性监测系统。阐明了该系统的工作原理以及系统设计方案;通过相应的校准实验和对步行器使用者所进行的临床测试,证明了该系统具有精确、实时、使用方便的优点,并有望在康复临床中得到进一步的应用。

摘要：为了提高超声涡街流量计在低流速下的测量性能,更好地提高信噪比,采用了自相关滤波算法,提出了在调幅式超声涡街流量计中加入自相关滤波算法的设计思路.给出了在高速单片机上应用的具体计算方法、重要参数的取值范围及标准风道上的实验结果.结果表明,该算法在低于0.3 m/s流速时很好地抑制了噪声干扰,提高了信号幅值,较好地解决了低流速测量时数据不稳定的问题,扩展了超声涡街流量计的下限.

摘要：近年兴起可实现人脑直接对外信息交流和控制、让"思想"立即变"行动"的脑-机接口(BCI)新技术已在脑科学、神经计算、人工智能与机器人等多领域显示诱人前景。实验范式设计是研究与开发BCI系统的首要关键步骤。针对常见的各类视觉诱发电位(VEP)实验范式,从首个传统反应式VEP-BCI实验范式入手介绍了其诱发平台、实验流程和整体性能研究现状与存在问题及发展瓶颈;比较分析了近些年研究开发的多种改进型VEP-BCI实验范式,并展望了可能的实验范式发展新动向,希冀为研究开发高性能BCI提供新思路。

摘要：人在想象但未实施肢体或其他身体部位动作时,与该动作相关的大脑运动皮层区域会发生与该动作实施时相似的电生理响应,称为想象动作电位。想象动作电位的提取与分类是脑-机接口(BCI)技术的关键和难点。本文分别介绍了想象动作电位的时频分析、复杂度分析、相位耦合测量、多通道线性描述符、多维统计分析等特征提取方法和线性判别分析、人工神经网络、支持向量机等分类算法,以供BCI系统设计与研究时参考。

摘要：提出一种电容射频热疗中优化求解预期深部有效热区分布逆问题的方法。其思路是根据深部肿瘤组织靶区加热温度和避免正常组织过热的要求 ,引入目标函数和有关权重系数 ,在应用有限元法求解加热电磁场方程和生物传热方程过程中 ,通过遗传算法迭代修正加热物理参数 ,使目标函数达到极小值 ,获得达到理想热场分布的优化解。该方法使用简化人体真实组织结构的非均质模型并用于制定电容射频热疗中深部肿瘤热疗方案 ,获得满意的仿真计算优化结果。比较两电容热疗和三电容热疗的优化效果表明 ,三电容热疗具有更好的深部有效热区优化能力。这项生物体内温度场重构和优化控制技术将对肿瘤热疗装置设计和临床方案制定有重要应用价值。

摘要：想象动作可以引起脑电信号的特异性变化,如何通过提取脑电特征参数来识别想象动作的发生是目前脑-计算机接口(BCI)系统设计的技术关键之一。本研究使用两种信息熵(功率谱熵和小波熵)作为特征参数,对手部想象动作执行前后的动态脑电信号进行分析,并与目前常用的mu节律事件相关去同步(ERD)参数进行比较,以寻找特异性更强的动态参数。结果显示在想象动作对侧的运动感觉区域中,功率谱熵和小波熵均表现出与mu节律强度变化具有明显锁时关系的改变,且区分错误率得到明显降低。而在中顶部位置mu节律强度无明显变化处,熵参数对左右手想象动作的响应也具有明显的不同。结论,功率谱熵和小波熵具有良好的时域分辨能力和更准确的区分效果,可以作为特征参数用于在线BCI系统。

摘要：设计了一种可用于步行器精密测力系统标定的3层反向传播人工神经网络模型,以测力系统12导联应变片电桥输出电压作为网络输入向量,6个负载分量力作为网络输出向量,并通过目标误差下的绝对误差和对比确定出模型隐含层的最优神经元数.有关误差校验结果表明,使用该神经网络技术标定后的系统最大单向力精度误差为7.78%,最大交叉干扰为7.49%,与传统的线性标定方法相比,能够有效提高步行器受载力的测量精度并大大降低干扰误差,未来有望为步行器助行康复训练效果的准确监控和评估提供帮助.