【摘 要】
:
世界卫生组织统计并公布的数据显示每年新增约一千万神经系统疾病患者。贫困、营养和医疗资源的缺乏,导致部分发展中国家神经系统疾病正面临严峻的形势。目前常见的神经系统疾病主要有癫痫、阿尔兹海默症、中风、偏头痛、耳鸣、抑郁症和药物成瘾等。经颅电刺激已被证明是一种针对神经系统疾病非侵入式、安全的治疗手段,可以持续作用于一部分患者,改善各类神经系统疾病。部分研究者也进行了经颅电刺激对人类认知系统影响的研究。多
论文部分内容阅读
世界卫生组织统计并公布的数据显示每年新增约一千万神经系统疾病患者。贫困、营养和医疗资源的缺乏,导致部分发展中国家神经系统疾病正面临严峻的形势。目前常见的神经系统疾病主要有癫痫、阿尔兹海默症、中风、偏头痛、耳鸣、抑郁症和药物成瘾等。经颅电刺激已被证明是一种针对神经系统疾病非侵入式、安全的治疗手段,可以持续作用于一部分患者,改善各类神经系统疾病。部分研究者也进行了经颅电刺激对人类认知系统影响的研究。多项试验证明,经颅电刺激在提升人类工作记忆、技能学习和注意力等方面也有着很大的潜力。传统的经颅电刺激设备存在小信号输出一致性差、单个设备不能输出多路相位-振幅耦合的刺激信号以及功耗较大的问题。本文设计了一种新型多通道相位振幅耦合经颅电刺激仪。该仪器其一具有程控的多路相位-振幅耦合的刺激信号输出功能,可同时输出多路相位-振幅耦合的刺激信号。其二基于Howland电流跟随模块设计了新型的电流跟随模块,使模块输出阻抗更高,且不受人体电阻的变化而改变,并能兼容高分辨率电极。该电流跟随模块受制造过程元器件公差影响更小,所以小信号输出一致性更强。此外,为解决传统设备功耗较高的问题,本设计在软件算法层面进行了改善,采用了功耗更低的窄脉冲群输出刺激信号。以上改进设计在兆易创新公司的32位微处理器GD32F170上进行了实现与验证,经测试本仪器达到了设计指标。最后,基于经颅电刺激仪开展了为期一个月的经颅电刺激对第二外语联想记忆能力的影响的随机对照临床试验。本试验参考了功能性核磁共振影像学资料,创新性地提出了选取左侧顶下小叶(P3)和左前额叶(F3)作为提升第二外语联想记忆能力作为最有潜力的靶点,并对15名未学习过德语的志愿者进行了20分钟1.5m A经颅直流电刺激试验,对比分析了不同条件下经颅电刺激对第二外语联想记忆学习能力的影响。结果显示经颅直流电刺激有益于增强志愿者联想记忆学习能力。
其他文献
由于照明强度以及数字设备动态范围的约束,拍摄的照片通常会出现能见度低、对比度不高和噪声放大等退化现象,这种低质量图像不仅视觉效果不佳,而且难以支持后期高级的计算机视觉任务。针对以上问题,本文在传统方向,基于Retinex模型的局限之处,提出了基于Retinex的纹理结构感知的非均匀光照图像增强算法;在深度学习方向,基于Retinex-Net网络模型存在的色彩保真度低以及放大噪声等缺点,提出了改进R
表格结构识别是文档识别(Document Recognition)领域中一项基础且具有挑战的任务,目的是获取单元格的结构信息。最近,深度学习已经成为解决表格结构识别的主流方法,通过训练神经网络得到最佳的拟合模型。基于深度学习的表格结构识别有两种主要算法,分别是识别表格行与列算法和识别表格框线算法。识别表格行与列算法通过获取表格的行与列来识别表格结构,现有的有效方案是使用语义分割(Semantic
图像增强是计算机视觉及图像处理领域的一项重要研究内容。由于成像所处环境的不同,在夜间、背光、雾霾以及水下等条件下由图像采集设备采集到的图像通常为不同程度损坏的低质量图像。对低质量图像进行增强处理可以提升图像的整体色彩,凸显图像中物体的细节特征,以此提高图像质量,为后续高级视觉任务提供有效的数据质量保证。本文主要针对自然场景低照度图像及水下场景降质图像进行研究,根据这两类低质量图像的不同特征,开展的
雷达信号识别技术在军用和民用领域应用广泛,尤其在军事场景中,在现代电子对抗中发挥着重要的作用,是非常具有挑战性的问题。在深度学习技术快速发展的同时,基于深度学习的雷达信号识别技术也取得了非常大的进展,相对于传统的识别方法,在整体性能上有很大的提升,但是在识别精度不断提升的同时,神经网络的深度不断加深,参数量也更加冗余,导致对硬件机器的算力要求日益增大,难以在边缘终端设备上应用,所以设计出高效精简的
在量子力学基本原理保证下,量子密钥分发使合法用户Alice和Bob能够在Eve窃听情形下获取安全密钥,其安全性已得到严格证明,且目前已成为可实用的一种量子技术。光子是量子密钥分发过程中的一种常见的信息载体,其在分发过程中由于信道噪声会丢失从而导致量子密钥分发的安全密钥率存在着上界,该上界也被称为PLOB界。然而,双场量子密钥分发(Twin-Field Quantum Key Distributio
自动调制识别是非合作通信系统中非常关键的一种技术,被广泛应用在军用和民用等诸多领域,具体是在部分或全部通信参数未知的情况下,对接收信号的调制类型进行分类识别,从而有助于后续信号解调等相关信号处理工作,最终提高通信系统的性能。随着日益复杂多变的通信场景,以往很多研究中假设的高斯分布加性噪声已经不再满足实际信道环境的准确描述。实际中,由于飞机、火车等现代交通工具的高速移动,在其中的用户进行通信时会导致
随着物联网的普及和5G应用的发展,越来越多的图像数据被产生和收集。为了有效地对这些数据进行处理,研究者们对计算机视觉下的图像分类、目标检测、图像分割和目标跟踪等各个子领域都进行了深入研究与探索。多目标跟踪是从连续的图像帧中得出所有感兴趣目标的轨迹,其广泛应用在自动驾驶、人机交互和机器人视觉导航,近年来受到越来越多的关注。由于多目标跟踪目标数量的随机性、跟踪背景的复杂性、目标间的遮挡等多种因素的干扰
注意力与学生的学习效率紧密相关。注意力是一种复杂的认知能力,仅仅通过神态、眼睛等外部特征难以判断认知功能是否发挥作用。脑电信号作为一种能够反应个体的思维状态的电信号,为注意力水平识别提供了一种新的可能。然而基于脑电信号的注意力水平识别仍有一些问题有待解决,如目前对注意力的研究多数停留在两级注意力上;传统的注意力识别仅通过单一特征刻画注意力水平,分类率并不理想。针对以上问题,在前人研究成果的基础上,
近年来,随着无线通信、智能终端和人工智能技术的进步和推广,基于位置服务的需求快速增长。由于卫星导航系统无法在室内提供高精度的位置服务,因此室内定位技术具有重要的研究意义和应用价值。凭借便捷和易布署等特点,无线定位和视觉定位的新发现成为了室内定位技术的重点研究方向。一方面信道状态信息克服了仅用接收信号强度作为无线定位特征的诸多缺点,另一方面从建筑信息模型生成合成图像能极大地减少视觉定位中样本采集需要
近年来,人工智能的热潮让机器学习再次回归,大量应用在光网络和光通信的各个方面,成为研究的热点。机器学习凭借能够解决耗时的复杂分类或回归问题的优势,被提出作为一个新的思路去评估光路的传输质量,以获得高精度的光路传输质量评估结果。目前,大量研究提出光路传输质量是否达到设定阈值的机器学习分类器,对构建光纤链路传输质量评估器具有启发作用。本文围绕改进机器学习在光纤链路传输质量的评估模型和评估方法,进行了深