目的 为了探讨汉语为母语者在处理双耳分听模式下汉语听觉信号的脑区分布特征及偏侧化特点,本研究利用低通过滤的方法获取韵律信号,结合双耳分听技术,通过脑功能磁共振成像得到汉语语言和韵律双耳分听信号的神经处理模型.材料与方法 从2022年1月至5月在昆明医科大学第一附属医院共招募30位志愿者,年龄(25.36±0.88)岁,汉语为母语,强右利手者.汉语短句音频信号通过低通滤波器,只保留低频率语言韵律信号(<320 Hz),并得到两组双耳分听语音信号:左耳低通过滤右耳不过滤组(filtered in the left ear and unfiltered in the right ear,FL);右耳低通过滤左耳不过滤组(filtered in the right ear and unfiltered in the left ear,FR).受试者依次聆听两组语音信号,同时进行两组组块设计的脑功能磁共振成像.使用SPM 12软件对得到的影像数据进行预处理后,进行组内单样本t检验、组间双样本t检验,以此观察两组语音信号激活脑区的分布和强度的共性、差异性.根据单样本t检验的统计结果,确定感兴趣区域,计算相应脑区的偏侧化指数,以获得大脑在处理双耳分听模式下的汉语语言和韵律信号时的脑区偏侧化特点.结果 两组信号都激活了双侧颞中回、颞上回、额下回,左侧中央前回和右侧额中回(P<0.05,FDR校正);FL信号诱导左侧额中回血氧水平增高(P<0.05,FDR校正);FR信号还激活了双侧顶下小叶(P<0.05,FDR校正).对两组语音信号进行双样本t检验后,发现FR与FL相比,右侧颞中回、颞上回具有明显差异(P<0.05,FDR校正);FL与FR相比无明显差异性脑区.对两组语音信号进行偏侧化指数计算后发现,在大脑半球水平上两组语音信号无明显的偏侧化表现.两组信号的额中回具有右侧优势,中央前回都表现出左侧化趋势;顶下小叶在FR刺激下呈现左侧化趋势.结论 大脑处理两种语音信号时具有一个由双侧颞中回、颞上回、额下回和右侧额中回组成的基础语音处理模型.双耳分听信号FR除激活了基础语音加工脑区外,相较于FL招募了更多的听觉相关脑区参与言语感知和认知控制;FL则可以降低右侧颞中回、颞上回的音韵处理负荷,可能是一种符合左、右两侧半球处理语言、韵律优势的信号.

为实现低噪声、高质量的脑电信号传输,增强稳态视觉诱发电位(steady-state visual evoked potentials,SSVEP)脑机接口系统的应用能力,本研究设计了一种高效的SSVEP信号预处理滤波方法,用于去除伪迹与信号漂移.首先,本研究基于前期研究的含噪数据,进行了离线分析验证,并使用网格搜索方法,优化各滤波环节中的参数设定;然后,设计了 38 个刺激目标的拼写器,并纳入 20 名健康受试者进行在线分析.结果表明,在 2、3s时间窗下,经预处理滤波后的信号分类准确率分别提升了 8.88%与6.66%,信息传输速率分别提升了19.59%与10.5%.此外,将受试者分为初试组与经验组,并进行配对单因素方差检验,证实两组准确率具有显著差异(P2s_acc =0.02,P3s_acc =0.028).本研究的预处理滤波方法可高效去除SSVEP信号在时域与频域中的伪迹与噪声,提高分类识别的准确率,能够对其他范式脑机接口的信号预处理工作提供参考.

目的 该文以临床心电信号和合成心电信号为数据样本,应用心电信号预处理方法 在Matlab中进行数据仿真分析,以提高心电信号的信噪比.方法 首先设计梳状滤波器消除工频干扰和基线漂移,再应用低通滤波器滤除频率大于200 Hz的高斯白噪声,最后进行合成心电信号和临床心电信号仿真测试.结果 在合成心电信号仿真测试中,位于0 Hz和50 Hz的幅度得到较大的抑制;在临床心电信号仿真测试中,工频干扰和基线漂移的幅度由10×105变为2×105;经过低通滤波,高斯白噪声进一步被抑制.结论 心电信号预处理方法 能够较好地滤除心电信号中的干扰信号,提高了心电信号的信噪比,进而提高识别胎儿心电信号的准确率.

目的:通过对肺部医学影像进行预处理增强肺部病灶区域,并用3D建模实现肺部影像立体视觉效果,而影像的数据测量功能有助于辅助医生诊断更加精确、科学、全面;加快以智能化、数字化为中心的辅助诊断系统建设.方法:系统可对DICOM、JPG、IMA、BMP格式的医学影像进行处理,分为5个功能模块:第一部分是肺部影像预处理,包括改进型均衡化、几何变换、滤波处理、形态学等功能的实现;第二部分是肺实质分割,包括滚球法分割、多阈值法分割、基于灰度级分层的伪彩色分割、手动分割、肺结节的提取功能;第三部分是肺部影像伪彩色处理功能的实现;第四部分是肺部影像3D建模可变视角观察;第五部分是对提取的病灶区域进行边界提取、踩点测距、面积及周长的计算功能.结果:系统优化了功能类型,实现功能的多样化、专业化、智能化,并且实现了肺部立体式旋转观察,增强了影像细节部分的显示功能,加强了人工和自动标识的功能,有助于提高医生诊断的可靠性.结论:系统实现了肺部影像的增强功能、3D建模及数据测量功能,提高了系统设计的可靠性,辅助医生进行肺部疾病诊断,可进行功能扩展,在肺部疾病辅助诊断系统中有较好的应用前景.

针对睡眠过程中无束缚监测心动信息的需求和现有检测方法在精度和方便性方面存在的缺点,本研究设计制作了一套利用加速度传感器无束缚检测心冲击的系统,开发了相应算法.心冲击信号具有方向性,沿脊柱方向强度最大,受呼吸运动影响最小.本研究采用固定于床体的3轴加速度传感器检测心冲击激发的床体振动,从中分离提取脊柱方向信号,以实现睡眠过程中的无束缚心冲击检测.信号预处理中,首先利用频率特征分析找出心冲击信号的频率范围,然后在此范围内对原始信号进行分段滤波并将结果与理论波形比较,以确定信号的通频阈值,从而获得准确的心冲击波形.本研究基于能量波形进行J波检测,并提出了一种幅值与周期相结合的自适应阈值算法,以准确提取心率.通过与心电图的对比实验,验证了噪声背景下提取心冲击信号的准确性和鲁棒性.对30名受试者进行的实验结果显示,所开发的系统检测心率的准确度高达99.21％,验证了利用加速度传感器无束缚检测心冲击的可行性.

目的:设计基于六轴姿态传感器的患者跌落报警系统, 监测患者住院卧床或病房活动期间发生跌落的事件.方法:采用基于六轴姿态传感器测算功能, 通过六轴姿态传感器和Zigbee模块搭建的物联网平台, 组成医院病房的患者跌落自动报警系统.采用Arduino作为硬件开发平台, 通过I2C总线方式获取患者佩戴的传感器数据, 并通过对数据进行预处理、数值滤波的方式进行姿态解算.结果:实现对患者当前姿态的识别, 同时对突发的跌落事件进行及时报警, 协助临床工作人员更好的对患者进行监护.结论:设计的患者跌落报警系统基本实现对患者跌落情况的监测与报警功能, 但存在偶发性误判与佩戴硬件体积过大的问题, 计划通过改进算法与硬件平台, 以提升系统的实用性.

为了实现通过椎旁肌诊断和评估人体脊柱病变情况,该文设计了一套基于表面肌电信号的椎旁肌监测系统.该系统使用表面贴片电极获取椎旁肌表面肌电信号(sEMG),通过调理电路对信号进行滤波、放大处理,利用微控制器NRF52832进行信号采集,并将采集的信号发送至手机APP.在APP中通过小波阈值去噪算法对信号预处理后,提取反映椎旁肌功能状态的sEMG信号时域特征与频域特征,将计算的特征参数在APP界面中实时显示.实验结果表明,该系统在模拟信号采集、信号的数字处理以及特征参数计算方面都满足设计要求,具有一定的应用价值.

基于医学DICOM序列图像数据,利用Insight Segmentation and Registration Toolkit和Visualization Toolkit工具包对图像数据进行处理,实现图像的读取、滤波和调窗等预处理.对不同目标区域分别采用区域生长法和水平集法进行分割,实现面绘制的体素级重建方法绘制和体绘制的光线投影法绘制,构建出目标模型的三维模型.以QT和VS2013为平台,设计图像处理系统,完成图像的读取、预处理、二维分割、三维重建和人机交互等功能.系统可提供方便、快捷的操作,构建逼真的三维模型,对目标区域准确定位、快速诊断,提高医护人员的工作效率.

目的 为了探究脑机接口中脑电信号与判断认知心理活动之间的识别问题,本文在视觉刺激诱发实验设计中采用文字和图片结合的方式进行脑电分类研究以期提高识别率.方法 通过设计视觉刺激诱发判断认知脑电实验采集到15名受试者在"是"或"否"状态下的脑电信号,经过预处理和事件相关扰动(event-related spectral dynamics,ERSP)特征分析,运用经验模式分解(empirical mode decomposition,EMD)优化共空间模式(common spatial pattern,CSP)的特征提取算法进行分类识别.首先,利用EMD对预处理后的脑电信号进行有效的固有模态函数(intrinsic mode function,IMF)频段筛选;其次,使用CSP滤波器进行滤波提取特征向量;最后,使用支持向量机(support vector machine,SVM)进行分类识别,并对测试组进行检验.结果 经过EMD-CSP优化滤波后进行SVM分类正确率可达88.97％,相比单独利用CSP进行特征提取下的SVM分类结果 提高了约5％.结论 EMD-CSP优化滤波方法 对判断认知脑电识别的可行性和有效性,为进一步开发脑机接口应用产品提供认知参考依据.

目的:为了获取飞机在飞行状态下的姿态、速度、高度等信息,设计一款飞行状态数据采集系统.方法:该系统采用微型化、嵌入式设计,选用集三轴陀螺仪、三轴加速度计、三轴磁力计为一体的MPU9250九轴运动姿态传感器作为运动变化跟踪采集的传感器,采用STM32F407单片机作为主控芯片,将MPU9250九轴运动姿态传感器、BMP280气压传感器、SHT20温湿度传感器采集的数据传送至STM32F407单片机,通过姿态解算和卡尔曼滤波算法进行数据预处理,得出飞行状态实际数据,再将数据存入大容量TF存储卡中,方便导出进行大数据分析.结果:该系统能实时采集、处理和存储各传感器数据,且借助上位机软件,可以直观地显示出各传感器的实时数据变化.结论:该系统体积小、携带方便,可随飞行员驾机进行飞机飞行状态数据采集,对飞机飞行状态进行实时记录,为深入研究飞行状态下飞行员的身体变化数据提供了基础.