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

《山区拱桥建设与维护新技术研发及应用》课题于2003年启动，由周建庭牵头，重庆交通大学、交通运输部公路科学研究院、中交第一公路勘察设计研究院有限公司、重庆交通建设（集团）有限责任公司、后勤工程学院等校企多位专家历时6年时间共同完成。课题系统构建了特大跨径石拱桥的设计理论、施工技术及监测与控制方法，为世界最大跨径石拱桥（丹河大桥）的建成提供了重要的技术支撑。针对山区在用桥梁中数量上占有70%以上的石拱桥，课题组研发出了石拱桥安全性评估与加固新技术，和利用构造措施、减震装置实现拱桥被动或半主动减震控制的方法。因为取得以上突破，该课题获得了2011年度国家科技进步二等奖。

辽宁城市建设职业技术学院系经辽宁省政府批准、国家教育部备案的公办全日制普通高等专科院校。学院地处沈北新区虎石台开发区，占地面积18.5万平方米，建筑面积9.0万平方米，现有教职工340余名，其中教授、教授级高级工程师29人，副教授、高级工程师63人，讲师、工程师163人，全日制在校生规模5000人，共开设市政工程技术、建筑工程技术等22个专业(含专业方向)。 学院坚持“内涵发展，特色鲜明，保障有力，精品学院”的办学理念，依托辽宁省建设厅的大力支持和自身的品牌优势，不断拓展和深化由校企双方共同承担人才培养任务的办学模式。辽宁省住建厅主管副厅长亲自担任学院校企合作委员会主任，厅业务处室领导参与校企合作委员会工作，学院先后与亚泰集团、辽宁建工集团、华润置地有限公司、中铁九局集团有限公司、北京盛世物业管理有限公司等多家知名企业建立了尊重、信任、平等、互助的“伙伴式”校企合作关系，在省内外建立百余个紧密型教学实习基地，聘请百余位省内外知名专家担任客座教授。行业指导和校企双向参与为成功实现人才培养与就业岗位的无缝对接奠定坚实基础。 凭借优质的教育教学资源，学院坚持产教研结合，积极为服务区域经济、服务行业企业提供人才和智力支持。学院牵头成立的“辽宁建设职业教育集团”，以建设行业为依托，以专业建设和人才培养为纽带，以特色发展为主线，以聚集优质教育教学资源，形成协同育人长效机制为主要目的，不断强化集团成员在科技研发、社会服务和行业文化传承创新方面的协同作用，切实实现集团化办学，增强我省建设类职业教育为辽宁老工业基地振兴及建设富庶文明幸福新辽宁服务的能力;学院培训处负责全省建设行业岗位培训、技能鉴定、特种作业人员培训等工作;所属辽宁省房地产研究中心开展房地产市场分析研究，指导专业建设，为省委省政府和省住建设厅决策服务;所属建筑工程质量检测中心拥有建材、智能建筑、室内环境、建筑结构4个实验室，均已通过国家计量认证，面向社会开展建筑工程质量检测业务，特别是国家一级实验室——建材实验室，每年承担百余万平方米的建筑工程质量检测任务。 学院管理规范，重视学生专业技能和职业素质的双重培养，按“四个对接”要求，积极开展“双证教育”。毕业生初次就业率达90%以上，企业满意率达95%以上。强化学生发展意识，将养成教育、心理健康教育、感恩教育等融入日常学习和校园文化生活中，积极实施榜样引领计划和大学生素质拓展计划，增强学生的诚信品质、敬业精神和责任意识。为进一步凝聚学生、丰富校园文化、培育和传承大学精神，学院重视学生社团建设和发展工作，现有学生社团46个，60%以上的学生加入其中，为大学生自我管理、自我展示、自我实现搭建了广阔的平台。 学院立足沈阳，面向辽宁，辐射全国，努力培养适应城市建设和区域经济发展需要，懂技术、会管理、能操作的建设行业急需技术技能人才，为振兴东北老工业基地、建设美丽中国做出积极贡献。

湖北城市建设职业技术学院是经湖北省人民政府批准成立的，湖北省唯一一所建筑类全日制（公办）普通高等学校，隶属于湖北省住房和城乡建设厅，是湖北省示范性高职院校、湖北建设职业教育集团理事长单位、湖北建筑工程职教品牌院校。学院地处武汉“中国光谷”核心地带，坐落在风景秀丽的国家湿地公园汤逊湖畔，校园环境幽美。学院占地面积60.84万平方米，总建筑面积32.47万平方米，在校生12000余人。 学院教学设施完备，各项公共服务设施齐全。拥有1个国家建筑技术实训基地，2个中央财政支持的职业教育实训基地，4个省级职业教育实训基地，99个校内实验实训室和172个稳定的校外实训基地。建有高标准的田径运动场和篮球、排球、乒乓球、羽毛球、网球等场馆。图书馆馆藏图书46.58万册。学院专业特色鲜明。设有建工系、环艺系、经管系、信息系、物流系等10个教学部门，开设有38个高职专业，其中省级示范专业3个，央财支持专业2个，省级重点专业6个，湖北建筑工程职教品牌专业群5个，省级品牌特色专业2个，有国家精品课程2门，国家精品资源共享课2门，省部级精品课程9门。 学院师资力量雄厚。现有专兼职教师632人，其中，专任教师355人，专任教师中，正高职称15人，副高职称148人，湖北省级名师1人，楚天技能名师14人；有277名企业能工巧匠长期在学院教学。有40余人在国家级、省级教育学会、专业委员会担任副会长、主任委员、理事等职务。建筑工程技术和建筑装饰工程技术两个专业教学团队为省级教学团队。 学院人才培养质量高。先后与中建三局、武建集团、山河集团等34家单位组建校企合作董事会；牵头成立了有60余家院校、企业组成的湖北建设职业教育集团。与200多家大中型企业建立了良好的合作伙伴关系，并实施“订单”培养，开办有“中建装饰”、“天衡”、“九州通”、“京东”、“苏宁”等10多个订单班，积极开展现代学徒制试点。加强国际交流合作，长期与荷兰格罗宁根汉斯大学合作开办“国际工程管理”班，与加拿大菲沙河谷大学、加拿大木业协会定期开展交流活动。 学院面向全国招生，新生报到率一直名列全省高职院校前茅。学院广泛拓宽就业渠道，不断提升就业质量，毕业生职业资格证持证率和毕业生就业率均稳定在96%以上。 学院是国家建设行业技能型紧缺人才培养培训基地、国家建筑技术实训基地、中国物流学会产学研基地；是教育部土建施工类专业分指导委员会副主任委员单位、湖北省产学研合作促进会等10余个协会副会长单位。学院先后获得全国青年文明号、全国建设系统先进单位、全国巾帼文明岗、全省就业工作先进单位等数十个省级以上荣誉称号。

本项目针对南京市红山路-和燕路快速化改造项目的晓庄广场互 通所在场地周边环境条件复杂，工序转换频繁，施工技术难度大、风 险高的特点，结合国内外基坑工程、桥梁工程、隧道工程施的经验和 教训，解决晓庄广场互通施工中的关键问题。包含四个子课题:：复杂立体交通节点施工风险管理研究；立交互 通桩基础施工对既有隧道影响研究；超大跨度立交桥跨越既有隧道架 设技术研究；立交互通施工与地铁施工相互影响及施工时序研究。