首页 > 文献资料
-
实时手部精细运动意图识别方法的研究
目的:利用脑卒中患者的自主运动意识进行主动神经康复是促进患者脑功能重塑、提高康复训练效果的重要工程学手段.针对脑卒中患者手部精细运动功能恢复速度慢、恢复程度有限等问题,本文提出了一种基于数据手套的模板匹配方法,用于识别患者的手部精细运动意图.方法:利用自主研发的虚拟现实康复训练平台,将基于数据手套模板匹配的运动意图识别方法嵌入其中,并与基于表面肌电模式识别方法进行对比研究.招募了6例健康受试者参与实验,对16个手部精细动作的离线识别性能和实时识别性能分别进行分析,并对离线性能指标与实时性能指标之间的关系进行相关性研究.结果:采用基于数据手套模板匹配方法取得的平均离线动作识别准确率为95.00％±3.66％,平均实时动作完成率为91.31％±1.17％,显著高于基于表面肌电模式识别方法的离线动作识别准确率(84.66％±4.66％,P＜0.01)与实时动作完成率(71.86％±10.04％,P＜0.01).另外,基于数据手套模板匹配方法取得的离线动作识别准确率与实时动作完成率是线性相关的(P＜0.05),而基于表面肌电模式识别方法取得的离线与实时性能指标不存在线性关系(P=0.4005).结论:与传统的肌电模式识别方法相比,基于数据手套模板匹配方法具有显著的比较性优势.因此,有望成为手部精细运动功能主动神经康复中的一种有效的运动意图识别方法.
-
▌我国传染病预警系统达国际先进水平
中国疾病预防控制中心表示，目前我国的传染病预警系统已实现对鼠疫、霍乱、人感染H7N9禽流感、埃博拉出血热等33种传染病监测数据自动分析、时空聚集性实时识别、预警信号发送和响应结果实时追踪等功能。该系统已成为全国各级疾控机构及时发现传染病暴发疫情的重要工具，标志着我国传染病预警技术研究达到国际先进水平。
-
宫缩曲线分析及其状态实时识别算法的研究
宫缩状态实时识别在分娩镇痛中具有重要意义,但相关传统算法和系统无法满足实时识别宫缩状态的要求.针对上述情况,本文设计了一套宫缩状态实时分析算法.该算法包括宫缩信号预处理、基于直方图和线性迭代的宫缩基线估计以及一种基于有限状态机原理的实时识别算法,可根据前一点的宫缩状态以及一系列状态转换条件来识别当前的宫缩状态,并且设置缓冲机制来避免不真实的状态转换.为了评估该算法的性能表现,本文将其与现有的一种电子胎儿监护仪的宫缩分析算法进行比较.实验结果表明,本文算法能够在宫缩信号实时监测的同时对宫缩状态进行实时分析,算法敏感度为0.939 9,阳性预测值为0.869 3,具有较高的准确度,可达到临床监测的要求.
