黑蝉(C. atrata Fabricius.)辅助发声器的动力学特性

本文给出了黑蝉辅助发声器的动力学特性,揭示了发音肌收缩运动的颤动特性。音盖、鼓盖和褶膜的每个振动周期都由与每个单音节的调幅脉冲列(AMPT_(1-3))相对应的子振动(SGV_(a-b,c))组成。与背部振动相比较,SGV_(a-c)具有调音功能的副频带。连续鸣叫时共鸣腔内的气压变化和两侧气门的气流速度分别约7.94—15.88Pa和0.59—0.84cm~3/s,腹部运动时分别增大约7倍和2.6倍。发音肌收缩到临界发声状态产生颤动,同时激励发声膜和调声板-膜产生AMPT_(1-3)和SGV_(a-c)。     

使用超声估计肌肉疲劳的初步研究

表面肌电信号把神经肌肉活动和肌肉收缩联系起来，已被视为一种估计肌肉疲劳比较客观的方法，但也存在一些不足。另一方面，超声已广泛应用于医学诊断和研究，在骨骼肌方面也有不少研究报道，但还未见文献报道超声用于肌肉疲劳的估计。本文介绍一套自行开发的新的同步连续采集B超图像、力矩和肌电信号的采集系统，并利用它对肱二头肌的肌肉疲劳进行了估计。试验表明在30秒的肌肉疲劳过程中，肌肉厚度会以非线性的方式增加。     

骨骼肌收缩潜伏期内肌浆网结构的毫秒级变化研究

采用低温冷冻技术、计算机控制的毫秒级实时处理技术对潜伏期内骨骼肌结构变化时进行固定 ,以观察骨骼肌肌浆网、Ｔ 管在收缩潜伏期内超微结构的时相—形态变化。该项研究为最终解决骨骼肌兴奋收缩偶联发生时 ,其肌浆网内Ｃａ2 + 的释放机制问题 ,提供形态学上的证明。材料与方法从蟾蜍大腿部分离出长约 1 5ｃｍ ,宽约 2ｍｍ腓肠肌组织。将取下的肌组织放入任氏液中静息约10ｍｉｎ ,待其松弛 (静息时间不能超过 4 0ｍｉｎ ,否则收缩功能减弱 )。将银丝微电极仔细的插入静息后的骨骼肌两端 ,然后小心的将其放在经过我们改装后的Ｒｅｉｃｈｅ…     

一种ECG信号肌电干扰去除方法的研究

实测心电(ECG)信号通常被多种因素干扰,尤其是肌电干扰的去除存在较大困难。本文提出一种结合经验模态分解法(EMD)与主成分分析(PCA)的消噪算法来去除ECG信号的肌电干扰。解决了通常采用小波算法和EMD等方法会导致ECG信号产生振荡和丢失有用信息的难题。本研究利用PCA对含噪信号经EMD分解后的内蕴模态函数(IMF)进行去噪处理,通过对MIT-BIH心电数据进行仿真,以及定性分析了信噪比(SNR)和均方误差(MSE)。结果表明,ECG信号中的肌电干扰被有效去除,所提方法的消噪效果整体上优于小波去噪算法和EMD消噪算法,是一种有效的消噪方法。     

兔肌肌酸激酶的分离纯化及部分性质的测定

本文提供了一个新开出的生物化学综合性教学大实验,完成本实验约需４天。实验中用到了多种重要的生化实验技术,对全面训练学生的实验能力有重要价值     

高效液相色谱-串联质谱法同时检测血液中3种季铵盐类肌松剂

维库溴铵、罗库溴铵和泮库溴铵是一类广泛使用的非去极化肌松剂,使用过程中引起过敏反应甚至死亡的情况时有发生,快速检测血液中该类肌松剂的浓度,可为临床早期诊断提供有价值的信息.该类肌松剂为强极性的季铵盐类化合物,在反相色谱柱上难以保留,主要采用离子对色谱法进行分离.采用离子对色谱法时,加入的离子对试剂有离子抑制作用,可降低...     

基于多图谱配准的三维胰腺CT图像分割

胰腺的自动分割一直是医学图像分割中一项具有挑战性的问题。胰腺是一个具有高度解剖变异性的器官,目前的多图谱分割方法很难对胰腺的边缘产生精确的分割。针对这一问题,采用了基于多图谱配准的分割算法对胰腺进行分割,优化了一种局部动态阈值的后处理方法。在标签融合阶段,采用概率阈值融合算法、Majority voting(MV)算法、STAPLE算法和SIMPLE算法四种标签融合算法进行对比。在后处理阶段,采用局部动态阈值处理方法,首先通过初步分割结果对目标图像提取目标区域,然后自动确定阈值实现该区域的二值化,最终与初步分割结果取交集作为最终分割结果。采用留一交叉验证策略对80例NIH胰腺CT图像和22例来自上海本地医院的胰腺CT图像进行分割,最终得到的DSC分别为79.98%和81.30%。实验结果表明,所提方法实现了对胰腺的有效分割。     

无声语音识别中的端点检测算法

无声语音识别常以表面肌电信号作为研究对象。表面肌电信号的端点检测是影响识别结果的一个重要因素。表面肌电信号与语音信号有类似之处。借助语音端点检测的方法对表面肌电信号进行分割是一种可行的思路。基于此,采用子带谱熵和梅尔倒谱距离作为信号端点检测的判决依据,通过粒子群算法优化支持向量机分类器给出端点检测结果。结果表明,在不同信噪比条件下,该算法有最高的检出率与最低的错误率。对于基于K最近邻（K-Nearest Neighbor,KNN）的无声语音识别任务,识别率达95.3%。     

基于人工神经网络的表面肌电信号分类器研究进展

表面肌电信号是一种重要的生理电信号.基于表面肌电信号建立人体康复动作识别系统操作方便,对身体无侵入性,对运动无干扰,有广阔的应用前景.肢体康复动作识别系统很大程度上依赖于信号特征提取和分类器的使用.文中对近几年基于人工神经网络建立的表面肌电信号分类器,包括LVQ分类器、ELM分类器、WNN分类器、ANFIS分类器、Al...