华西医学期刊出版社
关键词
  • 标题
  • 作者
  • 关键词
  • 摘要
高级搜索
高级搜索

搜索

找到 关键词 包含"模式识别" 5条结果
  • 基于脑电信号的自动睡眠分期研究进展

    睡眠分期是研究睡眠及相关疾病的基础,是完成睡眠质量评估的前提,具有重要临床意义。近年来,基于计算机技术的睡眠脑电信号自动分期成为研究热点,并取得了一些成果。本文介绍了睡眠分期与脑电信号的基础知识,详细论述了基于脑电信号的自动睡眠分期研究中的两个关键技术——特征提取和模式识别,比较了小波变换、Hilbert-Huang变换两种常用的脑电特征提取方法,和人工神经网络、支持向量机两类模式识别方法的优缺点及其在睡眠分期中的应用,总结了近几年该领域的研究现状和发展趋势。

    发表时间: 导出 下载 收藏 扫码
  • 生物阻抗身份识别研究

    本研究旨在根据生物电阻抗理论和模式识别算法, 对不同的人进行生物电阻抗的测量并进行身份识别。本文利用AD5933芯片设计阻抗采集电路来采集不同人手掌处的生物电阻抗, 获得1~100 kHz频率激励下的阻抗谱信息, 计算阻抗曲线的分段频率值作为特征参数。为了提高识别率和防止过度拟合, 将被测人员分成训练集和测试集, 设计了一个3层的向后传播(BP)神经网络模型, 对样本进行训练和预测。研究结果表明, BP神经网络对测试样本能进行有效识别, 训练集的准确率达到97.62%, 验证集的准确率达到88.79%, 测试集的准确率达到86.34%, 综合的识别准确率为94.22%。该网络可以很好地识别出已存在于训练网络中的人和不属于训练网络的陌生人, 验证了基于生物电阻抗的模式识别方法对身份进行辨识的可行性与可靠性, 为身份识别提供了一个简单有效的补充性技术。

    发表时间:2016-10-02 04:55 导出 下载 收藏 扫码
  • 基于阿尔茨海默病脑结构网络的模式识别分析

    阿尔茨海默病是最普遍的一种老年痴呆症,目前尚无有效治疗手段。通过早期诊断,经确诊后进行临床前的干预治疗是目前认为最有效的手段,但相应的早期诊断方法依然有待研究。神经影像为大脑功能结构测量提供了便利,其中结构网络反映了大脑不同皮层区域之间的纤维束结构连接模式,是大脑正常生理活动的基础。本文基于大脑结构网络,结合模式识别方法,提出了一种基于大脑结构网络的阿尔茨海默病病变和灰质病变脑区自动诊断方法。该方法通过模式识别中的特征筛选,可得到阿尔茨海默病患者大脑皮层异常区域。本研究从网络的节点和连接两个方面分析了阿尔茨海默病大脑结构异常的空间分布模式,期望通过本文研究可为今后阿尔茨海默病病理机制的研究提供更新的线索。

    发表时间:2019-02-18 03:16 导出 下载 收藏 扫码
  • 偏瘫步态障碍的自动识别和分析

    本文利用微软公司研发的体感周边外设(Kinect)获取偏瘫患者的步行轨迹数据,在此基础上实现了偏瘫步态的自动识别,并对识别特征的重要性进行了排序。首先,研究设立了试验组和对照组,两组受试者按要求分别完成规定的范式动作,经由 Kinect 实时获取受试者的步行轨迹数据。从获取的数据中可提取步态识别特征:步速、步幅、质心的移动范围(上下和左右方向)。然后,利用贝叶斯分类算法对这些特征构成的样本集进行分类学习,实现偏瘫步态的自动识别。最后,利用随机森林算法确定每个特征的重要性,通过对每个特征的重要性进行排序,可为病情诊断提供参考。本文研究结果表明,基于贝叶斯算法的分类准确率为 96%;使用随机森林算法确定的特征重要性排序为步速、步幅、质心左右偏移距离、质心上下偏移距离,而步速与步幅、步速与质心左右偏移距离的组合是偏瘫步态分析诊断的重要依据。本文研究结果或可为偏瘫步态的智能诊断提供新的思路和参考。

    发表时间:2019-04-15 05:31 导出 下载 收藏 扫码
  • 脑-机接口中脑电解码算法研究综述

    脑-机接口(BCI)作为一种可实现人脑与外界信息交流和控制的人机交互方式,已经受到脑科学、人工智能等研究领域的广泛关注。脑电特征解码是BCI系统的核心步骤。高效特征解码取决于“特征”和所使用的特征解码算法。本文首先介绍了脑电信号的主要特征描述方式,紧接着介绍BCI相关研究中使用的经典解码算法的基本原理、适用范围、存在问题以及改进方法,最后介绍了近年来提出的多种新算法及理论框架,并展望了未来脑电特征解码算法的新动向,希冀为研究开发高性能BCI提供新思路。

    发表时间:2019-10-16 02:20 导出 下载 收藏 扫码
共1页 上一页 1 下一页

Format

Content