公共文化服务平台

熊馨: 作品数：25 被引量：96H指数：4; 供职机构：昆明理工大学信息工程与自动化学院更多>>; 发文基金：国家自然科学基金云南省教育厅科学研究基金云南省应用基础研究基金更多>>; 相关领域：自动化与计算机技术医药卫生电子电信轻工技术与工程更多>>

合作作者

改进枢轴特征选择的跨领域情感分类被引量：3: 2020年; 对跨领域情感分类任务中因标签样本不足以及不同领域中特征分布差异大导致分类准确率低的问题进行研究,提出一种改进特征选择的跨领域情感分类模型(IPFS)。利用词形还原解决文本中构建词袋模型中的特征冗余的问题,通过卡方检验算法选择领域间具有相同表征的枢轴特征作为领域间共享的桥梁,结合神经网络模型,完成跨领域情感分类任务。实验结果表明,IPFS模型与现有的相关模型相比取得了更好的分类效果。; 梁俊葛相艳张周彬熊馨邵党国马磊; 关键词：卡方检验神经网络

脑机融合控制中脑电伪迹处理方法被引量：3: 2021年; 脑机融合控制的典型控制信号源是脑电,然而脑电信号具有低信噪比、低空间分辨率、极易受到伪迹的污染,这给该类控制系统中脑电信号的处理带来了巨大的挑战.针对脑电中存在的各种伪迹,分析总结了各种伪迹处理方法并比较它们的优缺点,最后针对脑机融合控制的实用化需求,指出该领域脑电伪迹处理方法未来的研究方向——在线实时、自适应/机器学习、免伪迹参考、少通道/单通道、优化融合多种有效方法综合去除EEG中的主要伪迹.; 熊馨杨秋红周建华徐保磊李永程尹旭贤伏云发; 关键词：脑电

SD-FCE:一种识别睡眠呼吸暂停综合征发病时段的深度学习方法: 2022年; 睡眠呼吸暂停综合征(Sleep Apnea Syndrome,SAS)是一种常见的睡眠呼吸系统疾病.目前有很多关于SAS自动检测的研究仅仅是在一段时间内判断是否发病,无法识别发病具体时段.针对这一局限性,本文提出一种新的SAS识别模型SD-FCE(SAS Detection based on Functional Connectivity of Electroencephalography),该模型具备识别不规则发病时段的能力.首先,为提取发病时段的神经系统异常,本文利用脑电功能连接性构建脑电功能连接矩阵.其次,为识别发病的具体时段,本文基于目标检测算法改进,针对SAS设计不同的预选框将不规则目标网格化,以进行模型搭建.分类与位置回归模块依托于网格化处理的结果输出发病的分类结果、中心时间与持续时间.对比以往相关研究,SD-FCE模型的识别结果更利于医学诊断,同时性能优于以往其它类似模型.; 高胜寒熊馨相艳刘瑞湘叶哲江; 关键词：目标检测睡眠呼吸暂停综合征

基于支持向量机的自适应均值滤波超声图像降噪被引量：12: 2020年; 医学超声图像在成像过程中由于超声散射回波的相互干渉,导致所成图像中出现难以与器官、组织等人体结构区分的斑点噪声,给后期的临床诊断和图像后续处理带来了极大的不便。针对超声图像中的斑点噪声,提出了一种基于支持向量机(SVM)的自适应均值滤波超声图像降噪模型。该方法利用SVM的分类特性,将超声图像中的噪声信号和非噪声信号作出区分,再将SVM的分类结果和均值滤波相结合去对噪声图像进行去噪。这样可以保证医学含噪图像的组织区域和细节特征做到最大保留,噪声区域获得最大的平滑处理。在实验部分,通过对物理体膜和人体超声肝脏图像分别进行实验,结果表明,该方法可以有效抑制并降低超声图像中的斑点噪声,并保留了其边缘特征,使得去噪图像的信噪比显著增加,是一种有效的医学超声图像降噪方法。; 净亮邵党国相艳马磊熊馨杨朝强袁野; 关键词：超声图像自适应滤波支持向量机斑点噪声抑制

基于HHT运动想象脑电模式识别研究被引量：42: 2015年; 脑机接口是一种变革性的人机交互,其中基于运动想象(Motor imagery,MI)脑电的脑机接口是一类非常重要的脑机交互.本文旨在探索有效的运动想象脑电特征模式提取方法.采用在时域、频域同时具有很高分辨率的希尔伯特–黄变换(Hilbert-Huang transform,HHT),进而提取自回归(Auto regressive,AR)模型参数并计算运动想象脑电平均瞬时能量,从而构造特征向量,最后利用能较好地适应运动想象脑电单次试验分类的支持向量机(Support vector machine,SVM)进行分类.结果表明在Trial的5.5～7.5 s期间,HHT特征提取方法平均分类正确率为81.08%,具有良好的适应性;最高分类正确率为87.86%,优于传统的小波变换特征提取方法和未经HHT的特征提取方法;在Trial的8～9 s期间,HHT特征提取方法显著优于后两种特征提取方法.本研究证实了HHT对运动想象脑电这一非平稳非线性信号具有很好的特征提取能力,也再次验证了运动想象事件相关去同步(Event-related desynchronization,ERD)现象,同时也表明运动想象脑电的脑–机交互系统性能与被试想象心理活动的质量密切相关.本文可望为基于运动想象脑电的在线实时脑机交互控制系统的研究打下坚实的基础.; 孙会文伏云发熊馨杨俊刘传伟余正涛; 关键词：脑机接口脑电

睡眠呼吸暂停综合症患者脑电微状态发生改变: 2023年; 睡眠呼吸暂停综合症(SAS)是一种常见的睡眠障碍,传统上往往采用时频分析等方法研究其脑电信号的异常,都忽略了睡眠脑电的空间位置信息和特征的差异。采用微状态分析的方法,分别对健康人和SAS患者5个睡眠阶段(W、N1、N2、N3、REM)的脑电进行分析,探究SAS患者睡眠脑电特征在时间和空间上的差异。选取66名SAS患者和10名健康人的睡眠脑电,计算W-REM的全局场功率(GFP)并取GFP峰值数据进行聚类。得到4个微状态,这4个微状态地形图分别呈现为右额左后(A)、左额右后(B)、额枕中线(C)和额中线(D),并且计算微状态参数(出现频率、平均持续时间、覆盖率)。此外,还计算了微状态序列的静态属性[全局方差(GEV)],动态属性(熵率),转换概率和转移矩阵的对称性。最后,用Hurst指数来评估微状态序列的远程相关性。在W-REM阶段,健康人和SAS患者的出现频率、平均持续时间、覆盖率、GEV、转换概率、熵率、Hurst指数均存在显著差异(P<0.05)。转移矩阵均具有对称性(P>0.01)。Hurst指数均大于0.5,具有远程相关性。与健康人相比,SAS患者W-N3阶段微状态B、C的持续时间降低。SAS患者GEV的SUM大于健康人,说明SAS患者大脑活跃度更高。W-N3阶段健康人的Hurst指数逐渐减小,长期记忆减弱,而SAS患者从N1-N3阶段Hurst指数逐渐减小。每个睡眠阶段健康人的熵率都大于SAS患者,携带的脑电信息较少。; 熊馨杨鑫亮罗剑花易三莉贺建峰; 关键词：睡眠脑电

基于脑电信号神经反馈控制智能小车的研究被引量：3: 2018年; 为了提高基于运动想象(MI)的脑控智能小车的控制性能,本文提出一种基于脑电(EEG)信号神经反馈(NF)控制智能小车的方法。采用MI心理策略,通过实时呈现该心理活动相关EEG信号特征的能量柱形图给受试者,训练受试者快速掌握MI技能并调节其EEG信号的活动,并以MI多特征融合和多分类器决策相结合的方法,从而在线脑控智能小车。训练组(试验前接受设计的反馈系统训练)取得平均、最高和最低的识别指令准确率分别为85.71%、90.47%和76.19%,对照组(不接受训练)对应的准确率分别为73.32%、80.95%和66.67%;训练组平均、最长和最短用时分别为92 s、101 s和85 s,对照组对应的用时分别为115.7 s、120 s和110 s。通过以上试验研究结果,期望本文可为后续基于MI的EEG信号NF控制智能机器人的开发提供新的思路。; 李松熊馨伏云发; 关键词：多特征融合

基于SSVEP直接脑控机器人方向和速度研究被引量：9: 2016年; 直接用思维意图来控制机器人而没有大脑外周神经和肌肉的参与是人类的一个梦想,目前这一研究已成为国际前沿热点和突破点.传统的脑控机器人(Brain-controlled robot,BCR)主要控制其方向,而本文旨在探讨能够同时脑控机器人方向和速度的有效方法.采用可分类目标数多、单次识别率高且训练时间短的稳态视觉诱发电位(Steady state visual evoked potentials,SSVEP)脑机交互(Brain-computer/machine interaction,BCI/BMI)方法,为脑控机器人运动规划了向左、向右、前进和后退4个方向,设计了低速、中速和高速3级运动速度并组合了9个脑控指令;进而比较并优化了SSVEP刺激目标布局间距以及刺激目标闪烁时间,采用典型相关分析(Canonical correlation analysis,CCA)进行识别.结果表明恰当设置SSVEP刺激目标数及其布局间距和刺激目标闪烁时间,可以有效提高被试/用户直接脑控机器人的性能;优化的SSVEP刺激范式三结合适应SSVEP解码的典型相关分析,8名被试脑控机器人到达终点平均用时为2分40秒,最少用时1分29秒;同时,在脑控机器人运动过程中触碰障碍平均次数为0.88,最少碰触次数为0.本研究显示基于SSVEP的脑机交互可以作为直接脑控机器人灵活运动的一种可选方法,能够实现对机器人多个运动方向和多级速度的控制;也证实了适当增加刺激目标间距可以有效提高SSVEP-BCI脑控指令识别的正确率,说明了该脑控方法的性能与刺激被试的范式有关;再次验证了CCA算法在基于SSVEP的脑机交互中具有优良的效果.最后,为克服单一SSVEP范式存在的局限,本研究也尝试把该范式与运动想象相结合的混合范式用于脑控机器人方向和速度,并进行了初步的研究,表明可以进一步改善控制速度和提高被试舒适度.本文可望为基于SSVEP或与运动想象混合的脑机交互应用于分级或精细控制机器人方向和速度提供思路,并为直接�; 伏云发郭衍龙李松熊馨李勃余正涛; 关键词：稳态视觉诱发电位

一种多模态脑电和近红外光谱联合采集头盔设计及实验研究被引量：4: 2018年; 多模式脑—机接口和多模式脑功能成像是目前和未来的发展趋势。本研究针对基于脑电-近红外光谱(EEG-NIRS)的多模态脑—机接口,为同时采集运动区的脑活动,设计了一种EEG和NIRS联合采集的头盔并进行实验验证。根据10-20系统或10-20扩展系统、NIRS探头和EEG电极直径和间距,以C3或C4为基准电极对近红外探头进行对准,把EEG电极置于NIRS电极之间,同时测量同一功能脑区NIRS变化和与之对应的EEG变化;采用螺纹旋紧的方式耦合近红外探头夹持器和近红外探头。为验证该多模态EEG-NIRS联合采集头盔的可行性和有效性,在涉及右手握力和握速运动想象共6个任务期间,采集了6个健康被试运动区的NIRS和EEG信号。这些信号在一定程度上可能反映了握力和握速运动想象相关的脑活动。实验表明本文设计的EEG和NIRS联合采集头盔可行并有效,不仅能够为基于EEG-NIRS的多模态运动想象脑—机接口提供支持,也可望为EEG-NIRS多模态脑功能成像研究提供支持。; 熊馨伏云发张夏冰李松徐保磊尹旭贤; 关键词：多模态脑电近红外光谱

基于Borderline-SMOTE和PFS构建非小细胞肺癌生存预测模型被引量：2: 2019年; 目的利用机器学习方法预测非小细胞肺癌(NSCLC)患者的5年生存状况,提高预测效率与预测准确性.方法采用SEER数据库的NSCLC数据进行实验.针对患者数据存在的不平衡问题,使用Borderline-SMOTE法进行数据采样,采用基于扰动理论的特征选择(PFS)方法和决策树(DT)算法筛选特征并构建患者术后生存预测模型.结果平衡后的数据集纳入了年龄、组织学分级、种族、发病部位、肿瘤分期、病理类型、手术类型共7项预后相关变量.与LASSO、Tree-based、PFS-SVM和PFS-kNN模型相比,使用PFS-DT构建的模型具有最优的预测效果.结论基于PFS-DT的患者生存预测模型有效提高了NSCLC患者术后生存预测的准确率,可为医生提供治疗和改善预后方面的参考.; 赵阳汪晓洁马磊邵党国相艳熊馨张力; 关键词：非小细胞肺癌不平衡

熊馨

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户反馈

熊馨

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户登录

用户反馈