您的位置: 专家智库 > >

国家自然科学基金(61271154)

作品数:3 被引量:8H指数:2
相关作者:詹长安汪鸿浩王涛符秋养更多>>
相关机构:南方医科大学南方医科大学南方医院广州南方医大医疗设备综合检测有限责任公司更多>>
发文基金:国家自然科学基金广州市科技计划项目广东省医学科学技术研究基金更多>>
相关领域:医药卫生自动化与计算机技术更多>>

文献类型

  • 4篇学位论文
  • 3篇期刊文章

领域

  • 7篇医药卫生
  • 1篇哲学宗教
  • 1篇自动化与计算...

主题

  • 3篇小波
  • 3篇小波变换
  • 3篇脑电
  • 3篇波变换
  • 2篇信号
  • 2篇支持向量
  • 2篇支持向量机
  • 2篇谱估计
  • 2篇癫痫
  • 2篇向量
  • 2篇向量机
  • 2篇脑电信号
  • 2篇功率谱
  • 2篇功率谱估计
  • 2篇复杂度
  • 1篇心电
  • 1篇心电信号
  • 1篇心率
  • 1篇心率变异
  • 1篇心率变异性

机构

  • 7篇南方医科大学
  • 1篇南方医科大学...
  • 1篇广东省第二人...
  • 1篇广东省工伤康...
  • 1篇广州南方医大...

作者

  • 2篇詹长安
  • 1篇汪鸿浩
  • 1篇符秋养
  • 1篇王涛

传媒

  • 1篇生物医学工程...
  • 1篇计算机工程与...
  • 1篇航天医学与医...

年份

  • 6篇2019
  • 1篇2018
3 条 记 录,以下是 1-7
排序方式:
响度在晚潜伏期响应生理特性上的表达研究
临床上有关听力残疾患者的听觉补偿方法主要为助听器和人工耳蜗,其验配或调机需要设置听阈和响度舒适级参数。两项参数一般可通过主观行为测试获取,对于缺乏主观行为能力的特殊病人如婴幼儿、智力障碍者则需借助客观的电反应测听(Ele...
吴文婷
关键词:助听器人工耳蜗生理特性
基于最大长序列的听觉诱发电位噪声抑制能力分析
2018年
最大长序列(m序列)是在高刺激率条件下研究听觉诱发电位(AEP)线性/非线性成分的一种有效手段。但在实用中如何评估m序列的阶数选择对噪声抑制能力的影响是有待明确的问题。本研究主要采用两种类型实测数据评估m序列噪声抑制。根据m序列互相关法在去卷积计算过程中的两个计算步骤,即叠加平均和互相关,分别估算不同阶数(5~12阶)条件下自发脑电噪声抑制比,并选择7阶和9阶m序列进行非线性AEP实验。结果表明,m序列对自发脑电的噪声抑制比与随机噪声条件下的理论值完全符合,证实噪声抑制比主要取决于序列的总长度或总的记录时间。对于7阶和9阶m序列的线性/非线性成分进行相似性比较,提示AEP成分对阶数不敏感。本研究提供了一种选择m序列的更全面的解决方案,可更好地促进基于m序列的非线性AEP的应用。
陈韵儿詹长安彭贤符秋养王涛
关键词:听觉诱发电位噪声抑制
认知压力与心率变异特性研究
心理压力是生理和心理健康的重要影响因素,对人的日常生活和工作效率也产生严重影响。寻找实时便捷的心理压力评估与检测方式,对防止慢性心理压力的形成并造成不可逆转的健康损伤有着重要的意义。随着可穿戴技术的发展,实时非入侵式的生...
陈盈月
关键词:心率变异性心电信号滤波处理QRS波检测
基于小波变换的小鼠癫痫模型脑电信号自动分类
癫痫(Epilepsy,EP)是一种以突然、反复发生的大脑内神经细胞群发生阵发性异常超同步电活动,导致短暂的大脑功能障碍的慢性神经系统疾病。为了深入研究癫痫的发病机制,大量的实验室研究常常借助于癫痫动物模型。小鼠癫痫脑电...
肖文卿
关键词:癫痫脑电信号小波变换特征提取支持向量机
基于小波系数特征融合的小鼠癫痫脑电分类被引量:3
2019年
采集癫痫小鼠模型在常态与致癫状态下的脑电信号以研究其癫痫脑电的自动分类。对经过噪声和伪迹消除预处理的脑电信号进行小波变换,获得不同频率子带的小波系数,对脑电信号及与癫痫特征波相关的小波系数提取相应的线性特征(标准差)和非线性特征(样本熵);基于这些特征及其组合使用支持向量机分类器实现分类。实验发现基于小鼠脑电本身的标准差和样本熵的分类正确率分别为59.10%和58.00%;而融合各相关小波系数的标准差或样本熵,分类正确率分别达到86.60%和88.60%;融合全部相关小波系数的线性和非线性特征后分类正确率为99.80%。这些结果说明基于小波系数特征融合的分类算法性能有显著提升,能有效实现小鼠癫痫脑电的自动分类。
肖文卿汪鸿浩詹长安
关键词:小波变换支持向量机
心算任务复杂度对脑电theta,alpha和beta波的影响被引量:5
2019年
目的以1Hz为频宽单位比较两种复杂度心算任务下4~30Hz范围的脑电功率谱,分析其与文献中以经典脑电波段划分所得结果的关系。方法14名健康志愿者完成两种复杂度的心算任务,同步采集其脑电数据。对前额和顶叶区域内10个代表性通道预处理后的脑电数据采用Welch算法实现谱估计,相对基线期做归一化处理,获得两种复杂度心算任务下的相对功率谱密度,并逐一配对t检验每1Hz频宽单位内功率谱差异的显著性。结果前额和顶叶区域能体现心算任务复杂度差异的脑电信号精细频率范围分别为10~25Hz和9~25Hz(P<0.05)。结论较高频段alpha波和较低频段beta波能较好地表征心算任务的复杂度,以1Hz为频宽单位对脑电功率谱的精细区间分析是对基于经典脑电节律划分分析的一种补充。
张丽平詹长安
关键词:复杂度脑电功率谱估计工作记忆
表征心算任务复杂度的脑电信号分析及其眼电伪迹去除
心算任务(Mental Arithmetic task,MAtask)是常见的认知任务之一。根据心算任务的复杂度和任务完成人的认知能力,可能存在三种不同的认知策略。其中对于大脑中没有直接答案的复杂心算题,需要调用任务完成...
张丽平
关键词:脑电信号小波变换功率谱估计时频分析
共1页<1>
聚类工具0