突触晶体管及其神经形态系统应用

生物大脑的并行计算性能以及突触对生物计算的重要性启发了人们使用具有突触功能的电子器件来构建神经形态计算系统和实现超低功耗类脑计算。基于可移动离子界面调控的双电层薄膜晶体管(EDL TFTs),在神经形态电子学领域具有巨大的应用前景。该文回顾EDL TFTs在人造突触和神经形态计算方面的最近进展并总结该领域的挑战及机遇。     

DSA、CTA联合MR影像评估AIS患者脑支循环及预后性关系

探讨数字减影血管成像(DSA)、计算机断层扫描血管成像(CTA)联合磁共振(MR)影像评估急性缺血性卒中(AIS)患者脑支循环及预后性关系。选取60例大脑中动脉M1段急性闭塞所致AIS患者为研究对象,根据DSA、CTA与MR影像对其脑侧支循环评估,比较患者基线资料、结局指标等,并分析预后性。结果发现:基于DSA、CTA与MR影像对AIS患者脑侧支循环评估结果一致性良好;3种影像模式下脑侧支循环良好组与不良组结局资料差异显著(P<0.05);多因素分析显示,FVH-ASPECTS评分、rLMC评分、ASITN/SIR分级量表均为AIS患者神经功能预后的独立影响因素。总之,DSA、CTA、MR影像对AIS患者脑侧支循环评估具有一致性,且FVH-ASPECTS评分、rLMC评分、ASITN/SIR分级量表均为AIS患者神经功能预后的独立影响因素。     

磁性纳米粒子Fe3O4@PEI@Ru(OH)x催化的分子氧氧化醇-克脑文格尔串联反应

以聚乙烯亚胺改性的四氧化三铁纳米粒子为载体负载Ru(OH)_x得到负载钌催化剂Fe_3O_4@PEI@Ru(OH)_x.该催化剂在分子氧氧化醇-克脑文格尔缩合"一锅"串联反应中显示优良的催化性能,多种结构的醇被选择性地氧化为相应的醛进而与活性亚甲基化合物缩合生成相应的缩合产物.采用外磁铁可以很容易地将催化剂与反应混合物分离,实现催化剂的回收.然而,该催化剂的循环使用性能较差.电感耦合等离子体原子发射光谱(ICP-OES)分析证明催化剂在反应过程中没有发生钌的流失.X射线光电子能谱(XPS)分析发现催化剂失活是由于反应过程中活性的Ru~(3+)被部分地氧化为非活性的Ru~(4+)所致.     

基于谐振式反射器的脑活动探测天线设计

设计了一款用于脑活动探测的超宽带定向天线。该天线采用了平面菱形单极天线的宽频带特性,通过缺陷地结构实现小型化。为了增强天线的定向辐射能力,设计了一种花瓣形谐振式反射器,在较宽频带内产生同相反射,并可减少剖面高度至0.1λ0。该天线整体结构具有尺寸小、重量轻的特点。对天线结构进行仿真优化并加工实测,测试结果与仿真的一致性表明了该天线具有超宽带的特点,实测阻抗带宽为0.91~2.42 GHz(91%),且远场方向图表明了天线具有良好的定向性能,因而该天线可以应用于人脑活动探测等领域。     

利用梯度下降极小惯量法的脑中线偏离度算法

大脑受到创伤后往往会伴随着结构的移位,而脑中线的移位程度对医生预估脑内压强、脑疝等脑部创伤后并发症的重要标准。本文以两位脑创伤患者在接受治疗期间内的影响资料为对象,研究了用梯度下降的极小惯量法计算大脑的理想对称轴,并与患者的实际脑中线相比较,归一化后脑中线偏离度随时间变化的趋势图与临床的症状完全吻合,因而对医生的临床判断具有重要意义。     

基于运动想象的异步在线脑-机接口系统

目前,运动想象脑-机接口( motor imagery brain computer interface,MIBCI) 的离线分析和研究相对比较成熟,但是异步在线MIBCI始终具有挑战性。针对在线BCI系统的识别率和控制方式,提出了利用共空间模式(common spatial pattern,CSP)算法对运动想象(motor imagery,MI)进行特征提取并结合alpha波进行异步控制。构建了一种简单实用的自主控制小球运动MIBCI实验系统。有四名受试者参加了在线实验,其中有两名受试者在线运动想象识别正确率最高能达到100%。实验结果验证了本文所建系统的可行性和实用性。      

基于动态功能连接的握力运动参数脑电识别

为了研究握力运动过程中脑功能网络(Brain Functional Network,BFN)的动态变化特征及对握力运动参数任务识别的影响,提出一种加权相位滞后指数法构建动态脑功能网络.通过对预处理的EEG时间序列按照一定的非重叠窗口截断成等长的子时间序列,按时间顺序,利用相位同步特性对所有子序列进行筛选;筛选出的有效数据段用加权相位滞后指数法估计功能连接大小,构建相应节点的脑功能网络;提取4种不同网络特征参数,对其进行串行融合获得特征向量;最后以支持向量机作为分类器进行分类.与静息态和不均匀子时段划分方法相比,所提方法的平均识别率提高到了74％.     

色彩感知中的脑电信号多域特征选择算法研究

针对目前在不同色彩感知中的脑电信号识别方面的研究还不多见,本文提出采用随机森林算法对信号的时域特征和频域特征进行最优组合的方法对不同色彩感知中的脑电信号进行识别。首先采用小波变换,对脑电信号进行7层分解,提取脑电信号在delta、theta、alpha和beta节律频带上的小波能量,并结合脑电信号在时域上的统计量偏度和峰度组成特征向量。然后通过基于随机森林的特征选择算法提取最优的特征组合方案,删除冗余的特征量。使用自适应增强算法进行分类识别,识别的平均正确率可达到85.07%。该结果表明使用本文所提出的特征提取与选择方法用于不同色彩感知中的脑电信号识别上是可行的,并且能够取得较好的识别率。