静息态功能磁共振成像评估健康老年人认知行为的多尺度熵模型研究

当前,静息态功能磁共振成像(rfMRI)为脑功能检测提供了高效、快捷的先进技术.熵可以捕捉神经信号动态特征,可作为量化评估参数,但尚存在固定尺度计算缺陷且对认知行为的生物学标记少有研究,影响检测精准性.为此,本文将多尺度熵模型与机器学习方法联合,寻求BOLD信号复杂度表征健康老年人认知分数的功能影像学标记.由扫描前认知量表测试分数将98名健康老年人分为优、差两组,78名纳入训练,20名纳入测试.首先,构建多尺度熵模型,计算两组扫描数据熵,统计和对比以优化模型参数;然后,在优化参数下由统计显著性高的脑区熵值构建特征向量;最后,用极限学习机对两组分类并统计检验.发现:rfMRI多尺度熵在评估老年人认知分数时,在额、颞叶脑区存在较大显著性差异,以此为标记区分认知分数可达80%准确率.结论:额、颞叶等脑区优化的多尺度熵可有效区分健康老年人认知行为优劣.该研究将为rfMRI替代主观繁琐的传统认知量表测试提供新的检测参数和新方法.     

基于DRBF-EKF算法的车辆质心侧偏角与路面附着系数动态联合估计

车辆质心侧偏角和路面附着系数是实现车辆底盘智能化所需要的关键参数. 车辆质心侧偏角对于提高车辆安全性和操控性至关重要, 轮胎-路面附着系数决定轮胎力的峰值, 进而确定汽车的动力学稳定性边界. 本文针对四轮独立驱动电动汽车提出了一种基于惯性测量单元、轮毂电机内置转速/转角传感器的车辆质心侧偏角和路面附着系数动态联合估计方法. 对四轮独立驱动电动汽车进行车辆动力学分析, 结合Dugoff轮胎计算模型得到车辆质心侧偏角估计器; 利用机器学习中高维数据降维PCA多元分析方法, 提取主元特征参数, 建立路面附着系数估计器. 采用可自适应调节网络结构的双径向基神经网络和扩展卡尔曼滤波DRBF-EKF方法, 通过K-means算法改进RBF神经网络结构, 扩展卡尔曼滤波进行噪声滤波提高估计精度, 实现车辆质心侧偏角和路面附着系数的动态联合估计. 通过仿真和实车实验表明, 所设计的DRBF-EKF动态联合估计器实时性和估计精度均优于扩展卡尔曼滤波算法, 可以适应车辆行驶过程中路面附着特性与车速的变化, 表现出较强的鲁棒性; 与DRBF方法相比, 显著提高了估计精度; 并且分析了可以同时满足估计精度和实时性要求的最佳隐含层神经元个数.