【摘 要】
：
针对帕金森疾病(Parkinson\'s Disease,PD)开环深部脑刺激(Deep Brain Stimulation,DBS)疗法存在能耗过多而引起副作用的问题,提出根据患者临床状态变化实时调节刺激参数的自适应闭环DBS方案.选取与临床状态密切相关的内侧苍白球β频段(13～35 Hz)振荡功率作为反馈信号,定义随运动状态动态变化的β功率值作为参考信号;选取鲁棒性强的模糊控制算法实时求解DBS参数并与传统比例-积分算法的控制效果进行比较;应用皮层-基底核-丘脑网络生理模型验证所设计自适应闭环DB
【机 构】
：
山东农业大学 机械与电子工程学院,山东 泰安 271018;天津大学 电气自动化与信息工程学院,天津 300072
论文部分内容阅读
针对帕金森疾病(Parkinson\'s Disease,PD)开环深部脑刺激(Deep Brain Stimulation,DBS)疗法存在能耗过多而引起副作用的问题,提出根据患者临床状态变化实时调节刺激参数的自适应闭环DBS方案.选取与临床状态密切相关的内侧苍白球β频段(13～35 Hz)振荡功率作为反馈信号,定义随运动状态动态变化的β功率值作为参考信号;选取鲁棒性强的模糊控制算法实时求解DBS参数并与传统比例-积分算法的控制效果进行比较;应用皮层-基底核-丘脑网络生理模型验证所设计自适应闭环DBS方案的可行性.将开环130 Hz DBS产生的β功率作为期望值时,模糊控制器在成功跟踪期望功率的同时将平均刺激频率降为108.77 Hz,能够降低刺激能耗.在不改变刺激参数的情况下,改变期望的β功率值,均能实现成功跟踪,证明了模糊控制器的鲁棒性.设计的基于模糊控制的帕金森状态β频段振荡抑制的闭环DBS方案能够根据β频段振荡功率变化进行实时跟踪,通过降低开环刺激能耗减少副作用,为临床闭环DBS优化PD疗法提供方案参考.
其他文献
为精准预测固定机型飞机燃油消耗量,针对飞机油耗数据受多种外界因素影响而存在复杂非线性的问题,提出一种重构样本下飞机油耗增强自适应差分进化相关向量机(enhanced fitness adaptive-differential evolution-relevance vector machine,EFADE-RVM)的预测方法.通过引入相似输入产生相似输出的即时学习算法选择相关样本集形成重构样本,利用增强自适应差分进化算法优化相关向量机核函数参数,解决核函数参数选择困难的问题,建立飞机油耗预测模型.实验结果
在神经网络模型训练过程中,存在部分卷积核退化为无效卷积核,在神经网络推理过程失去作用的问题.针对该问题,提出了一种仅使用单个模型就能在训练过程中激活无效卷积核,提高模型性能的方法.首先将初始模型训练至收敛时刻;然后通过L1正则和卷积核相关性两种方式衡量卷积核的有效性;最后将无效卷积核的权值回退到模型训练的初期阶段并对模型进行重训练.在CIFAR-10、CIFAR-100等图像分类的数据集上的实验结果表明,无论是在残差网络还是在轻量级网络上,提出的方法都能有效地恢复无效卷积核,提高神经网络模型精度.相比之前
目前传统的文本相似度方法大多数存在未考虑语义及结构信息,容易忽略文本特征细节信息等问题.针对上述问题,提出多模型加权融合的文本相似度计算算法.利用词频、词性、词句位置3个特征共同计算句子相似度;为发现文本的结构信息方面,提出分层池化IIG-SIF用于计算文本的相似程度;结合前两个环节的相似度模型构建一种线性加权模型,汇集两个算法使结果更为精确.实验结果表明,该算法能够提高准确率和召回率,在不同语种和粒度的数据集上均得到更优的实验结果.
深度学习模型具有鲁棒性差的局限性,常见的如在图片中增加特定的噪声会影响到图片的分类和预测结果.近期有学者将深度学习引入到推荐系统中,因此在推荐系统中也存在噪声对推荐精度影响的问题.针对深度推荐模型的鲁棒性问题,基于变分自编码器(Variational Auto-Encoder,VAE)提出了新的评分预测模型REVAE(REcommender Variational Auto-Encoder).该模型为了训练模型对噪声干扰的鲁棒性,在传统的VAE上增加了一层隐层表示,利用后验分布对隐层表示进行约束,并在该隐
鉴于低空场景下无人机尺度多变、背景复杂的特点,提出一种基于深度学习的多尺度低空无人机目标检测算法。针对高层卷积特征对小无人机目标特征表达能力差的问题,引入VGG16低层特征图Conv3_3,构建特征金字塔网络,利用有效感受野技术,重新设计各特征图中先验框的尺寸和长宽比例,建立多尺度、多背景且包含干扰目标的低空无人机图像数据集,完成算法的训练和优化。实验结果表明,该算法相比原始SSD网络,平均精度(
蝙蝠算法(Bat Algorithm,BA)是一类新型元启发式算法,针对其在算法后期寻优精度降低、易陷入局部极值的不足,提出一种具有自适应多普勒策略及动态邻域策略的改进算法.根据蝙蝠个体在捕食过程中与猎物间存在的相对运动现象,引入自适应多普勒策略改进频率参数,增强算法全局探索的寻优能力.将动态邻域策略与BA算法有机结合,增加蝙蝠个体寻优结构的多样性,改善算法易陷入局部最优的不足.从理论上分析了改进后算法的收敛性和运算复杂性.在数值实验部分对改进后的算法进行了性能及应用测试:对10个经典标准测试函数在不同维
为准确识别意见领袖的敏感舆论倾向,有效把控敏感类舆情的发展,提出基于多任务学习的敏感舆论倾向识别模型(MTL-SA-LSTM)和基于指纹汇聚技术的快速识别模型.以准确识别意见领袖的敏感舆论倾向为目标,兼顾其识别效率.采用指纹汇聚技术关联原始敏感词和变形敏感词,采用语义指纹技术快速识别重复或相似度较高文本的敏感舆论倾向,通过MTL-SA-LSTM模型,对文本中的敏感舆论及舆论倾向两个任务进行识别.对比实验结果表明,该模型具有较高的识别准确率及识别效率.
为了保证大规模M IM O系统性能,针对系统所使用天线选择算法复杂度过高的问题,基于信道容量最大化准则对天线选择算法进行改进,提出了适用于大规模M IM O系统的最大欧式范数双向选择算法.该算法通过计算信道矩阵的欧式范数来判断每根天线对容量贡献的权重,从空集和全集两个方面从天线集中选择天线.通过仿真实验验证了最大欧式范数双向选择算法能够降低算法复杂度,在不同选择天线数和信噪比环境下保持较优信道容量,能够满足复杂的传播环境,更适合应用于实际的通信系统.
为从不同程度的混响语音中获得干净的语音信号,保留尽可能多的声学特性,提出一种基于混响时间感知的特征提取方法,在深度神经网络(DNN)训练阶段使用混响时间(RT60)相关参数优化系统在不同混响环境下的去混响效果.在去混响阶段,将混响语音输入到训练好的DNN进行语音去混响之前,先对混响时间进行估计,以选择合适的帧移系数和语音上下文窗系数进行特征提取.在此基础上建立一个多目标神经网络,结合基于掩蔽和基于幅度谱估计的方法,实验结果表明,所提方法相较传统不考虑混响时间的方法,在语音可懂度和语音质量方面都有明显提高,