王刚
- 作品数：7 被引量：22H指数：2
- 供职机构：西安交通大学生命科学与技术学院生物医学信息工程教育部重点实验室更多>>
- 发文基金：国家自然科学基金国家科技支撑计划陕西省自然科学基金更多>>
- 相关领域：医药卫生电子电信自动化与计算机技术更多>>
- 大脑皮层-肌肉交互作用与注意力关系的实验研究被引量：10
- 2014年
- 为探索注意力因素对大脑皮层与肌肉交互作用的影响,5名健康受试者被要求完成两种任务。在任务1时,受试者通过右手食指、拇指对捏维持2N的恒定力;在任务2时,为了分散受试者右手运动控制的注意力,除需完成任务1中右手动作外,还要通过左手食指外展保持一个大小随机的恒定力。实验过程中同步采集受试者脑电和肌电信号,并将皮层-肌肉耦合,即将脑电与肌电信号的频域相干作为表征大脑皮层与肌肉交互作用强弱的指标。结果显示,任务2与任务1相比,所有受试者其右手肌电信号与左侧大脑脑电信号的皮层-肌肉耦合强度显著降低。此结果表明,注意力可影响大脑皮层与肌肉的交互作用,且注意力越集中,大脑皮层与肌肉交互作用越强。这一结论对于是否将注意力因素引入到神经损伤患者的运动功能康复中具有一定指导作用。
- 郑杨王刚王刚徐进秦永辉
- 关键词：相干脑电肌电注意力
- 利用高频脑电的局灶性癫痫患者癫痫发作检测被引量：1
- 2018年
- 针对现有的大多数癫痫发作自动检测方法都是在脑电的低频段进行而忽略高频成分这一现象,利用长时程头皮脑电的高频成分对局灶性癫痫患者进行癫痫发作检测。首先将19通道的脑电数据在一个滑动时间窗内利用小波分解提取出高频γ波段,再利用有向传递函数算法来提取信息流特征,求得流出信息强度特征用以降维,然后将此波段的特征通过支持向量机进行分类,通过五重交叉验证得到癫痫发作效果评价。结果表明:利用高频检测脑电癫痫发作的正确率为98.4%,平均选择性为60.7%,平均敏感性为93.4%,平均特异性为98.4%,平均检出率为95.9%;通过和使用其他子频带进行癫痫发作检测的结果对比发现,γ波段有着更高的分类效果;表明了对于局灶性癫痫患者,在癫痫发作时,其γ波段的流出信息强度显著性集中和增强在某些脑区。研究内容验证了癫痫发作与脑电中高频成分有关的观点。
- 王栋李扩刘晓芳闫相国王刚
- 关键词：癫痫发作
- 利用小波包的脑电源定位算法仿真研究
- 2013年
- 提出了一种利用小波包变换的脑电源定位新算法,可获得大脑皮层上的神经电活动分布信息。该算法首先对脑电信号进行小波包分解、子空间分量选择以及信号重构,之后将重构信号与基于真实头部磁共振图像的3层边界源头模型相结合,进行逆问题求解得到源信息,并从信噪比、源深度、脑电信号导联数3个方面对提出算法和原始算法进行了对比分析。实验结果表明,在不同的情况下,提出算法的重建源与设定源平均距离均在3mm以内,标准差在1mm左右,而原始算法的重建源与设定源平均距离最大达9.4mm,标准差达4.5mm;在同样的情况下,提出算法重建源的均值和标准差均小于原始算法,最高可分别减少6.6mm和3.5mm。提出算法的源定位精度明显强于原始算法(P<0.05),且稳定性强,具有一定的临床价值。
- 赵梦琰李扩鲍刚滕超淋王刚
- 关键词：小波包变换边界元方法
- 针对局灶性癫痫患者的脑电微状态分析被引量：1
- 2020年
- 针对脑电的癫痫神经机制研究仅限于致痫灶相关的局部脑区,提出利用脑电微状态从全局角度揭示癫痫发病的神经机制。使用修正K均值聚类算法提取了癫痫患者发作间期的特征微状态,并与连续脑电信号配对得到微状态序列;计算每种微状态的平均持续时间、总占比、每秒出现次数,对比癫痫患者和正常人的参数相对趋势差异;利用小波变换的方法分析癫痫患者微状态序列的分形特性。研究发现:癫痫患者的微状态D的平均持续时间为(101.42±22.91)ms、在整个时间序列上的总占比为(30.86±9.79)%、出现频率为(3.10±0.94)次1s,数值结果显著大于微状态A、B,和微状态C相近,和正常人趋势不同;在32ms^16s的时间尺度上,分形分析的结果显示癫痫脑电微状态序列的赫斯特指数为0.643 5±0.010 2,具有分形特性。微状态D的参数异常解释了癫痫患者易出现注意力缺失的现象;癫痫微状态参数相对趋势变化对癫痫疾病诊断有参考意义;癫痫微状态序列的分形性质表明了序列在很大的时间范围内具有自相似、无标度的特性,使微状态序列具有研究癫痫发病机制和预测癫痫发作的潜力。
- 张克旭杜昌旺赵浩淇李扩张益榕王畅刘晓芳闫相国王刚
- 关键词：癫痫发作间期脑电信号
- 采用源空间套索分析和卷积神经网络方法的高频脑电动作模式识别方法
- 2024年
- 针对目前同侧手部运动意图识别率低的问题,提出了一种基于源空间套索分析和卷积神经网络(source-Lasso-CNN,SLC)的高频脑电动作模式识别方法。该方法运用空间源定位分析与握拳、展拳、二指对捏、三指对捏4种动作相关的脑电信号,使用组Lasso进行感兴趣区域(ROI)选择,再输入到卷积神经网络进行单手多类动作模式识别。采集13名被试者在4种手部动作模式下的脑电和肌电信号并进行预处理,采用基于核磁共振图像的边界元模型建立头模型、使用最小范数估计解决脑电源成像逆问题,将传感器空间的脑电信号映射至源空间。将源空间脑电序列按照布罗德曼分区进行划分,提取每个脑区的3个时域特征并基于特征采用组Lasso方法进行ROI选择,将挑选出的ROI及其对应源空间序列输入卷积神经网络中进行四分类。实验结果表明:采用source-Lasso-CNN的方法在高频(γ频带)脑电的识别准确率可达(82.23±12.71)%,优于在δ(1~3 Hz)、θ(4~7 Hz)、α(8~13 Hz)、β(14~30 Hz)以及全频带(1~100 Hz)上的结果。与其他先进方法相比,其准确率也有显著性的提升,显示了该方法在同侧手部运动意图识别中的有效性。
- 陶怡徐维维朱家林袁子文王茂德王刚
- 采用小波变换和双向长短期记忆网络的脑电睡眠分期模型被引量：2
- 2022年
- 针对睡眠生理信号采集难度大、睡眠分期精度低的问题,提出一种采用小波变换和双向长短期记忆网络的脑电睡眠分期模型。首先使用连续小波变换提取睡眠脑电的时频图;然后使用卷积神经网络从脑电信号的时频图中提取睡眠相关的脑电特征,作为单个睡眠片段的分期依据,再使用双向长短期记忆网络进一步提取睡眠片段之间的状态转换规则;最后利用深度学习方法建立特征、规则与睡眠阶段的映射,使用数据扩充和两步训练法训练模型,削弱数据不均衡的影响,完成连续片段的睡眠分期。采用SHHS公开数据库的5793名被试者的睡眠脑电数据对该模型进行验证,实验结果表明,睡眠分期准确率达到85.82%,整体F1达到78.39,Kappa系数达到0.799,和现有方法相比性能明显提升。
- 王天宇陈晗王刚王刚
- 关键词：睡眠分期脑电信号连续小波变换
- 欠驱动式手指康复训练装置的结构优化设计被引量：8
- 2015年
- 为了使欠驱动式手指康复训练装置可提供的手指关节活动范围满足训练需求,以某一连杆机构为例,通过分析运动学模型空间状态进行结构优化。首先建立机械机构与手指的简化空间模型,以关键构件及手指关节的旋转角度作为空间向量元素,求得某一机械尺寸及手指长度下所有可能的空间向量,形成空间状态集;然后通过考察空间状态集选择最佳机构尺寸,使得手指关节活动范围满足训练需求。仿真及样机佩戴测试结果表明,经过优化设计后的连杆式机构能够辅助手指在所需的关节活动范围内进行屈曲伸展运动,对手指长度变化的适应能力较强。所提结构优化方法对于欠驱动式肢体康复训练装置的结构优化设计具有一定的参考价值。
- 郑杨陈垒王刚王刚刘新蓉董晓彤
- 关键词：欠驱动结构优化
