面向人机协同计算的高信度生物信息感知网络关键技术

The development of human-computer collaborative computing technology and network sensing computing technology provide protentiality for the enhancement of human health awareness and physiological information network measurement.This project researches the key technology of human computer collaborative computing oriented high reputation bio-information sensing networks. To achieve real-time wearable measurements of biological information under complex environment,a high reputation wearable sensing method with sparse and high reputation measurements mechanism will be developed; The reconstruction and data fusion schemes of interactive heterogeneous biological sensing information will be reseached, and the mental health status analysis methods will be proposed based on EEG and other physiological information; The multi-model human-computer interface and heterogeneous biological information based collaborative computing algorithms will be designed, based on which, the relational models of physiological information and medical image will be extracted;To build the high reputation biological information sensing systems for human-computer collaborative computing, the heterogeneous wireless sensing network models will developed;To achieve biological information sensing under complex environments, reputation system based network feature extraction and dynamic link selection models will be designed. The research of the project makes promising contributions to both theoretical and practical aspects of human-computer collaborative computing, and health monitoring.

人机协同计算、网络化感知测量计算技术的发展，为人类健康意识的提升和生理信息的网络化协同测量计算的需求提供了可能。本项目研究面向人机协同计算的高信度生物信息感知网络关键技术。针对复杂环境下生物信息的实时测量感知，提出高信度可穿戴生物信息测量感知方法；面向人体健康生理信息测量，研究高信度稀疏测量机理；开展生物信息的交互式高信度异构测量数据的重构与融合计算研究，提出以脑电及相关生理信息融合计算的精神健康状态解析方法；采用多模人机接口及异构生物信息的协同计算方法，提取生理信息与医学影像信息等异构数据之间的关联模型；为实现面向人机协同计算的高信度生物信息感知网络系统，研究异构高信度无线测量网络模型方法；研究基于信誉系统的网络特征提取、动态链路选择模型，进行复杂环境的生物信息感知。本项目对于人机协同计算与人体健康监测具有重要理论和实际应用价值。

人机协同计算、网络化感知测量计算技术的发展，为人类健康意识的提升和生理信息的网络化协同测量计算的需求提供了可能。本项目研究面向人机协同计算的高信度生物信息感知网络关键技术。针对复杂环境下生物信息的实时测量感知，提出了交互式互信息模型，可以融合多模生理信号、优化特征层和决策层融合的分类，多模信号融合分类器精度可提高9%；面向人体健康生理信息测量，研究高信度稀疏测量机理，采用协同感知网络计算的方式，以稀疏简化的测量架构提高了情绪识别准确率，为构建生物信息传感网络日常情绪监测识别系统、实现情绪识别脑电测量稀疏化提供了理论依据；开展生物信息的交互式高信度异构测量数据的重构与融合计算研究，提出以脑电及相关生理信息融合计算的精神健康状态解析方法，基于人机协同计算的模式，提出了解析共空间模式，为癫痫、渐冻人症、中风、重症肌无力等神经疾病患者的运动想象提供分类基础，可有效提升患者生活质量；采用多模人机接口及异构生物信息的协同计算方法，提取生理信息与医学影像信息等异构数据之间的关联模型，面向医学图像分割与肿瘤识别，提出了自适应外部能量权重函数，提高了肺组织分割的精度和稳定性(0.98±0.01)，对26个数据样本做肺肿瘤识别，识别精度可达91%，假阳率(False Positive Rate)为1.7个，无论是识别精度，还是误识别率都优于目前的比对方法；为实现面向人机协同计算的高信度生物信息感知网络系统，研究异构高信度无线测量网络模型方法，提出了脑电数据L1压缩重构优化架构与方法，基于信誉计算、栈式自编码器优化特征选取，实现压缩重构信号可靠分类（准确率比同类研究提高7%，运算量降低28%）；研究基于信誉系统的网络特征提取、动态链路选择模型，进行复杂环境的生物信息感知，缩短了30%数据采集时间、实时性增强，且该系统适应网络环境。综上所述，本项目对于人机协同计算与人体健康监测具有重要理论和实际应用价值。