首页 > 文献资料
-
D Y D型脑电地形图仪打印不正常故障的修理
我院购置的DYD型脑电图仪是应用电子计算机信息处理技术,对脑电信号进行二次处理,将定量脑电波参数值以图形的形式表达出来,直观综合性较强,定位准确,为颅内病变的诊断,以及大脑功能定量分析的研究提供了先进的,无创而科学的手段.该机配置了长城386微机和CR-3240打印机(4色彩打印机).正常情况下能从显示屏上看到:功率谱地形图、视觉诱发电位地形图、体感诱发电位地形图、棘波地形图.同时可存取,打印脑地形图.
-
基于独立分量和功率谱分析的 VEP提取
近年来,相关领域的科学家和医学专家们正致力于利用脑电信号研究大脑不同皮质区在各种认知活动中所表现出来的生物电变化,并且试图利用这些变化测试人类心理,控制外部环境.人类头皮脑电信号包括自发脑电和诱发电位两种成分.由于诱发电位一般只有 0.3-20μ V,而自发脑电的幅度却高达 30-100μ V,因此,如何从脑电信号中有效提取淹没在自发脑电中的诱发电位便成为脑电成分特征提取的关键.本文利用独立分量分析和功率谱分析相结合的方法对用固定频率刺激源引出的视觉诱发电位进行提取,取得了令人满意的结果.
-
肝纤维化CT图像的频域特征分析
针对肝纤维化CT图像纹理方向性和规律性较低的特点,本研究用频谱法对图像进行处理,得到了在正常组、肝纤维化早期组和晚期组之间有统计学差异的能量、方差、低频能量比和低高频能量比等4个特征分量.
-
Hilbert-黄变换方法分析压力脉搏波信号
目的:将Hilbert-黄变换方法用于压力脉搏波信号的分析,以获得脉搏波信号的时域特征和频率-能量分布.方法:通过经验模态分解(EMD)将脉搏波分解为一组内在模态函数(IMF),对每个IMF进行Hilbert变换,获得脉搏波信号幅度和频率的时间分布;由HH谱得到边际谱,反映信号的能量-频率分布;对典型正常个体的脉搏波信号和该个体脉滑变时的脉搏波信号进行处理,比较两种状态下脉搏波信号时-频分布情况.结果:用于实验的两例信号的分析结果显示,脉平信号的HH边际谱与脉滑信号的HH边际谱所表现的能量-频率分布有明显区别,这种区别能被脉平和脉滑变时的心血管活动状态所解释.结论:EMD算法和HHT能较好地用于脉搏波的分析,并且在医学信号处理领域将会有广阔的应用前景.
-
学功者练功程度的检测评估技术及设备研制
对教功者在练功过程中的鼻部呼吸、心电I、顶部中央区左右侧脑电进行四信号的同步检测与32K点的FFT处理。在其存在已知气功态生理共性的条件下，着重不同功种的功率谱分布规律与同步规律的个性特征，建立教功者的气功态综合生理模型。对相应学功者以同样的检测处理所获得的功率谱，以教功者模型为标准，并根据模型中所定义的特征频段群、相关运算参数群、权系数群，进行二者间各功率谱段的相似程度求算，进行三个层次上的权系数分配，从而对学功者目前的练功掌握程度进行计算机评估。本文在介绍该检测评估技术与设备的同时，还简单介绍了不同组别的90个样本的初步实验。结果：评估分数与二者有关功率谱的相似程度对应且线性匹配。表明：运用这一技术与设备，只要能对教功者准确建模，完全可以对相应学功者进行练功程度的检测与客观评估。
-
基于低频电刺激诱发表面肌电信号的肌肉疲劳度研究
目的 通过对肌肉疲劳过程中非诱发表面肌电(surface electromyography,sEMG)信号和诱发表面肌电信号的研究分析,寻找有效评价肌肉疲劳的分析测量方法.方法 对7名受试者进行自主运动和电刺激两种致肌疲劳的实验,并在两组实验中分别记录电刺激诱发与非诱发肌电信号,然后对每组信号进行傅里叶变换求取功率谱和近似熵.结果 随着疲劳的产生,两组实验诱发信号的频谱曲线左移效果优于非诱发信号,近似熵分析中电刺激组诱发信号出现先上升后下降的变化,自主运动组诱发信号则呈现单调递减的趋势.结论 低频电刺激诱发表面肌电信号更适于测量肌疲劳的动态变化.相对于传统功率谱,近似熵分析方法更适于处理电刺激诱发的表面肌电信号.
-
体表心电图中T波交替现象的检测
T波交替(T-wave alternans,TWA)的检测对于预测室性心律失常有重要意义.本文首先利用基于经验模态分解(empirical mode decomposition,EMD)的降噪方法进行心电信号的降噪,然后采用小波变换进行心电信号特征点的识别,后给出以T波峰值点为参考点提取T波窗口的方法.通过对连续的128个T波窗口进行功率谱分析证实,上述方法实现了微伏级TWA的检测,可用于TWA的临床诊断.
-
Windows 95下频谱心电图的实现及初步临床
我们在Windows95下建立了一个频谱心电图的检测分析系统,利用工程中的频谱分析方法对常规心电图进行分析.本系统进行了初步的临床检测和分析,可以看出频谱心电图对临床检测和诊断是很有意义的.
-
利用神经网络估计针电极肌电信号的AR模型参数和功率谱
本文介绍利用隐层神经元为线性传递函数的三层人工神经网络对针电极肌电信号(NEMG)的AR模型参数和功率谱进行估计的方法.实验结果显示,由神经网络法估计的NEMG信号AR 模型参数和功率谱与自相关法基本一致,表明了这种方法的有效性.
-
基于AR模型和支持向量机的急性低血压预测
ICU中,急性低血压的发生严重威胁着患者的生命安全,临床上对其预测性判断主要依靠医生经验.为实现急性低血压预测,利用PhsioNet的MIMIC Ⅱ数据库ICU监护中的患者临床记录,对发生与未发生急性低血压两者间的平均动脉压信号进行AR模型的功率谱估计,运用医学信息学理论,选取功率谱幅度的中位数、平均值、大值、标准偏差和极差用于支持向量机分类预测器的学习和训练,建立分类预测模型.预测模型对测试集进行分类预测,得到预测正确率为87.5%,表明相对于直接提取患者平均动脉压信号的统计特征参数作为预测特征,本方法具有更好的预测效果,有利于实现急性低血压提前预测.
-
观看3D影像所致不适感的脑电功率谱特征分析
采集受试者脑电并进行分析,进而研究观看3D影像所致不适感反映在脑电中的特征信息,探讨脑电的功率谱特征与3D影像所致不适感之间的关联.采用2D和3D对比的方法,采集受试者观看2D影像和3D影像前、中及休息一段时间后的脑电,对两种观影条件下各时段的脑电信号进行功率谱及重心频率计算,进行统计学t检验,并设计主观感受信息问卷,作为脑电结果的对照分析.观看3D影像组的脑电功率谱在整个脑区都比2D影像组低,其重心频率在额叶区也较低,且存在显著性差异(P＜0.05)；而在休息后两者的脑电功率谱之间不存在显著性差异(P＞0.05)；此外,观看2D影像和3D影像均使主观感受信息的得分降低,且3D降低更多,但是两者之间没有显著性差异(P＞0.05).结论:脑电功率谱及重心频率与观看3D影像所致不适感有较强的相关性,相比于观看2D影像、观看3D影像时脑电功率谱及重心频率降低,其所致不适感通过主观感受问卷也可体现.脑电功率谱特征结合主观感受信息的分析,为研究评价观看3D影像所致感的指标提供了一定的基础数据.
-
大鼠脑缺血不同时期躯体感觉诱发电位的研究
脑电信号(EEG)具有较高的时间分辨率、可观测脑内活动的动态变化、完全无损检测等优点,常用于对神经系统疾病的诊断,本研究探讨脑缺血后躯体感觉诱发电位(SEP)变化及大脑皮层的功能恢复.利用线栓法建模成功的25只SD雄性大鼠分为5组,分别为正常对照组和左侧中动脉缺血术后4、24、48 h和1周4个实验组.采用SEP记录法,在术后不同时间段电刺激大鼠的右前爪正中神经支配区,记录对照组和实验组左侧皮层脑电信号,提取SEP,并对安静状态下的脑电进行频谱分析,定量评价左侧中动脉缺血后初级体感皮层SEP及功率谱变化过程.实验结果显示,术后4h,SD大鼠左侧大脑皮层测得的SEP潜伏期较正常状态显著增大((16.0±1.1)ms vs (33.7±1.3)ms,P＜0.01),波幅变小((197.2±13.0) μV vs(25.1±2.0) μV,P＜0.01),θ波、α波、β波、γ波的能量明显变小.θ波:(139 367.86±178.66)μV2vs(2.22±0.40)μV2,P ＜0.01;α波:(5389.33±25.55) μV2 vs(0.23±0.01) μV2,P＜0.01;β波:(79.11±4.16)μV2 vs(0.01±0.01)μV2,P＜0.01;γ波:(0.30±0.12)μV2 vs(0.00±0.00) μV2,P＜0.01.随着术后时间的延长,上述特征与对照组的差距逐渐缩小,但还不能达到正常状态的水平.研究提示,SEP可在一定程度上反映脑缺血大鼠大脑皮层功能的变化.
-
疲劳驾驶识别中的脑电信号特征选择算法和支持向量机模型研究
针对疲劳驾驶识别中脑电特征选择和分类模型,提出采用粗糙集理论的离散化算法对通道和脑电信号特征量进行选择,选用支持向量机作为疲劳驾驶识别模型,并将疲劳误判风险作为支持向量机模型参数进行模型优化.针对5名受试者的实验结果表明,与主分量方法相比,粗糙集离散化算法选取的特征量较少,以0.8为相容度阈值,在208个候选特征中选择的特征数为2～4个,不同被试者选取的特征不同且对建立支持向量机识别模型有影响;疲劳误判风险控制参数可以达到调节支持向量机识别模型误判风险.
关键词： 脑电信号 功率谱 疲劳 粗糙集 支持向量机(SVM) -
不同麻醉深度下大鼠脑电复杂度和功率谱的变化过程
本研究计算和分析了大鼠在逐渐加深的Urethane麻醉过程中脑电信号的算法复杂度、近似熵、功率值和功率谱重心频率的变化特征.结果表明:随着麻醉程度的加深,皮层脑电中同步波的两种复杂度值逐渐减小,同步波高频段功率也逐渐减少,使得功率谱重心频率向低频方向迁移;去同步波则在深度麻醉状态下不再出现,说明中脑网状结构的激励已消失.另外,脑电信号的算法复杂度和近似熵的计算结果有很好的一致性.
-
脑电特征分析在阿尔茨海默症临床研究中的应用
阿尔茨海默症(AD)是典型的脑认知功能障碍性疾病,严重影响患者的工作与生活,如何早期诊断此类疾病,一直是人们关注的热点,也是一项有意义的研究.脑电信号包含的功能信息,在脑认知功能障碍的早期诊断中有着独特的优势.从AD的发病机理出发,总结AD的常规诊断方法,进一步阐述脑电特征分析方法,即脑电功率谱、脑诱发电位、脑电近似熵及脑电复杂度等在AD诊断中的应用研究现状,并进行展望.
-
超声多普勒信号准平稳分段的研究
超声多普勒音频信号是一种非平稳时间序列,其功率谱是时变谱.为了能够准确有效地计算它的功率谱,要兼顾时间分辨力和时间窗截断效应.以前采用10ms固定长度时间窗进行功率谱估计虽有其合理性但并不完善.本文利用线性调频信号研究超声多普勒信号的非平稳特性,并在此基础上得出了超声多普勒信号准平稳时间段随心动时相不同而不同的结论,为超声多普勒信号谱分析的时间窗选取提供依据.
-
心电动态生理及病理信息的非线性动力学研究
按照非线性理论,作者设计并实施了用于心脏系统非线性研究的深低温停循环(Profound Hypothermia and Circulatory Arrest,简称PHCA)实验.通过对PHCA实验中几个温度台阶上所采集的心电信号的功率谱分析和Lyapunov指数的计算,得出以下结论:(1)心电信号的功率谱和Lyapunov指数反映了心脏的总体动态特征,它们可用以估计心脏的健康状态;(2)在正常的生理状态下心脏的运动是混沌的,而在病理状态下则趋于有序.
关键词： 混沌 心电信号 功率谱 Lyapunov指数 -
HAI实验中EEG信号的非线性动力学研究
采用一维时间序列相空间重构技术和混沌的定量判据,对缺氧窒息而引起的中枢神经损伤(Hypoxic-Asphyxic Injury, HAI)实验中仔猪的脑电(Electroencephalogram, EEG)信号进行了分析与计算.通过对生理和损伤状态下仔猪EEG信号的相图、功率谱、关联维数和Lyapunov指数的对比研究,得出如下结论:(1)EEG的相图、功率谱、关联维数和Lyapunov指数反映了大脑的总体动态特征,它们可作为一种定量研究EEG的新方法进行脑损伤的早期诊断;(2)在正常的生理状态下EEG是混沌的,而在损伤状态下则趋于有序.
-
麻醉过程中SD大鼠海马CA1区神经元活动的变化
研究麻醉剂戊巴比妥钠对大鼠海马CA1区神经元放电活动的影响,探讨在麻醉过程中,大鼠海马CA1区场电位和神经元放电活动的变化趋势.运用多通道在体记录技术,分别在16只雄性SD大鼠海马CA1区植入8通道在体电极,记录麻醉过程中海马CA1区单个神经元放电活动及相应场场电位的活动状况,运用单个神经元峰电位、功率谱和KC复杂度作为指标分别表示麻醉过程中EEG的变化.结果发现,在戊巴比妥钠的麻醉作用下大鼠海马CA1区神经元放电活动具有明显的变化特征,具体表现为注入麻醉剂后,大鼠海马CA1区放电活动迅速被抑制,发放频率降低,后缓慢恢复,呈现持续抑制的特点,且场电位和神经元放电之间具有较强的一致性.
-
大鼠皮层脑电和海马电位的复杂度和功率谱分析
目的分析大鼠皮层脑电和海马电位在觉醒和睡眠各期的复杂度和功率谱特性,以及两种电信号的复杂度值与功率谱分布之间的关系.方法 通过慢性埋植电极采集自由活动大鼠皮层脑电和海马电位,计算其算法复杂度Kc值、近似熵ApEn值,以及功率谱和功率谱重心频率.结果 海马电位在任何时期的复杂度值都显著高于皮层电位;皮层电位的复杂度值在非快动眼(NREM)睡眠期小,海马电位的复杂度值在清醒期大,两电位的总功率在NREM睡眠期大.结论 两种复杂度值Kc和ApEn与脑电功率谱的频率分布具有密切关系,功率谱中具有明显的高峰时,信号复杂度降低.复杂度指标可以区分大鼠皮层和海马电位之间的差别,以及同一电位在不同行为状态下的较大差别.
