简介：目的探讨肱骨髁上骨折合并桡骨头脱位者交叉克氏针内固定联合钢丝套环法干预的治疗效果。方法选择肱骨髁上骨折合并桡骨头脱位患儿50例,其中男性28例,女性22例;年龄2~10岁,平均年龄6.2岁。所有患儿均给予内外侧交叉克氏针及钢丝套环法干预,术后8周、12周、6个月、12个月采用X射线随访评价术后内固定和骨折愈合情况,采用Mayo肘关节功能指数评估关节功能。结果共39例完成随访,随访时间为22~40个月,平均随访时间38.36个月。26例骨折术后8周即愈合,9例12周愈合,3例6个月愈合。随访12个月,1例骺板早闭,无缺血性骨坏死;1例出现畸形愈合。Mayo肘关节功能指数评估手术后关节功能,22例为优,13例为良,4例为可;手术后评分为(91.5±5.7)分,手术前为(52.6±8.4)分;手术前后比较,差异有统计学意义(P<0.05)。结论内外侧交叉克氏针内固定联合钢丝套环法可以有效维持复位后骨折远端肘关节的稳定性,为促进肱骨髁上骨折术后关节功能恢复具有重要的临床意义。

简介：探讨聚乙烯醇(PVA)纺丝纤维编织用I型胶原胶(COL-I)表面修饰后,构建组织工程前交叉韧带(ACL)支架材料的可行性。用PVA纺丝编织成条束状支架材料,用NIH-3T3细胞株和人前交叉韧带(HACL)细胞分别种植到PVA和经COL-I修饰过的PVA纺丝纤维编织(PVA/COL)支架材料上,立体培养。通过扫描电子显微镜对比评价材料经I型胶原胶表面修饰前后NIH-3T3细胞株和HACL细胞在纺丝编织材料上细胞附增殖情况;在电子拉力机上测试PVA纺丝纤维编织支架材料的力学性能。结果表明:NIH-3T3细胞株和HACL细胞在PVA和PVA/COL支架材料表面和孔隙内黏附增殖并分泌细胞外基质,在PVA/COL支架材料上细胞黏附数量明显增多;COL-I可促进NIH-3T3细胞株分泌细胞外基质,但对HACL细胞作用不明显。拉力测试该编织材料柔韧性强,最大负荷、极限应力和弹性模量分别为52.61N、14.96Mpa和202.08Mpa。说明I型胶原可促进NIH-3T3细胞株和HACL细胞在聚乙烯醇纺丝纤维编织支架材料表面和孔隙内黏附、增殖,可促进NIH-3T3细胞株分泌细胞外基质。聚乙烯醇纺丝纤维编织材料具有一定的...

简介：为了提高P波检测准确率,利用小波变换模极大值对在多尺度上的变化规律能表征信号突变点的性质,结合人体生理特性的检测策略进行心电信号P波的跨尺度检测.同时,引入反向传播神经网络对已检出的准P波再次进行确认与识别.经MIT数据库实验表明,P波检测准确率达到97%.

简介：为提高对婴儿健康监护的质量,本研究提出在育婴箱中增加婴儿哭声识别功能,该系统主要以TI公司的数字信号处理器(DSP)芯片TMS320DM643和多媒体音频编解码芯片TLC320AIC23B为硬件核心,设计一套实时的婴儿哭声识别系统。本系统使用拾音器采集婴儿哭声,音频解码芯片对声音信号进行处理,然后发送给DSP芯片,DSP芯片对声音信号进行预处理,然后用优化的自相关函数算法提取特征参数-线性预测系数(LPC),使用动态时间规整(DTW)识别算法,实现对婴儿的哭声准确识别,并经串口向上位机发送识别结果。该系统在实际测试后表明,婴儿啼哭状态识别准确率可达97.1%,在婴儿护理领域具有重要意义。

简介：通过径向基函数神经网络的分析，对神经元脉冲电位信号提出了新的分类方法。对原始信号进行峰电位检测，获得脉冲电位信号样本，以主成分进行预分类，选取与类中心方差小的典型脉冲电位集合作为径向基网络的训练样本，让神经网络进行自适应学习，以实现对原始信号的分类。仿真结果表明，在对模拟的脉冲电位信号进行分类时此方法的错误率比主成分聚类法和形状聚类法小。多电极细胞外记录的海马神经元细胞电活动信号应用此方法分类也取得了较好的效果。

简介：膝关节摆动（VAG）信号是膝关节在做屈伸运动时由于接触摩擦产生的振动信号,它能够反映髌骨软化症、半月板损伤和交叉韧带损伤等膝关节损伤疾病的特征与状态。本研究分析了国内外文献对膝关节摆动信号的研究方法,包括信号的预处理方法、特征提取方法和分类方法几个方面。无创膝关节摆动信号的检测与分析,对于膝关节损伤疾病的无创检测和辅助诊断具有重要意义,正逐步得到临床医学的重视。最后分析了对于膝关节摆动信号研究还需要解决的问题以及未来的发展方向。

简介：为了去除荧光免疫层析检测中荧光信号的噪声,保留信号的细节信息,提出一种改进阈值的小波空域相关去噪算法。该算法将基于小波变换的空域相关去噪法和软阈值去噪法相结合,根据小波系数相关性的不同和平滑消去阈值法的思想,改进了软阈值去噪法的阈值变量和阈值函数。结果表明,该方法突出了信号边缘,能够有效地去除荧光信号的噪声,去噪后的信号光滑连续,且保留了信号峰的相关细节信息。

简介：当前肌肉疲劳表面肌电信号(surfaceelectromgography,sEMG)特征提取方法,忽略了非线性跳错信号的影响,且不能在非平稳状态下进行特征提取,存在特征提取准确度差的问题。提出基于小波变换的肌肉疲劳sEMG特征提取研究,采用小波变换对所采集的样本去噪,结合时域、频域特征分析法,融合傅里叶变换方法对肌电信号中的线性特征进行提取,根据带谱近似熵理论对非线性挑错信号进行特征回归分析,并利用拟态分解函数和希尔伯特变换法对肌电信号进行时频特征的整合提取,最终完成基于小波变换的肌肉疲劳sEMG特征提取研究。实验验证,所提方法具有可行性,且将1000个肌电信号样本分成5组,对其中的跳错信号进行特征提取,所提方法准确度较文献方法高出75%,在非平稳状态下将200个肌电信号样本分成5组进行特征提取,所提方法准确度较文献方法高出33%。由此得出,所提方法优于当前特征提取方法。