《面向人機協同計算的高信度生物信息感知網路關鍵技術》是依託清華大學，由王雪擔任項目負責人的面上項目。
基本介紹
- 中文名：面向人機協同計算的高信度生物信息感知網路關鍵技術
- 依託單位：清華大學
- 項目負責人：王雪
- 項目類別：面上項目
項目摘要,結題摘要,
項目摘要
人機協同計算、網路化感知測量計算技術的發展，為人類健康意識的提升和生理信息的網路化協同測量計算的需求提供了可能。本項目研究面向人機協同計算的高信度生物信息感知網路關鍵技術。針對複雜環境下生物信息的實時測量感知，提出高信度可穿戴生物信息測量感知方法；面向人體健康生理信息測量，研究高信度稀疏測量機理；開展生物信息的互動式高信度異構測量數據的重構與融合計算研究，提出以腦電及相關生理信息融合計算的精神健康狀態解析方法；採用多模人機接口及異構生物信息的協同計算方法，提取生理信息與醫學影像信息等異構數據之間的關聯模型；為實現面向人機協同計算的高信度生物信息感知網路系統，研究異構高信度無線測量網路模型方法；研究基於信譽系統的網路特徵提取、動態鏈路選擇模型，進行複雜環境的生物信息感知。本項目對於人機協同計算與人體健康監測具有重要理論和實際套用價值。
結題摘要
人機協同計算、網路化感知測量計算技術的發展，為人類健康意識的提升和生理信息的網路化協同測量計算的需求提供了可能。本項目研究面向人機協同計算的高信度生物信息感知網路關鍵技術。針對複雜環境下生物信息的實時測量感知，提出了互動式互信息模型，可以融合多模生理信號、最佳化特徵層和決策層融合的分類，多模信號融合分類器精度可提高9%；面向人體健康生理信息測量，研究高信度稀疏測量機理，採用協同感知網路計算的方式，以稀疏簡化的測量架構提高了情緒識別準確率，為構建生物信息感測網路日常情緒監測識別系統、實現情緒識別腦電測量稀疏化提供了理論依據；開展生物信息的互動式高信度異構測量數據的重構與融合計算研究，提出以腦電及相關生理信息融合計算的精神健康狀態解析方法，基於人機協同計算的模式，提出了解析共空間模式，為癲癇、漸凍人症、中風、重症肌無力等神經疾病患者的運動想像提供分類基礎，可有效提升患者生活質量；採用多模人機接口及異構生物信息的協同計算方法，提取生理信息與醫學影像信息等異構數據之間的關聯模型，面向醫學圖像分割與腫瘤識別，提出了自適應外部能量權重函式，提高了肺組織分割的精度和穩定性(0.98±0.01)，對26個數據樣本做肺腫瘤識別，識別精度可達91%，假陽率(False Positive Rate)為1.7個，無論是識別精度，還是誤識別率都優於目前的比對方法；為實現面向人機協同計算的高信度生物信息感知網路系統，研究異構高信度無線測量網路模型方法，提出了腦電數據L1壓縮重構最佳化架構與方法，基於信譽計算、棧式自編碼器最佳化特徵選取，實現壓縮重構信號可靠分類（準確率比同類研究提高7%，運算量降低28%）；研究基於信譽系統的網路特徵提取、動態鏈路選擇模型，進行複雜環境的生物信息感知，縮短了30%數據採集時間、實時性增強，且該系統適應網路環境。綜上所述，本項目對於人機協同計算與人體健康監測具有重要理論和實際套用價值。
