在线表面肌电信号分解的两源验证研究 学术背景 表面肌电信号（Surface Electromyogram, SEMG）是肌肉活动的重要表征，广泛应用于运动康复、机器人控制和人机交互等领域。然而，SEMG信号由于其低信噪比、高相似性和严重叠加的波形特征，分解难度较大。近年来，随着电子和传感技术的发展，高密度表面肌电信号（High-Density SEMG, HD SEMG）的采集成为可能，盲源分离技术（Blind Source Separation, BSS）如卷积核补偿（Convolution Kernel Compensation, CKC）和渐进式快速独立成分分析剥离（Progressive FastICA Peel-Off, PFP）等方法在SEMG分解中取得了显著进展。然而，现有的在...

模仿学习在心脏经皮介入手术路径规划中的应用 学术背景 心脏瓣膜疾病，尤其是二尖瓣反流（mitral regurgitation, MR），是全球范围内第三大常见的心脏瓣膜疾病，尤其在老年人群中发病率较高。二尖瓣反流的特征是二尖瓣在收缩期无法完全闭合，导致血液从左心室倒流回左心房，如果不及时治疗，可能导致心力衰竭等严重并发症。传统的开胸手术虽然有效，但对患者的创伤较大，恢复时间较长。近年来，微创经皮介入手术（如经导管二尖瓣修复术，TEER）因其创伤小、恢复快等优势，逐渐成为替代传统手术的选择。然而，这类手术对操作者的手眼协调能力要求极高，学习曲线陡峭，且手术通常只能在配备专业设备的中心进行，限制了其普及。 为了应对这些挑战，研究者们开始探索如何通过自动化技术来优化这些手术，特别是如何为机器人操...

学术背景 在现代工作环境中，尤其是涉及重复性搬运和弯腰的行业，腰部损伤是一种常见且代价高昂的职业健康问题。根据统计，腰部损伤占美国所有职业性肌肉骨骼损伤的35%。尽管通过人体工程学控制（如减少某些物料搬运任务）可以降低风险，但在许多情况下，完全消除风险暴露并不可行。因此，开发能够辅助工人减轻腰部负担的技术显得尤为重要。 外骨骼（Exoskeletons）和外骨骼服（Exosuits）是近年来兴起的一种可穿戴技术，能够通过提供辅助力来减少腰部损伤的风险。准被动外骨骼（Quasi-passive exos）结合了被动外骨骼的轻便性与主动外骨骼的灵活性，能够在需要时提供辅助力，而在不需要时保持不干扰用户的状态。然而，现有的准被动外骨骼离合器在设计上存在一些局限性，特别是传感和控制能力不足，限制了其...

加速多电极阵列模拟的稀疏与低秩矩阵技术 学术背景 多电极阵列（multi-electrode arrays, MEAs）在神经刺激领域具有重要应用，尤其是在视网膜假体（retinal prostheses）等神经假体中。这些设备通过电刺激神经元来恢复视力或治疗神经退行性疾病。然而，模拟这些设备的电场分布和电流动态行为具有极高的计算复杂性。传统的模拟方法需要处理数百万个相互连接的电阻（resistor mesh），导致计算时间和内存需求急剧增加，尤其是当电极数量增多、像素尺寸减小时，模拟变得几乎不可行。 为了解决这一问题，本文提出了一种基于稀疏矩阵（sparse matrix）和低秩补偿（low-rank compensation）的加速模拟方法，旨在显著减少计算复杂度，同时保持高精度。该研究...

基于选择性听觉注意解码的脑机接口无监督准确性估计研究 学术背景 在复杂的听觉环境中，人类能够选择性地关注某一个声音源，而忽略其他干扰声音，这一现象被称为“鸡尾酒会效应”（cocktail party effect）。选择性听觉注意解码（Selective Auditory Attention Decoding, AAD）技术通过分析脑电图（Electroencephalography, EEG）等脑信号，解码出用户正在关注的声音源。这一技术在神经导向助听器（neuro-steered hearing aids）和脑机接口（Brain-Computer Interface, BCI）等领域具有重要应用。然而，当前的AAD算法通常依赖于监督学习，即需要用户明确告知其关注的声音源，以提供“地面真值...