简介:摘要癫痫是一种严重的慢性神经系统疾病,可通过分析由脑神经元产生的脑电信号对其进行检测,因此脑电图成为诊断癫痫的关键工具。应用特异性方法对脑电信号进行处理和分析,在探索大脑工作机制和脑神经系统疾病的诊断方面具有重要意义。本文通过对脑电图信号的特征提取、特征分类等相关分析方法(如主成分分析、独立成分分析、小波变换、线性判别分析、支持向量机、人工神经网络和决策树等)进行总结,阐述了其在癫痫治疗中的应用,概括展示了近年来的研究进展。为癫痫发作的检测和分类以及未来的研究方向提供了一定的借鉴和参考。
简介:摘要:在脑电信号的采集和处理过程中,常常受到各种噪声伪迹的干扰。本文将独立分量分析(Independent Component Analysis,ICA)技术应用在脑电信号的眼电噪声分离问题上。本文分别使用四种常用的ICA算法:二阶盲识别(SOBI)、Hyvarinen不动点算法(FastICA)、Infomax和联合逼近特征矩阵对角化(JADE)用于脑电信号的眼电伪迹分离,并使用MATLAB作为实验平台,采用格茨数据集2a,针对四种算法的运行时间及分配内存进行了实验对比。实验结果表明,SOBI算法的MATLAB实现表现了最好的综合性能。相较其他三个ICA算法,SOBI算法能够在分配内存较小的情况下快速准确地去除脑电信号中的噪声。
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:目前,用电信息采集系统作为电力营销工作中不可或缺的一部分,在实时监控用户用电情况、监控系统变电站计量情况、线损分析、负荷管理等方面均发挥着至关重要的作用。因此,在当今互联网科技高速发展的时代背景下,如何创新、优化该系统,利用该系统更好地服务于用户,成为电力营销工作中的重要内容。本文对用电信息采集系统进行研究,并进一步探究了基于互联网的用电信息采集系统在电力营销中的应用,以期为电力营销工作提供有价值的参考。
简介: [摘要]:介绍了用电信息采集系统功能,进行了负荷曲线用电分析和防窃电分析;挖掘系统大数据潜力。判断出电能计量故障和窃电,提升了系统利用价值;给出了应用实例;得出了结论。