简介:摘要:基于脑机接口(Brain Computer Interface, BCI)的注意力检测技术在教育和娱乐领域有着广泛应用,本文面向嵌入式平台上的脑电信息解码方法存在的解码精度较低的问题,通过对高精度的优化复杂网络算法(optimized complex network method, OCNM)进行范式简化和参数优选,显著降低了参数计算所需的时间和训练数据量,提出了一种脑电信号注意力检测方法,并在基于stm32f407嵌入式平台上进行了实现。6名被试者的在线试验结果表明,相比于嵌入式平台最常用的注意力计量算法(attention meter method, AMM),本文提出的方法取得了更高的注意力检测精度(分别为70.58%和77.78%),有望提升教育和娱乐领域相关产品的用户体验。
简介:摘要目的探讨基于脑电信息样本熵计算的麻醉深度指数(depth of anesthesia index, AI)在小儿扁桃体/腺样体切除术中的应用。方法选择择期行扁桃体/腺样体切除术的患儿124例,年龄3~10岁,按随机数字表法分为试验组(E组)和对照组(C组),每组62例。两组患儿均采用丙泊酚-瑞芬太尼复合麻醉,E组根据AI调节麻醉深度,维持AI在40~60,C组根据血压、心率变化调节麻醉深度。记录两组患儿入室(T1)、诱导前(T2)、插管前(T3)、插管后1 min(T4)、插管后3 min(T5)、插管后5 min(T6)、手术开始(T7)、扁桃体切除(T8)、腺样体刮除(T9)、手术结束(T10)、苏醒(T11)、拔管(T12)时的MAP、心率、AI;记录两组患儿苏醒时间、拔管时间、丙泊酚及瑞芬太尼用量;记录两组患儿术后30 min、术后2 h的小儿苏醒期谵妄量表(Pediatric Anesthesia Emergence Delirium, PAED)评分及不良反应发生情况。结果T7~T10时E组心率、MAP、AI均高于C组(P<0.05);E组苏醒时间、拔管时间短于C组(P<0.05),丙泊酚用量少于C组(P<0.05);两组患儿不良反应发生情况及术后30 min、术后2 h PAED评分比较,差异均无统计学意义(P>0.05)。结论AI监测有助于减少术中静脉麻醉药丙泊酚用量、缩短患儿苏醒时间及拔管时间,可安全用于儿童。
简介:摘要:目的 探讨常规康复训练联合悬吊运动疗法对无痛分娩产后下背疼痛及表面肌电信号的影响。方法:选取2018年3月—2019年3月60例进行无痛分娩后下背疼痛患者作为研究对象,随机分成三组,为对照组(常规康复训练)、观察组(常规康复训练联合悬吊运动疗法),每组30例。对照组采用常规康复训练法;观察组采用常规康复训练联合悬吊运动疗法。对比两组患者的临床疗效,下背痛评分、腰背部功能等,分别于治疗前及治疗后进行观察。结果:观察组的患者所表现出的临床表现明显好于对照组,差异具有统计学意义(P<0.05);观察组VAS、SCODI评分低于对照组,治疗后,两组的患者MF、MPF显著下降,而观察组患者的AEMG比对照组的更高。结果:常规康复训练联合悬吊运动疗法,可以使疗效得到提高,缓解了患者下背部疼痛,使患者的腰背部功能水平得到了改善,从而可以应用于相关的临床治疗。
简介:以某地市电信企业的客户为目标用户群,结合电信行业的业务规则,利用SPSS公司的数据挖掘工具Clementine,运用数据挖掘中的CRISP—DM模型方法建立了客户流失预测模型,为电信企业对流失客户采取更有效的营销策略提供一些建议。
简介:摘要:为改善当前复杂情况下无线通信网络信号强度,提升信号增强算法的实际效果,降低误码率。为此,本文设计了一种复杂情况下无线通信网络信号增强算法。在复杂情况下进行单分量 Chirp信号小波系数的计算,确定信号增强应变分解层的同时,创建重叠线性数学计算模型,通过 u域归一运算矩阵设计完成网络信号增强算法设计。测试结果表明:在不同信号强度控制范围环境下,对比于传统的小波分辨信号增强算法,本文所设计的单分量重叠信号增强算法最终得出的测试误码率相对较低,在复杂的情况下,对比于传统的方法,对无线网络信号的控制以及处理程度范围广泛,更加真实可靠,具有极强的可靠性。表明其实际的信号增强运算效果更佳,具有实际的应用意义。
简介:针对行星齿轮传动故障诊断中的信号故障特征微弱、特征提取困难等问题,提出了基于自适应聚合经验模态分解(EnsembleEmpiricalModeDecomposition,EEMD)和样本熵(SampleEntropy,SE)的行星齿轮箱故障特征提取方法。首先,针对EEMD结果存在较大的盲目性和主观性等问题,提出自适应EEMD方法;然后,使用此方法将行星齿轮箱振动信号分解为若干个固有模态函数(IntrinsicModeFunctions,IMF)分量,通过相关性分析选取含有齿轮状态特征信息的IMF分量并对信号进行重构,计算重构信号样本熵值,以此判断行星齿轮箱的运行状态;最后,对行星齿轮箱故障模拟试验台采集的2种状态振动信号的自适应EEMD样本熵进行求解,并与直接样本熵、EEMD样本熵等特征提取方法对比,验证了自适应EEMD样本熵具有更好的分类能力。