基于匹配实测表面肌电信号的模型参数辨识

目的 通过对仿真与真实表面肌电信号(sEMG)的波形匹配以及肌疲劳现象的分析,研究sEMG信号的模型参数辨识问题. 方法 在运动单位仿真的基础上,引入神经激励对运动单位的募集和发放控制特性,建立了一个较为完善的sEMG信号生理学模型.利用调整模型相关生理参数使仿真与真实sEMG信号的运动单位动作电位(MUAP)波形相匹配的方法,实现对模型参数进行估计,通过调节肌纤维传导速度(MFCV)使仿真与真实sEMG信号的平均频率(MNF)及中值频率(MDF)拟合直线趋势相似的方法,研究肌肉的疲劳现象及其机理. 结果 适当调节sEMG信号模型参数可使仿真信号波形逼近真实sEMG信号波形,各个肌纤维的MFCV在模拟恒力持续收缩过程中减小时,仿真信号的MNF和MDF拟合直线呈下降趋势. 结论 采用模型方法能够实现仿真与真实sEMG信号波形的良好匹配,并能够有效地表达肌肉的疲劳过程,可应用于肌电信号相关领域的研究.     

基于多分辨率分析的心室晚电位神经网络检测

采用多分辨率分析和人工神经网络相结合的方法实现对心室晚电位的检测。首先利用多分辨率分解技术提取高分辨率心电信号不同频带的能量构成一组特征值 ,再利用这些特征值训练BP神经网络 ,并完成对心室晚电位的识别。经过对 2 8例 3导高分辨率心电图实验数据的处理 ,取得了较高的识别准确率     

转化生长因子-β及p53在胃癌中的相关研究进展

胃癌是我国最常见的恶性肿瘤之一,严重威胁着人们的健康与生命.胃癌是一个多因素、多基因、多步骤的癌变过程,涉及大量相关基因结构和表达调控.其中癌基因激活或抑癌基因失活而导致的细胞增殖增强与凋亡抑制等起重要作用.抑癌基因p53与胃癌的发生、发展、浸润和转移密切相关.同样转化生长因子（TGF）-β在胃癌的发生、发展过程中也起重要作用,作为转移的重要刺激因子参与胃癌等恶性肿瘤的浸润、转移.我们主要探讨抑癌基因p53及TGF-β在胃癌发生、发展中的作用及其相关性,从而为判断预后、指导临床治疗提供依据.     

针电极肌电信号AR模型参数与局部肌疲劳的相关定性关系

背景：研究肌肉的疲劳行为，对于神经肌肉系统的基础研究、残疾人的康复工程、理疗效果的客观评价、运动员的科学训练和工效学等都有广泛的应用价值。 目的：利用针电极肌电信号AR模型参数来研究局部肌疲劳，试图揭示局部肌疲劳过程与针电极肌电信号AR模型系数之间存在的定性关系。 设计：以人体针电极肌电信号为观察对象，分析肌电特征参数在局部肌疲劳过程中的变化规律。 单位：中国科学技术大学NML实验室。 对象：由中国科学技术大学NML实验室研制的肌电信号采集系统获得4例针电极肌电信号，挑选的4名志愿者均为健康男性，检测部位为胫前肌。 方法：根据随机信号参数模型理论，对针电极肌电信号进行建模，选取参数，研究肌肉疲劳过程中肌电信号的α1参数随时间的变化趋势。编程采用MATLAB语言工具箱的相关程序。 主要观察指标：针电极肌电信号的α1参数随着时间（疲劳过程）的增加而变化的趋势。 结果：人体的局部肌肉疲劳与从该肌肉检测的针电极肌电信号α1参数的变化趋势之间存在着一种相关关系，即针电极肌电信号的α1参数随着时间（疲劳过程）的增加有增大的趋势。 结论：针电极肌电信号的α1参数随着时间（疲劳过程）的增加有增大的趋势，利用这种关系就能够较好的对肌肉疲劳的状态进行评价。     

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拓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。     

利用小波变换去除针电极肌电信号噪声的实验研究

小波变换能将各种交织在一起的由不同频率组成的混合信号分解成不相同频段的信号。本文采用小波变换的方法对针电极肌电信号（ＮＥＭＧ）进行去噪声处理,并进行对比实验。结果表明,在应用小波变换处理ＮＥＭＧ信号过程中,只要适当选取变换尺度就可以在处理信号的同时,有效地消除原信号中高频噪声和基线漂移的影响。     

针电极肌电信号AR模型参数与局部肌疲劳的相关定性关系

背景:研究肌肉的疲劳行为,对于神经肌肉系统的基础研究、残疾人的康复工程、理疗效果的客观评价、运动员的科学训练和工效学等都有广泛的应用价值。目的:利用针电极肌电信号AR模型参数来研究局部肌疲劳,试图揭示局部肌疲劳过程与针电极肌电信号AR模型系数之间存在的定性关系。设计:以人体针电极肌电信号为观察对象,分析肌电特征参数在局部肌疲劳过程中的变化规律。单位:中国科学技术大学NML实验室。对象:由中国科学技术大学NML实验室研制的肌电信号采集系统获得4例针电极肌电信号,挑选的4名志愿者均为健康男性,检测部位为胫前肌。方法:根据随机信号参数模型理论,对针电极肌电信号进行建模,选取参数,研究肌肉疲劳过程中肌电信号的α1参数随时间的变化趋势。编程采用MATLAB语言工具箱的相关程序。主要观察指标:针电极肌电信号的α1参数随着时间(疲劳过程)的增加而变化的趋势。结果:人体的局部肌肉疲劳与从该肌肉检测的针电极肌电信号α1参数的变化趋势之间存在着一种相关关系,即针电极肌电信号的α1参数随着时间(疲劳过程)的增加有增大的趋势。结论:针电极肌电信号的α1参数随着时间(疲劳过程)的增加有增大的趋势,利用这种关系就能够较好的对肌肉疲劳的状态进行评价。     

基于小波神经网络的心室晚电位识别

采用小波神经网络对高分辨率信号平均心电图进行心室晚电位的识别.小波神经网络的训练采用共轭梯度法.经过对28例3导信号平均心电图实验数据的分析,取得了较好的识别效果,对晚电位的识别准确率为84.5%.     

基于稀疏分量分析的欠定盲源分离用于表面肌电信号分解

目的解决表面肌电分解中电极数小于肌电源信号而产生的欠定问题,针对盲源分离求解欠定混合方程进行研究。方法首先采用匹配追踪(MP)算法将肌电信号稀疏化,再利用空间退化与Hough变换法估计聚类轴并求解混合矩阵,最后通过模板匹配法完成对运动单位动作电位(MUAP)波形的分类。结果从较少的观测信号中获得源信号的估计值,并得到MUAP的波形和发放间隔(IPI)信息。结论本文采用的方法对表面肌电信号的分解是有效的,且具有较好的分离效果。     

基于小波神经网络的心室晚电位识别

采用小波神经网络对高分辨率信号平均心电图进行心室晚电位的识别。小波神经网络的训练采用共轭梯度法。经过对28例3导信号平均心电图实验数据的分析,取得了较好的识别效果,对晚电位的识别准确率为84．5％。