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

  昆虫对生态系统和全球经济有着重要影响，其中甲虫（鞘翅目）、蝗虫（直翅目）、寄生蜂（膜翅目）、蝇类（双翅目）等是农林业害虫、生物防治及环境评价的重要类群，明确昆虫种类对农林业生产、资源挖掘、生态平衡等领域具有重要作用。项目组对上述昆虫进行了系统的分类研究。     1.创建了金龟子幼虫的形态学分类新体系。利用幼虫头部、臀节、内唇等相关部位的综合特征创建的分类新体系可准确、快速鉴定金龟子幼虫（蛴螬）种类，缩短鉴定时间，提高防治害虫的针对性。解决以前只能等待幼虫发育到成虫，再通过成虫鉴定种类，错过防治最佳时期的难题。该体系已被相关高校教材及科研文献广泛引用，且受到周边国家高度重视，俄罗斯科学院的学者曾来我校合作学习。查新证明本分类新体系为国内外首创。     2.昆虫种类新发现。发现并建立昆虫新属4 个；发现并发表昆虫新种类113个；订正1 个属，建立1 个新组合；发现中国新记录亚科1 个、中国新记录属19 个、中国新记录种类121 个、辽宁省新记录种类428 个；运用分类新体系首次描述并发表鞘翅目金龟子幼虫85 种、蛹48 种。该成果丰富了世界昆虫种类，对害虫生物防治、昆虫资源的利用和开发，以及生物多样性的研究具有重要意义。     3.首次系统研究了中国蚤蝇资源。对中国蚤蝇进行系统的分类学修订，运用形态学和分子系统学的研究方法，探讨了中国蚤蝇的属级系统发育，澄清了属间的亲缘关系。出版了《中国蚤蝇分类》，中科院动物所蝇类专家赵建铭研究员评价该书：是有关中国蚤蝇的第一部专著，填补了中国蚤蝇研究的空白；剑桥大学国际蚤蝇专家Henry Disney亦给予高度评价：是一部极具参考价值的专著。该研究成果在食用菌产业（菌食性蚤蝇）、生物防治（寄生性蚤蝇）及法医鉴定 （尸食性蚤蝇）等领域有着重要意义。     4.主编专著6 部，发表论文96 篇。主要论文专著被他人引用308 次。所发表的论文被SCI数据库收录23 篇，其中6 篇发表于2 区期刊。著作《辽宁甲虫原色图鉴》与《中国东北小蜂及青蜂志》对71 科829 种甲虫及18 科304 种寄生蜂的形态特征、分布、寄主及习性进行了详细研究，为重要甲虫资源及害虫天敌资源的挖掘奠定了坚实的理论基础。《辽宁甲虫原色图鉴》为辽宁省优秀自然科学著作，获第五届中华优秀出版物奖；美国内布拉斯加州立大学的国际金龟子专家Brett C. Ratcliffe教授、中科院动物所甲虫专家杨星科研究员、西北农林科技大学张雅林教授及中国农业大学彩万志教授等对该书均给予高度评价：All in all a VERY NICE book；对东北及全国甲虫区系研究是重要的贡献；是目前国内甲虫出版物的领先者。《中国东北小蜂及青蜂志》是辽宁省教育厅高校科技专著出版基金资助出版的学术前沿著作。

利用超分子凝胶网络溶胀吸收多种荧光小分子而不互相干扰，成功实现了凝胶材料荧光的多色调制，为构筑荧光可调制软材料提供了一种新的方法。他们首先设计合成了如下图所示具有良好溶胀性能的水凝胶，这种水凝胶含有两种互不干扰的键合位点（金刚烷基团和磺化杯[4]芳香烃基团，图2），其中磺化杯[4]芳香烃对水凝胶的高度溶胀起到关键性的作用，并且这种高度溶胀性能提升了荧光分子进入水凝胶的扩散速率。这两个键合位点可以分别键合染料分子四苯乙烯修饰的β环糊精（TPECD，蓝色荧光）和4-[4-（二甲基氨基）苯乙烯基]-1-甲基吡啶鎓碘化物（DASPI，橙色荧光）而不互相干扰，并且键合作用可以大幅度增强染料的荧光发射强度。他们还通过调节凝胶溶胀过程中外液TPECD和DASPI的浓度比例，成功构筑了可以发出蓝色、黄色，特别是白色荧光的超分子水凝胶。与已知的用于构筑发光凝胶的方法相比，先构筑凝胶、后引入荧光基团制备可调节荧光水凝胶的方法非常简便，为水凝胶在可调控有机发光显示器或光学器件中的应用奠定了基础。

1 成果简介发音质量评价（ Pronunciation Scoring）是使机器自动评价目标语言语音的发音质量，它可广泛用于口语教学和口语考试系统。 2003 年清华大学出版社推出的《新时代交互英语》丛书和教学软件采用了本课题组研发的口语发音质量评分技术，该产品曾获得第五届国家级教学成果一等奖，目前已有多家高校使用该系统进行英语口语教学，这也是国内第一个得到实际应用的自动英语口语教学评测系统。如图 1 所示。  图 1 《新时代交互英语》的演示界面 2005 年 7 月北京市科技计划研发攻关计划正式设立了项目“嵌入式智能英语、汉语教学机及课件制作系统的研发”，本课题组承担了该项目研发工作，与德国英飞凌公司合作，开发了具有世界先进水平的具有双核结构的嵌入式语音处理专用芯片，并以此芯片为核心完成该课题的硬件平台，在此基础上完成的嵌入式智能英语、汉语教学机及课件制作系统通过了国家广播电视产品质量监督检验中心的检验。在项目结题验收中，专家组一致认为： A）该课题研发嵌入式智能英语、汉语教学机及课件制作系统具有自主知识产权，能够有效地、互动地协助外语学习者的口语学习； B）创新成果“式发音评价及语音识别技术”当前世界先进、国内领先水平。 2008 年 3 月，教育部“大学英语四、六级网络考试系统研发与服务体系建设”项目启动了自动口语发音评测的预研计划，目标是在大学英语四、六级网络考试（机考）中实现自动发音质量评测，本课题组是该计划唯一的发音评测技术提供方。 2008 年，本课题组与教育部中央教育科学研究所联合承担了中国教育学会教育实验研究分会“十一五”规划课题—“英汉口语教学评测信息系统智能化的实验研究”，探索口语发音评价技术对口语教学和评测方式和方法的影响，探索更为公正、客观的口语能力评价标准。2 应用说明清华大学自 2003 年以来，一直专注于口语发音质量评价技术，积累了丰富的经验，在限定内容的发音质量评价领域取得了丰硕的成果，已开始从实验室走向产业化，解决面向大规模的产业应用的关键问题，如环境噪声和通道差异对评测性能的影响、学习者的口音问题、评测技术与不同口语考核目标的关系、不限定内容的发音质量评价方法等。利用四、六级口语测试累积的海量数据，探索以上问题的理论根源，提出新的口语发音质量评价方法，形成口语评价的主客观标准，推进口语教学/评测方法迈上一个新的台阶。 总结该技术的主要特点如下：支持英语、汉语等国际上应用最为广泛的语种；发音质量评价性能好，大规模数据实验（ 5000 人测试）表明该技术与主观评价的相关性达到了 0.8，已逼近主观评价之间的相关性（ 0.85）；支持小学、中学、大学以及社会培训等不同层次的口语教学与评测；对环境噪声和通道差异具有很好的鲁棒性，可用于不同的环境和系统；程序可根据应用目标进行裁剪，既可移植到学习机、手机等嵌入式平台，又可用于个人计算机、网络服务器等。该项技术已经获得大学英语四、六级考委会、清华大学出版社、北京市科委的实际使用认可，具备了大规模产业化应用的条件。3 应用范围该项技术适用于英语、汉语的口语评测系统，英语、汉语的口语培训软件和系统，英语、汉语的口语教学辅助系统，可在嵌入式、个人计算机和网络平台上实现。4 合作方式投、融资或技术许可。

成果基于对地理现象与规律的“格局→作用→过程”的理解，将其抽象为地理空间模式（聚集、关联与演化模式），并针对地理空间模式挖掘的复杂空间关系、自相关与异质性、优化建模等关键科学问题开展研究，构建了面向地理现象理解的地理空间模式挖掘理论与方法。 1.发现了地理实体间空间关系描述的层次性与统计规律，建立了拓扑关系层次化描述模型和度量关系统计描述模型，突破了地理空间模式挖掘中复杂空间关系精细建模与模式认知的基础问题。 2.发现了空间自相关与空间异质性对地理空间模式表现形式影响作用的统计规律，建立了地理空间模式自适应挖掘模型与方法，突破了地理空间模式挖掘中地理要素自相关与异质性建模的关键难题。 3.发现了地理空间模式挖掘过程中模型有效性、模型性能与模型稳定性间的调和规则，结合博弈论与局部搜索策略，建立了地理空间模式挖掘自适应优化模型，提高了挖掘结果质量与稳定性。

成果基于对地理现象与规律的“格局→作用→过程”的理解，将其抽象为地理空间模式（聚集、关联与演化模式），并针对地理空间模式挖掘的复杂空间关系、自相关与异质性、优化建模等关键科学问题开展研究，构建了面向地理现象理解的地理空间模式挖掘理论与方法。 1.发现了地理实体间空间关系描述的层次性与统计规律，建立了拓扑关系层次化描述模型和度量关系统计描述模型，突破了地理空间模式挖掘中复杂空间关系精细建模与模式认知的基础问题。 2.发现了空间自相关与空间异质性对地理空间模式表现形式影响作用的统计规律，建立了地理空间模式自适应挖掘模型与方法，突破了地理空间模式挖掘中地理要素自相关与异质性建模的关键难题。 3.发现了地理空间模式挖掘过程中模型有效性、模型性能与模型稳定性间的调和规则，结合博弈论与局部搜索策略，建立了地理空间模式挖掘自适应优化模型，提高了挖掘结果质量与稳定性。

本成果为获得省部（或学会）级三等以上奖励的重点纵向成果。

同腔原位复合沉积铱?氧化铝高温涂层设备与工艺，涉及化学气相沉积技术领域。设备包括反应腔体系统、四条管路系统、真空系统和尾气处理系统，系统之间通过管路密封连接。四种前驱体源置于源瓶中，源瓶与四条管路分别相连。通过四个气动阀调控前驱体源的通入，Ｎ２作为源的载气，真空泵系统为设备提供一定真空度，尾气处理处理系统对反应后产物进行处理后排放；通入Ａｌ（ＣＨ３）３、Ｈ２Ｏ源，ＡＬＤ沉积复合材料的Ａｌ２Ｏ３层，通入Ｉｒ金属化合物、Ｏ２源，ＡＬＤ沉积复合材料的Ｉｒ层，将Ｉｒ化合物源通入反应腔内高温分解，ＣＶＤ沉积Ｉｒ层。按照复合涂层工艺方案沉积，得到耐高温抗氧化、高粘附力、抗热震的Ｒｅ基Ｉｒ?Ａｌ２Ｏ３复合涂层材料。在航空航天、能源动力以及国防等领域具有广泛的应用。