导读:本文包含了生理信号论文开题报告文献综述及选题提纲参考文献，主要关键词:脓毒症,病死率,病理生理机制,信号转导通路
生理信号论文文献综述
刘铭传,李林成,白晓智[1]（2019）在《脓毒症病理生理及信号转导机制的研究进展》一文中研究指出脓毒症作为重症监护室常见的危重症之一,过去几十年来,其发病率及病死率并未得到有效改善。最新的脓毒症定义中指出要及时认识到宿主针对感染所出现的反应失调,因为由此导致的器官功能障碍将会极大影响患者生存率。本文从脓毒症定义及流行病学数据出发,按照炎症反应,凝血功能障碍,免疫应答抑制,器官功能障碍等角度探讨了脓毒症的病理生理机制,同时介绍了核因子κB(NF-κB), Janus激酶/信号转导与转录激活子(JAK/STAT),磷酸肌苷3-激酶/丝氨酸/苏氨酸激酶(PI3K/Akt),丝裂原活化蛋白激酶(MAPK)等信号通路,从信号转导机制水平就近年来脓毒症的研究进展做以总结。以期为脓毒症临床研究及防治工作奠定理论基础,最终提高脓毒症的救治水平。(本文来源于《中华医院感染学杂志》期刊2019年22期）
叶钰侨,黄修禹,陆爱桃,游旭群[2]（2019）在《情侣间的冲突与情感投入的电生理信号:基于EEG技术的证据》一文中研究指出情侣关系一直是社会心理学和临床咨询方向关注的一个热点议题。从不同层面了解情侣关系的具体机制,有助于从事应用领域的人员帮助个体提高自身对情侣关系的满意度和幸福感,从而改善情侣关系。情感投入与情侣冲突分别代表情侣关系的积极面和消极面,采用情感投入量表和冲突量表,运用全脑同步性分析(global field Synchronization,GFS),协方差地形图分析(Topographical analysis of covariance,TANCOVA,标准低分辨率脑电磁层成像分析(Standardized low resolution electromagnetic tomography,sLORETA)叁种研究技术探究情侣间的情感投入和情侣冲突的脑电生理信号。研究选取33名正处于恋爱期的大学生作为被试,实验过程中要求被试闭上眼睛想象伴侣的样子。结果发现:(1)在情侣间的情感投入中,GFS分析显示,Alpha 1频带中,情感投入和付出程度越高,脑电活动的同步性越高。Alpha 2频带中,承诺程度越高,脑电活动的同步性越高。TANCOVA分析显示,Gamma频带的脑电活动与情感投入呈显着负相关。sLORETA溯源分析显示,Alpha 1频带中情感投入被激活的脑区位于左侧中央后回,右侧额内侧回和额上回;Gamma频带中情感投入被激活的脑区位于左侧中央后回。(2)未发现与情侣冲突相关的脑电生理信号。研究结果在一定程度上为情侣关系中情感投入的电生理机制提供证据。(本文来源于《第二十二届全国心理学学术会议摘要集》期刊2019-10-19）
胡威,刘必元,宇文道轩,张洪坤,张阳[3]（2019）在《高通量电生理信号采集系统研制》一文中研究指出高通量电生理信号检测仪器在基础神经科学研究中的迫切需要,开展神经电生理采集系统研究,对于神经科学研究具有重要的科学意义。随着脑科学的发展,神经信号记录系统已成为神经科学研究中最重要的方法之一,对仪器通道数量要求和附加功能需求也越来越多。以FPGA为核心,制作以Headstage作为采集前端的电生理信号采集板,并且采集板上带有TTL电平打标信号的输入输出,并预留8个通道大信号采集端口的多通道采集电路,与基于JUCE库开发的软件上位机通信,使之显示采集的信号波形并加以保存,从而构成高通量电生理信号的采集系统。其中,Headstage内置32通道前端放大和AD转换电路,并集成有SPI通讯电路。(本文来源于《科学技术创新》期刊2019年26期）
禹旺兵,邹孝[4]（2019）在《基于单片机的多生理信号采集系统实验教学案例设计》一文中研究指出为了让学生加深对单片机工作原理的理解与应用,根据《单片机原理及应用》课程教学大纲精心设计了一种基于单片机的多生理信号采集系统。该实验教学案例通过设计、仿真、制作和调试一套多生理参数的检测系统,让学生能够系统地掌握单片机的基本原理、设计方法及外围电路的制作和调试技巧,促进学生进一步掌握单片机的开发与应用,培养学生的实践能力、创新能力和团队合作精神,培养他们的分析问题和解决问题的能力。(本文来源于《教育现代化》期刊2019年66期）
王晗,王坤侠[5]（2019）在《基于SFS的多模态生理信号情感识别》一文中研究指出多模态生理信号通常具有较高的维度,高维度的特征集不仅包括噪声数据和多余数据,影响分类结果,并且在情感识别过程中将花费大量的计算机开销。因此,从高维度的特征集中选取质量较优,影响因子较大的特征具有重要意义。文中主要提取血容量搏动信号,肌电信号,呼吸信号和皮肤电反应信号四种生理信号的平均值、标准偏差、一阶差值的绝对值的平均值、归一化信号的一阶差值的绝对值的平均值、二阶差值的绝对值的平均值、归一化信号的二阶差值的绝对值的平均值这6种统计特征,采用序列前向选择算法进行生理信号特征选择,最后用支持向量机和K近邻作为分类器对选取的特征子集进行样本集的分类,分类的精度作为衡量特征子集好坏的标准。实验结果表明,采用序列前向选择算法,可以选出比原始特征集维度更低且更优的特征子集。(本文来源于《安徽建筑大学学报》期刊2019年04期）
刘艳[6]（2019）在《浅谈实验动物生理信号的采集与处理》一文中研究指出随着生物科技水平的不断提升与发展,很多欧美国家早已把研究的重心转移到了药物、医学等领域。然而想要在这领域取得研究成果就必须把实验动物当作分析对象,这样才可以为人类的医学事业与生物科技的发展做出贡献。(本文来源于《兽医导刊》期刊2019年13期）
陈永浩[7]（2019）在《云计算下运动员生理信号数据智能采集系统设计》一文中研究指出为解决传统运动员生理信号采集系统续航时间短、上机位存储容量受限等问题,设计云计算环境下的新型运动员生理信号数据智能采集系统。通过数据模拟采集电路,为生理信号控制器、智能采集单片机分配合理的电平条件,实现新型采集系统的硬件运行环境搭建,解决系统续航时间不持久的问题。在此基础上,通过搭建云计算区块链采集架构的方式,识别处于对点位置的运动员生理信号,并达成数据智能协议栈间的射频连接,实现新型采集系统的软件运行环境搭建,解决上机位存储容量较低的问题。结合系统的软、硬件运行条件,完成云计算环境下的运动员生理信号数据智能采集系统设计。通过两组对比实验证明在实际运行过程中,新型采集系统确实比传统系统具备更高的应用价值。(本文来源于《电子设计工程》期刊2019年13期）
Le-kai,ZHANG,Shou-qian,SUN,Bai-xi,XING,Rui-ming,LUO,Ke-jun,ZHANG[8]（2019）在《基于心理生理信号的个人音乐情感体验识别（英文）》一文中研究指出音乐能激发人的情感,这是一个心理生理过程。因此心理生理特征可用于识别个人音乐情感体验。提出一种新的基于人体生理特征的个人音乐情感识别方法。首先,建立一个基于音乐情感特征的数据库和一个基于听音乐产生的生理信号的数据库,包括心电、脉搏、皮温、呼吸和瞳孔直径变化等生理信号。然后,分别采用线性回归、岭回归、叁种不同核的支持向量机、决策树、K近邻算法、多层感知器和Nu支持向量回归(Nu SVR)方法,通过音乐特征和人体生理特征识别音乐情感。结果显示,NuSVR性能优于其他方法,其唤醒相关系数为0.7347(均方差为0.02323),效价相关系数为0.7902(均方差为0.01485)。最后,对不同数据集进行比较,结果表明所有特征(音乐特征和所有生理特征)数据集在识别中表现最好,唤醒相关系数为0.6499(均方差为0.02932),效价相关系数为0.7735(均方差为0.01576)。本文提供了一种有效的个人音乐情感体验识别方法,可用于个性化音乐推荐。(本文来源于《Frontiers of Information Technology & Electronic Engineering》期刊2019年07期）
张素华[9]（2019）在《基于多生理信号的多频段情感分类方法研究》一文中研究指出情感在人类生活中扮演着至关重要的角色。随着人工智能技术的不断发展,计算机在人机交互,个性化服务方面具有更好的技术支持。利用计算机对人的情感状态进行准确识别,是数据挖掘、脑机接口、生物信息学等多个领域的研究热点。现有情感识别相关研究可以分为以下几个方面:基于语音情感识别、基于面部表情情感识别、基于生理信号情感识别、基于动作的情感识别等。由于生理信号能够更加客观、真实的反映人的情感状态,越来越多的研究者开始进行基于生理信号的情感识别研究。现阶段此研究过程中还存在许多问题,如:对生理信号进行情感标注需要消耗大量的人力物力;生理信号的非线性、非稳定性特性给特征提取带来困难;基于生理信号的标准化情感分类模型尚未建立;缺少针对独立用户的情感分类模型等等。本文针对在生理信号的情感分类过程中特征提取和模型稳定性等相关问题展开研究,主要内容如下:(1)针对脑电信号的非线性、非平稳性特点,提出了基于脑电信号的多尺度特征情感分类方法。首先,提出基于脑电信号经验模态分解(Empirical Mode Decomposition,EMD)与自回归模型(Autoregressive Model,AR)相结合的特征提取方法。通过滤波提取出脑电信号中Alpha和Beta波段数据,经过EMD分解得到本征模态函数,进行AR系数计算形成特征集,使用支持向量机进行识别。在激活度上和愉悦度上的二分类任务中,分别得到了 87.35%和83.12%的分类准确率。其次,提出了基于脑电信号的经验小波变换(Empirical Wavelet Transform,EWT)与AR相结合的特征提取方法。得到最高分类准确率72.04%,要低于基于EMD方法得到的结果。(2)针对生理信号进行情感分类结果不稳定的问题,提出了基于多生理信号多频段的集成情感分类方法。通过对脑电信号、眼电信号和肌电信号进行Theta、Alpha、Beta和Gamma频段数据提取和Hjorth参数计算,形成4个不同的特征集:脑电特征集、脑电眼电组合特征集、脑电肌电组合特征集和脑电眼电肌电组合特征集。再通过K近邻、随机森林、决策树单一分类模型和叁者集成分类模型在激活度和愉悦度上进行了情感二分类任务和情感四分类任务。结果表明,当采用脑电眼电肌电组合特征集,采取集成分类模型进行分类时得到最高的分类准确率。对于二分类任务,激活度上为94.42%,愉悦度上为94.02%。对于四分类任务,最高平均分类准确率为90.74%,并表现出很好的稳定性。(本文来源于《辽宁师范大学》期刊2019-06-01）
刘玉琳[10]（2019）在《基于质量评估的多通道生理信号融合获取心率的研究》一文中研究指出准确的心率(heart rate,HR)监测在重症监护室(Intensive care unit,ICU)和穿戴式心电监测中的应用是非常重要的。获取HR通常由分析心电图(Electrocardiogram,ECG)来实现。然而,ICU或穿戴式设备获得的ECG信号污染是很常见的,准确HR的获取变得更加困难,这可能导致HR的错误估计,进而会危及病人生命安全或引起监护人员的警报疲劳。本研究基于ECG与脉搏(Arterial blood pressure,ABP)的信号质量指数(signal quality index,SQI)融合来提高ICU中HR检测的准确率,并建立了动态ECG的质量评估与HR估计模型。本文针对单通道HR估计方法、ECG与ABP融合获取HR及其准确性评估方法、动态ECG信号质量评估与HR估计方法叁个问题做了较为深入的研究。主要研究内容如下:(1)单通道HR估计方法研究。对于ECG信号和ABP信号,均需进行质量评估和HR估计两步处理。采用gqrs、sqrs两种算法提取ECG信号的R波峰值位置;采用wabp算法提取ABP脉冲起始点位置。根据提取的特征点位置分别计算初始HR。初始HR需经Kalman滤波处理以得到用于融合的HR。根据ECG的R波峰值位置等波形特征计算ECG的叁种SQI:bSQI、sSQI、kSQI。根据ABP的脉冲起始点等波形特征,并利用模糊逻辑算法计算ABP信号的两种SQI:jSQI和wSQI。根据以上SQI,可分别计算得到用于融合的ECG和ABP的最终SQI。(2)ECG与ABP融合获取HR及其准确性评估方法研究。采用基于SQI的方法,将分别从ECG和ABP中估计的HR进行融合。为评估融合后估计HR的准确性,将单通道与融合后的HR估计结果分别与专家标注后的HR估计结果进行对比,并采用与之前研究不同的评价指标:HR估计误差以及误差绝对值的平均值(mean)和标准差(standard deviation,SD),以此来检验单通道HR检测器及融合方法的有效性。(3)动态ECG信号质量评估与HR估计研究。建立动态ECG信号的质量评估模型,通过算法评估结果来验证人工评估结果,以判断此智能穿戴设备采集ECG信号的质量。从动态ECG信号中估计HR,并与专家标注HR进行比较,得到算法估计HR的误差。研究结果表明,本文提出的基于SQI的ECG与ABP融合估计心率的方法可改善ICU中心率估计的准确性,且建立了有效的动态ECG信号的质量评估与HR估计模型。(本文来源于《山东大学》期刊2019-05-18）
生理信号论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
情侣关系一直是社会心理学和临床咨询方向关注的一个热点议题。从不同层面了解情侣关系的具体机制,有助于从事应用领域的人员帮助个体提高自身对情侣关系的满意度和幸福感,从而改善情侣关系。情感投入与情侣冲突分别代表情侣关系的积极面和消极面,采用情感投入量表和冲突量表,运用全脑同步性分析(global field Synchronization,GFS),协方差地形图分析(Topographical analysis of covariance,TANCOVA,标准低分辨率脑电磁层成像分析(Standardized low resolution electromagnetic tomography,sLORETA)叁种研究技术探究情侣间的情感投入和情侣冲突的脑电生理信号。研究选取33名正处于恋爱期的大学生作为被试,实验过程中要求被试闭上眼睛想象伴侣的样子。结果发现:(1)在情侣间的情感投入中,GFS分析显示,Alpha 1频带中,情感投入和付出程度越高,脑电活动的同步性越高。Alpha 2频带中,承诺程度越高,脑电活动的同步性越高。TANCOVA分析显示,Gamma频带的脑电活动与情感投入呈显着负相关。sLORETA溯源分析显示,Alpha 1频带中情感投入被激活的脑区位于左侧中央后回,右侧额内侧回和额上回;Gamma频带中情感投入被激活的脑区位于左侧中央后回。(2)未发现与情侣冲突相关的脑电生理信号。研究结果在一定程度上为情侣关系中情感投入的电生理机制提供证据。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
生理信号论文参考文献
[1].刘铭传,李林成,白晓智.脓毒症病理生理及信号转导机制的研究进展[J].中华医院感染学杂志.2019
[2].叶钰侨,黄修禹,陆爱桃,游旭群.情侣间的冲突与情感投入的电生理信号:基于EEG技术的证据[C].第二十二届全国心理学学术会议摘要集.2019
[3].胡威,刘必元,宇文道轩,张洪坤,张阳.高通量电生理信号采集系统研制[J].科学技术创新.2019
[4].禹旺兵,邹孝.基于单片机的多生理信号采集系统实验教学案例设计[J].教育现代化.2019
[5].王晗,王坤侠.基于SFS的多模态生理信号情感识别[J].安徽建筑大学学报.2019
[6].刘艳.浅谈实验动物生理信号的采集与处理[J].兽医导刊.2019
[7].陈永浩.云计算下运动员生理信号数据智能采集系统设计[J].电子设计工程.2019
[8].Le-kai,ZHANG,Shou-qian,SUN,Bai-xi,XING,Rui-ming,LUO,Ke-jun,ZHANG.基于心理生理信号的个人音乐情感体验识别（英文）[J].FrontiersofInformationTechnology&ElectronicEngineering.2019
[9].张素华.基于多生理信号的多频段情感分类方法研究[D].辽宁师范大学.2019
[10].刘玉琳.基于质量评估的多通道生理信号融合获取心率的研究[D].山东大学.2019