摘要：为考察大脑在处理加工不同效价的情绪图片时其脑功能区域的联系与差异,提出一种能更精确地提取出相对激活较弱的功能连接区域的方法.首先提出一种基于密度思想的K-means算法并应用于脑功能连接分析,提取具有功能连接的脑组织结构模式;然后引入聚合指数指标客观评判激活脑区定位的准确度,并与独立成分分析方法的处理结果进行对比;最后从体素的激活强度和激活脑区的定位精度等方面入手,论证了基于密度思想的K-means算法在脑功能连接分析上的优势.实验结果表明,情绪刺激加工的过程中,脑区较为明显的激活区主要分布在前额叶、扣带回及下丘脑附近,为后续临床观察及诊断提供了一种较为可靠的方法和思路.

摘要：针对传统方法面部微表情识别率低的问题,提出局部二值模式(LBP)图像的卷积神经网络对6种基本面部表情进行识别。采用Viola-Jones框架提取面部表情的感兴趣区域,提取感兴趣区域的LBP图像,输入到一个六层的卷积神经网络(两个卷积层、两个降采样、一个全连接层、一个Softmax)并得到识别的结果。在3个公共数据集(CK+、JAFFE、Oulu-CASIA)上进行实验,识别率分别为94.58%、93.48%、93.15%,结果表明,该方法对面部微表情的识别优于其它主流方法。

摘要：为了利用表面肌电信号自动检测肌肉疲劳状态,设计一套8导联表面肌电采集系统。该系统主要包括模拟前端放大电路、主控模块和电源模块三部分,并研究了肌肉疲劳与正常状态下表面肌电信号的特征提取及分类方法。实验表明:自行设计的放大器分辨率为38.1μV,系统噪声小于15.3μV,采样率达到1 000 Hz,功耗约为30.7 mW;使用该放大器采集肌肉疲劳与正常状态下肌电信号,支持向量机分类的识别率高达98%。该系统具有体积小、精度高、功耗低及操作简便等优点,可用于家庭健康监护领域。

摘要：针对现有脑电采集设备成本高、不便携等问题,设计了一套16通道脑电采集系统。该系统具有优化电源,可以电池供电;级联多个模拟前端扩展为多通道的脑电采集系统,并通过片选信号选择所需通道数,以动态和个性化的方式配置每个通道;通过高速无线模块将脑电信号发送至上位机。为测试系统性能,分别采集、分析了5位被试者的自发脑电信号和稳态视觉诱发脑电信号。自发脑电闭眼时出现明显的α节律;稳态视觉诱发脑电信号在对应的刺激频率和谐波上出现谱峰。实验结果表明:该采集系统可准确采集到人体自发脑电和诱发脑电信号,并可用于脑机接口应用领域,具有一定理论与应用价值。

摘要：为了研究再认记忆脑电的纹理特征,以及解决垂直对称局部图结构和对称局部图结构在提取脑电纹理特征时结构不稳定的问题。基于新旧范式设计了再认记忆实验,采集医学生和非医学生(均为35名)相关脑电,并且将这些脑电分为学习医学图片阶段、学习非医学图片阶段、再认旧医学图片阶段、再认旧非医学图片阶段、再认新医学图片阶段和再认新非医学图片阶段。首先,利用二维小波变换得到每位被试脑电的三个子频带,并提出改进集成局部图结构方法对原数据和3个子频带进行特征提取,改进算法纳入了具有稳定结构的扩展对称局部图结构和复合局部图结构;然后对特征进行归一化,避免结果过拟合,使用皮尔逊相关系数筛选出相关系数在0.8~1之间的特征矩阵列。在支持向量机等分类器上验证改进前后的算法,并使用正确率、精确率、召回率和F1评分这四个指标对模型进行评估。与改进前算法相比,改进后算法在支持向量机上的分类正确率分别提升3.8%,0.4%,0.3%,1.6%,5.1%和4.2%。分类结果说明医学生和非医学生在医学图片学习再认阶段存在明显差异,新加入扩展对称局部图结构和复合局部图结构比原算法中垂直对称局部图结构和对称局部图结构具有更好的分类性能。

摘要：为研究注意力对安全驾驶的影响,搭建了一套模拟驾驶系统来监控驾驶员的脑电注意力水平;设计了一个实验范式,采集了3个被试的十八次实验数据并进行违规脑电信息的统计分析和评估;,结果表明:驾驶员注意力低水平与交通违规具有明显的相关性;违规驾驶的注意力指标与被试个体特征有关,并且具有具有较好的重现性;驾驶员交通违规的低水平阈值可以通过本模拟环境来测量,这对安全驾驶和事故风险控制具有积极的意义。

摘要：为研究计算机辅助驾驶系统中交警手势的识别,搭建了一个虚拟驾驶场景的实验室研究仿真系统;采用了微软公司的Kinect设备采集人体骨骼数据,经由经验模型提取特征并使用模式识别对交警手势信号进行信号分类,使用unity公司的unity3D软件实现虚拟驾驶场景的三维重建;系统测试表明,使用kinect进行手势识别响应快,准确率高,使用unity作为虚拟驾驶场景的开发平台方便快捷,两者组合非常适宜搭建基于视觉的辅助驾驶系统的仿真环境。

摘要：设计了一套简易且分辨率高的表面肌电采集与在线识别系统;系统硬件部分包括信号两级放大、带通滤波、精密整流、16位AD转换芯片ADS1120、AVR单片机等部分;软件部分基于JAVA编程,具有实时滤波、显示并存储肌电信号、在线识别手部动作等功能;系统放大增益倍数为100~2 500可调,根据不同被试同一动作的肌电信息,微调放大倍数以减少个体差异;当放大倍数为1 000倍时,识别精度达0.3μV;此外还设计了训练范式,根据被试的训练数据提取在线识别算法的参数,以提高识别准确率;实验结果表明：该系统具有较好的稳定性,能够准确识别四类手部动作,平均识别率达84.37%。

摘要：设计了一套脑电信号采集系统,能够便捷地采集人体脑电信号,具有体积小、精度高、简单易用的特点。系统包括硬件和软件两大部分,硬件部分主要由最新的24位模拟前端ADS1299和AVR单片机构成。系统能够采集8通道的脑电数据,通过USB转串口模块上传数据至上位机。软件部分使用Java编程实时显示与存储采集到的脑电信号,随后通过Matlab对采集到的脑电信号进行后续分析。实验结果显示:本系统能够精确显示出眼电波形,当被试者闭眼时,枕叶电极的α波段波形尤为明显。