阿尔茨海默氏症患者大脑的结构偏侧性研究

偏侧性是大脑实现高效、多任务功能活动的特性之一,阿尔茨海默氏症(AD)的病理改变会导致大脑结构和功能 偏侧性出现异常。文章分别选取了 39 例 AD 病人与正常老年人的大脑结构磁共振和弥散张量磁共振图像,将其大脑分成 34 个感兴趣区域并计算了左右半球各区域的大脑皮层表面积、沟回指数、皮层厚度、皮层下白质体积、白质纤维束部分 各向异性共 5 个参数。经检验统计分析后发现,大脑皮层左右半球的形态结构差异主要位于前额叶、颞叶、边缘系统等 最易受衰老和 AD 病变影响的区域,AD 患者的大脑偏侧性较正常老年人减弱,尤其在内嗅皮层上,灰质、白质偏侧性同 时消失。大脑偏侧性研究对加深 AD 发病机理的认识及提高该疾病的临床诊疗有重要意义。     

DH型压缩机组动力学特性的有限元分析

用有限元方法对一台实际的DH型离心压缩机组的核心部分－多根平行轴齿轮转子系统的动特性进行了分析。在计算中使用了有限元软件ANSYS，其中所用的模型可以计入滑动轴承的刚度系数和阻尼系数以及齿轮的啮合。     

多传感器融合的穿戴式心率监测系统

为提高日常行为下心率监测准确率,用多传感器融合的方法分别融合与生物电生理和生物机械力密切相关的心电、脉搏波信号,实现基于Android平台的高可靠、穿戴式心率监测系统.使用本系统和ST-1212心电工作站进行了18例日常行为下不同动作不同强度的同步采集和分析实验.通过分析信号时域特征得到反映信号质量高低的信号质量指数,根据质量指数自适应调节卡尔曼滤波器对两路信号获得的心率做最优估计,最后通过卡尔曼滤波残差调节权重得到融合心率.结果表明,融合心率相比单从心电或者脉搏波信号所得心率准确度提高46%以上。该系统通过多传感器融合的方式能有效降低干扰对心率估计的影响,可相对长时间地进行心率低负荷连续监测.     

虚拟现实手部康复训练系统的设计与实现

将虚拟现实技术应用到康复医学领域,可有效克服传统康复训练方法的局限性,实现安全、舒适和主动的康复训 练。本文设计并实现了一套虚拟现实手部康复训练系统,系统由交互设备、人机交互软件和虚拟环境三部分组成。交互 设备采用 5DT 公司生产的 5DT Data Glove 14 Ultra 数据手套,而人机交互软件运用 Visual Studio 2012 作为开发工具,基于 MFC 编写,实现了用户管理、数据采集、手势信号分类、实时手势识别测试等功能。构建的虚拟场景使用 Flash 游戏, 通过 MFC 和 Flash 游戏之间通讯使用者能使用手势信号实现游戏操控。本文的实验结果表明：虚拟现实手部康复训练系 统能够指导使用者进行有效的手部康复训练,Flash 康复训练游戏能有效提高使用者进行康复训练的积极性和主动性。     

基于聚偏氟乙烯传感器的心冲击信号影响因素分析

心冲击图(Ballistocardiography,BCG)记录了人体心脏做机械运动时对外界的作用力信号,不 仅能反应心脏节律,还能作为评估心脏血流动力学参数变化的有效依据。但 BCG 信号的采集过程中影 响因素较多,这些严重地影响着信号形态特征,进而导致对其进行血流动力学分析得不准确。因此, 该文采用聚偏氟乙烯压电薄膜传感器,设计并实现了能够有效抑制外界干扰、具有高信噪比的 BCG 信 号采集系统。基于该系统研究了传感器位置、床垫硬度、躺卧姿势对采集系统稳定性的影响,并分析 了在呼吸暂停情况下采集系统的检测性能。结果表明,在卧姿采集 BCG 信号时,应选择硬质床垫(如 木板床),并将传感器摆在心脏正下方的位置,使受试者保持平躺姿势。满足上述条件时,所采集的 BCG 信号波形最佳,H、J、K 波波形明显,且具有较强的节律性,有利于提高后续血流动力学分析的 精度。     

齿轮转子系统耦合振动新频率的有限元分析

利用有限元应用软件ANSYS建立了齿轮转子系统耦合振动分析的有限元计算模型。分析与计算了系统的耦合振动模态，在此基础上进行了谐响应分析，得到了系统的耦合振动响应图。该分析方法可广泛应用于齿轮转子系统的动力学设计。     

一台多级压缩机组的振动特性分析

采用目前较先进的有限元应用软件ANSYS,通过建立有效的压缩机组计算模型来计算临界转速,并与试车结果进行比较,两者具有较好一致性,根据计算和实测结果,提出了解决振动超标的办法,并按照这一办法解决了振动超标问题,计算模型中主要解决了滑动轴承的模化问题,在试车中采用Bently 3300系统进行监测。     

基于双弹性腔模型与整心动周期脉搏波的血流动力学参数估计

为了对心脏疾病的诊断和治疗提供指导, 同时也为进行心脏辅助装置的设计及评价提供有利的工具, 提出了基于双弹性腔模型和整心动周期脉搏波的血流动力学参数估计方法, 运用非线性最小二乘Levenberg-Marqurdt算法对实测脉搏波数据进行参数估计得到动脉系统的模型参数, 即人体的血流动力学参数 (包括外周阻力、动脉顺应性和血流惯性) .利用MATLAB/Simulink工具结合图形用户界面 (graphical user interface, GUI) 建立的左心与动脉系统耦合的动力学电路模型得到的仿真结果与人体实测脉搏波数据进行对比分析, 验证了模型参数估计的有效性.用该方法估计的参数结果符合生理参数范围, 且效果优于传统的舒张期估计方法, 其中主动脉顺应性参数的估计结果误差降低了50%, 参数带入模型得到的仿真结果与实测脉搏波之间的误差也降低了20%左右.     

几种自适应线性判别分析方法在肌电假肢控制中的应用研究

体表肌电信号会随着外部或人体内部环境变化而发生改变,这种时变特征使得固定参数肌电模式分类器的分类精 度会随着时间的延长而下降。为了获得具有稳定性能的肌电假肢控制系统,在肌电模式分类器中加入自适应机制是很有 必要的。本文以传统线性判别分析(Linear Discriminant Analysis,LDA)为基础,尝试在肌电模式分类器中引入三种自适应 方案,并探讨了这三种方案在肌电模式分类应用中的优缺点。初步研究表明：自增强线性判别分析(Self-enhancing LDA, SELDA)分类器和循环训练集线性判别(Cycle Substitution LDA,CSLDA)分类器都能够将识别准确率提升 5% 左右。其 中,SELDA 是一种有效的自适应方案,而 CSLDA 可以得到更高的识别率提升和更好的稳定性,但是计算量较大,需要 更大的代价。卡尔曼自适应线性判别(Kalman Adaptive LDA,KALDA)分类器单独使用效果不明显,需要进一步改进或结 合其他方法使用。     

不平衡数据集的CT结肠镜息肉检测方法

目前CT结肠镜的息肉检测分类器面临着数据集不平衡问题,数据集中的正样本(息肉)的数量远远小于负样本．针对这个问题,息肉检测分类器采用SMOTEBoost,结合SMOTE(Synthetic Minority Over-Sampling Technique)和Boosting:在数据层面,采用过采样技术SMOTE合成少数类样本,减轻数据集中两类样本的不平衡程度;在算法层面,采用Boosting方法提高弱分类器的性能,两者结合起来,既改善对少数类样本的预测能力,又保证了对整个数据集的分类精度．为了满足息肉检测对算法实时性的需求,采用MRMR(Minimum Redundancy Maximum Relevance)方法挑选最大相关、最小冗余的简单特征组成级联第1层强分类器,拒绝大多数负样本,极大地提高了分类器的处理速度．实验结果表明:设计的分类器检测直径大于5 mm息肉的敏感度达到90％,每个数据体6个假阳．