导读东北电力大学和长春理工大学研究团队开发并实现一种结合脑电图源成像(ESI)技术和卷积神经网络(CNN)的新方法，以对运动想象(MI)任务进行分类。ESI技术采用边界元法(BEM)和加权最小范数估计(WMNE)分别解决EEG的正向和逆向问题。然后在运动皮层中创建十个scout来选择感兴趣的区域(ROI)。研究者使用Morlet小波方法从scout的时间序列中提取特征。最后，使用CNN对MI任务进行分类。实验结果:在Physionet数据库上的整体平均准确率达到94.5%，分别对左拳头、右拳头、双拳和双脚的单个准确率达到95.3%、93.3%、93.6%、96%，采用十倍交叉验证进行验证。研究人员表示，他们的研究成果与最先进的MI分类方法的结果相比，总体分类增加了14.4%。研究者为验证方法的有效性，加入了4个新的受试者进行验证，发现总体平均准确率为92.5%。此外，全局分类器适应单一对象，整体平均准确率提高到94.54%。研究者表示，他们提出的结合scout ESI和CNN的方法，提高了脑电解码四类MI任务的BCI性能。系统框架图1 系统框架图系统框架如图1所示。原始数据来自国际10-10系统的64个电极(不包括Nz、F9、F10、FT9、FT10、A1、A2、TP9、TP10、P9和P10电极)，并以每秒160个样本的速度采集。根据国际10-10系统从64个通道采集原始脑电图，并使用BCI2000系统进行记录。记录的数据被分为四个独立MI任务包括左拳MI,右拳MI,双拳MI和双脚MI。首先，由于ERD在执行运动想象时在alpha和beta中不同，因此使用FIR滤波器对EEG进行了8 Hz至30 Hz的带通滤波。然后，通过计算包含正问题和逆问题的源，将传感器空间的活动转化为源空间的活动。接下来，创建scout并提取特征。研究者在运动皮层中创建了10个scout，因为我们只关心与运动相关的活动。十个scout中的每一个都代表了可用源空间中的一个感兴趣的区域(ROI)，并且是定义在皮层表面或头部体积上的偶极子的子集。左脑的scout称为L1、L2、L3、L4、L5，右脑的scout称为R1、R2、R3、R4、R5。利用JTFA从10个scout的源时间序列中提取特征。最后，利用CNN对时频图进行分离并进行分类。实验在实验中，研究人员仅使用了随机选择的十个受试者的MI trail (S5，S6，S7，S8，S9，S10，S11，S12，S13，S14)。这里用于分析的数据集包含每个受试者84次试验，每一类包含21次试验。在记录64通道脑电图时，受试者执行了不同的运动想象任务。每个受试者针对以下四个任务中的每一个执行了3轮21试验：当目标出现在屏幕左侧时，受试者想象打开和合上相应的拳头，直到目标消失。然后受试者放松。当目标出现在屏幕的右侧时，受试者想象打开和合上相应的拳头，直到目标消失。然后受试者放松。当目标出现在屏幕顶部时，受试者想象打开和合上双手的拳头，直到目标消失。然后受试者放松。当目标出现在屏幕底部时，目标会想象双脚张开和合拢，直到目标消失。然后受试者放松。为了统一数据维数，研究者选择了4s的数据，因为每次想象任务的执行时间都在4s左右。此外，脑电图任务是分开的，研究人员在实验中将左拳，右拳，双拳和双脚MI任务分别称为T1，T2，T3和T4。图2 scout命名左右运动想象的scout分别命名为L1、L2、L3、L4、L5、R1、R2、R3、R4、R5，如图2所示。10个scout每一个都被扩展到40个顶点，每个顶点只有一个源。L1区域对应40个信号，其他scout也一样。在计算了来源后，研究者在运动皮层中创建了十个scout，如图3所示。图3 创建10个scout使用ESI计算十个受试者(S5、S6、S7、S8、S9、S10、S11、S12、S13、S14)每次试验的四个任务(T1、T2、T3、T4)的源。对于这四项任务中的每一项，每个受试者每次都要进行7次测试(#1，#2，#3，#4，#5，#6，#7)。展示了第一个步的10个被试的10个scout的4项任务的来源。然后提取10个scout的时间序列进行进一步分析。特征提取在计算源之后，研究人员在运动皮层中创建了包含40个源的10个scout，并提取了scout的时间序列。如图4所示为提取R5 scout时间序列作为示例。图的右边显示了R5 scout的时间序列。本文利用小波变换从scout时间序列中提取特征。图4 提取R5 scout时间序列作为示例在这项研究中，研究者提出利用CNN来解决运动想象任务分类的问题。该模型基于Schirrmeister等提出的Deep ConvNet架构，该网络模型由一个六层卷积网络组成，其中两个最大池层和三个全连接层，如图5所示。图5对于Physionet数据库，研究者首先采用Deep ConvNet架构，包括四个卷积层、四个最大池层和一个全连接层。在实验中，研究者依据经验使用两个最大池化层。并尝试了不同数量的卷积层和完全连接层。时频图利用Morlet小波方法得到了scout的特征。对于每个任务，R5 scout的时频图如图6所示。包含时间和频率互补的时频分析方法提供了时域和频域的联合分布信息，清晰地描述了信号频率与时间的关系。图6 R5 scout的时频图显然，只有部分时频映射是红色的，表明每个任务只对特定的频率和时间敏感。由于图的数量比较大，研究者使用CNN来选择和学习这些图中最基本的特征。研究人员随机选择了几个样本，并将一些特征图可视化，作为MI任务的学习表示，如图7所示。图7为了获得有效的结果，将数据集分为90％作为训练集，其余10％作为测试集。首先，将十个受试者的数据集（总共19320个样本）分为17388个样本以训练所提出的CNN模型，以及1932个样本以验证模型的有效性。在实验中，研究者还选择了另外四个受试者的数据集以增加数据集的规模(27048个样本)，其中24343个样本是训练集，其他样本是测试集。在选定的scout上对所提出的CNN架构进行了十次训练和测试，以验证所提出模型的鲁棒性。图8(a)显示了10个scout中每个的全局平均精度。图8 统计结果R5的全局平均精度最高，达到94.5%，而L2的全局平均精度最低，为91.3%。对应L1、L3、L4、L5、R1、R2、R3、R4的整体准确率分别为92.4%、92.5%、93.6%、91.9%、93.0%、91.8%、92.1%、92.6%。所有scout的总体精度均在91%以上，标准差均在0.20%以下。图8(b)显示了十个scout中每个scout四个MI任务的组级统计结果及其标准差。一般来说，R5表现的要比其他的好，而L2在迭代2000中表现最差。标准差较小，说明这些精度更接近平均值且稳定。图9 统计结果图9(a)显示了带有标准差的混淆矩阵，说明了group level分类结果。T1、T2、T3和T4的全局平均精度峰值分别为95.3%、93.3%、93.6%和96.0%。R5 scout的四个MI任务中的每一个都如图9(b)所示。通过改变训练集和测试集顺序的10次试验，确定了scoutR5的性能，结果如图10(a)和(b)所示。在10次试验中，scout R5的T1、T2、T3、T4的平均准确率分别为93.3%、93.8%、94.2%、94.1%。换句话说，四个任务中每一个的平均准确率都超过了93%。全局平均准确率为93.7%。10次试验结果表明，该方法对scout R5的分类效果较好。从以上结果可以清楚地看出，R5 scout在四种MI任务的分类中扮演着最重要的角色。因此，选择R5对四个MI任务进行分类。图 10图11. (a)是不同模型的全局平均准确性的比较。可以发现，该研究提出的模型可以达到最大的精度。从图11. (b)不同模型的ROC曲线可以看出提出的模型比其他模型表现更好。©不同模型T1上的精度比较。(d)不同模型T2的精度比较。(e)不同模型T3的精度比较。(f)不同型号T4的精度比较。图11 不同模型的精度比较结论东北电力大学和长春理工大学研究团队开发并实现一种结合脑电图源成像(ESI)技术和卷积神经网络(CNN)的新方法。该方法可以对运动想象(MI)任务进行分类。实验结果表明，他们的研究成果与最先进的MI分类方法的结果相比，总体分类增加了14.4%。研究者加入了4个新的受试者进行验证来验证方法的有效性。研究者表示，他们提出的结合scout ESI和CNN的方法，提高了脑电解码四类MI任务的BCI性能。论文信息：A novel approach of decoding EEG four-class motor imagery tasks via scout ESI and CNN

便携式煤样造影装置，包括电脑、分析台、造影仪和遥控器，电脑放置在所述分析台上，造影仪包括上盖、机体外壳和内架，上盖通过铰链与机体外壳连接，内架设在机体外壳内。内架上设有侧面相机，上盖的下表面安装一个上端相机，内架的下平板安装一个下端相机，所有相机一起工作，共同完成煤样的三维造影。本发明还公开了煤样三维影像采集方法，造影仪采用成熟的计算机影像合成技术采集煤样的外观数据，有利于存储煤炭勘探现场的煤样影像资料，帮助勘探技术人员后期的数据采集和处理，并且造影仪在保证技术要求的前提下，整体设计尺寸小巧，方便勘探技术人员携带，可以极大提高煤炭资源勘探人员的工作效率，减少数据采集误差。

将三维数字信息记录在全息底片上的装置及其记录方法,它涉及的是三维图像存储及立体显示的技术领域.它是为了解决现有技术存在制作物理模型时间较长,费用较高,虚拟现实系统价格昂贵的问题.它的数字微反射镜的光轴上依次设置有四分之一波片,偏振分束镜,第一凸透镜,空间滤波器,第二凸透镜,全息底片,激光器输出的激光通过电动快门,分束镜,二分之一波片,第四凸透镜,第三凸透镜入射到偏振分束镜的输入端;另一部分激光透过分束镜后由反射镜反射到全息底片的背面上.它的步骤为:将三维图像转换成不同视角的二维图像系列;在数字微反射镜上显示;在全息底片上成像.本发明能将计算机中数字式三维图像记录到全息底片上,以实现立体显示. 收起

主要技术要点（创新点） ： 采用空间 3-UPU 柔顺并联机构作为结构类型，与传统微力传感器的敏感元件相比，具有高精度、高强度、无累积误差等优点； 3 个支链相互垂直放置，并且每 1 条支链能感受某一方向的力，同时不会影响其他支链的悬臂梁的应变，具有 3 维解耦力传感特点； 采用 3-UPU 柔顺并联结构具有高固有频率，具有频宽范围大的特点； 采用 2 对对称的悬臂梁的应变形成全桥式电路作为输出，具有温度不敏感的特点。项目背景：随着精密工程技术、微机电系统(MEMS)技术及微/纳米技术等的研究，微传感器技术得到极大发展，特别是微力传感器，在各种微操作过程中执行对微接触力的检测，实现力-位移或力-视觉等混合控制，对提高微操作系统的精度起到了重要作用。该成果来源于胡俊峰副教授主持的国家自然科学基金项目《基于柔顺机构的智能微操作机器人动力学与控制研究》。 

本发明公开了一种同时具有水平与俯仰多视场的全景空间三维显示装置。该装置包括高速投影机、选择性透射式定向散射屏、反射镜系统和转动装置。选择性透射式定向散射屏可控制出射光在不同方向上的发散角度，使得观察者在水平方向及垂直方向的不同位置均能看到不同视角的双目视差图像，实现三维物体在全景空间上的三维显示。本发明提出的同时具有水平与俯仰多视场的全景空间三维显示装置可显示出三维场景的360°水平周视图像，同时在俯仰方向也能提供多环带视场的图像，实现三维显示。基于本发明的三维显示系统，可以实现真实的供多人360°环绕裸眼观看且具有空间消隐功能的空间三维的完美显示。

本发明公开了高视角分辨率的360°视场三维显示装置，包括：LED光源、照明光学系统、空间光调制器、投影光学系统、组合式定向散射屏、转动装置、图像存储控制模块、转动检测模块和光源脉冲驱动控制模块。本发明还公开了实现高视角分辨率的360°视场三维显示方法。本发明通过光源脉冲驱动控制模块对LED光源进行脉冲点亮的方式与组合式定向散射屏的旋转相配合，利用了每个定向散射子屏散射方向的微小偏差实现高密度的视角扫描，实现了具有高视角分辨率的360°视场三维显示，提高了三维显示图像的质量，更加符合人眼自然观察的习惯。

本发明公开了基于组合屏幕的俯仰多视角悬浮式全景空间三维显示装置，包括：组合式偏折型散射屏、高速投影机、图像控制模块、转动检测模块、电机和传动机构。高速投影机把三维物体不同俯仰视角的水平360°视场组合图像同时投影到组合式偏折型散射屏上的不同区域。组合式偏折型散射屏的每个区域均可控制不同角度入射光线的垂直偏折及发散角度和水平发散角度，保证围绕观看的不同高度的观察者的双眼都能观察到与其视点位置相符合的立体图像，实现再现的三维场景悬浮于组合式偏折型散射屏的上方。本发明中俯仰多视角悬浮式全景空间三维显示具有供多人俯仰多视角、水平360°全视场裸眼同时观看、空间遮挡消隐、可探入触摸交互等特点。

近年来，磁振子电子学在信息计算和信息传输领域表现出了极具价值的应用潜力。磁振子电子学利用以磁振子为载体的电子自旋进动来实现信息处理，有望实现无热量产生、低耗散的信息传输，相比于传统意义上通过操纵电荷来实现信息的处理的微电子学具有无可比拟的巨大优势。磁振子电子学领域的进展很大程度上依赖于能够有效传输磁振子的新材料的发现，而获得长距离的磁振子输运始终是磁振子电子学研究的重中之重。与通常的三维磁性绝缘体（如Yttrium Iron Garnet）相比，二维尺度下的磁振子被理论预言有很多的新颖物理效应，例如自旋能斯特效应，拓扑磁振子，以及外尔磁振子等。 在最新的研究文章中，量子材料科学中心韩伟课题组在二维磁性体系中展开工作并取得了重要进展，观测到了二维反铁磁体系中磁振子的长距离输运。MnPS3晶体是一种层状反铁磁材料，利用机械剥离手段得到了二维的MnPS3薄片。MnPS3薄片上制备了用于测量磁振子输运的非局域器件，器件结构如图A所示。器件左侧Pt电极通过热方法来注入磁振子，右侧Pt电极探测在二维MnPS3中扩散传输的磁振子。在二维反铁磁MnPS3中，实验上观测到了几微米的磁振子扩散长度。并且从图B中可以看出，随着注入端和探测端距离的增加，探测到的非局域信号表现出e指数衰减的形式，跟一维漂移扩散模型的理论模型一致。在此基础上，他们还系统研究了MnPS3厚度对磁振子弛豫性质的影响。随着MnPS3厚度从40nm降低至8nm，磁振子弛豫长度由4μm减小到1μm（图C），这可能是由较薄的MnPS3中较强的表面杂质散射效应导致的。 该文章中的结果具有重要的学术价值：二维材料中的磁振子输运实现为二维磁性材料在磁振子电子学的应用与发展奠定了基础，也有望推动磁振子在量子尺度下的新颖量子物理性质研究。图：二维反铁磁体系中磁振子输运研究。（A）二维反铁磁MnPS3中的磁振子输运测量结构示意图。（B）自旋信号R_NL^*随电极间距的依赖关系，与理论预言的e指数衰减吻合。（C）磁振子弛豫长度随MnPS3厚度的依赖关系。 该工作于2019年2月7日在线发表于物理学术期刊Physical Review X上(Phys. Rev. X 9, 011026 (2019) )。 DOI: https://doi.org/10.1103/PhysRevX.9.011026。该工作由韩伟研究员设计和指导完成，北京大学量子材料科学中心2015级博士生邢文宇为文章第一作者，物理学院2015级本科生邱露颐为第二作者（今年9月份将去哈佛大学读博士），韩伟研究员为文章通讯作者。本工作的顺利完成得到了量子材料科学中心贾爽教授和谢心澄院士的合作帮助，以及国家重大科学研究计划、国家自然科学基金、中国科学院战略性先导科技专项的支持。

本发明公开了一种基于张量分解稀疏约束的三维心脏磁共振成像方法，其采用三维径向采样轨迹实现全心脏三维K空间数据的欠采样；通过高阶张量分解实现磁共振图像的稀疏表示，实现全心脏三维磁共振数据的最优稀疏表示，提高磁共振成像的精度；结合张量分解的稀疏数据的L1范数与全变差变换的复合正则化项作为约束项，利用快速复合分裂算法实现欠采样三维心脏磁共振图像重构。本发明方法有效缩短磁共振成像扫描时间，提高心脏磁共振成像的速度，有利于消除心脏检测过程中产生的运动伪影，提高三维心脏磁共振成像的精度。

本发明涉及生物技术领域，具体地，本发明涉及二维培养系统在小鼠肠上皮干细胞体外培养中的应用。本发明提出了一种培养系统。该培养系统用于单层细胞培养，该培养系统包括：基质胶、N2、B27、双抗、GlutaMAX、N‑acetylcysteine、R‑spondin1以及基础培养基，其中，所述基质胶的厚度为5μm～50μm。该培养系统适用于胃肠道的表皮细胞和干细胞的单层细胞的培养，尤其适用于肠道表皮细胞和肠道干细胞的单层细胞的培养。该培养系统可以更加直观的观察胃肠道表皮细胞和干细胞的一系列生化细胞水平的变化，能很好的模拟体内肠道表皮细胞的各项指标，能更加便捷地探索外泌体、炎症因子等对小肠干细胞稳态的影响，提供低成本、高效率的筛药体系。