目的探究踝关节跖背屈疲劳任务中高精度经颅直流电刺激(high-definition transcranial direct current stimulation,HD-tDCS)对H-反射和M-波的调控效果,为HD-tDCS减轻神经肌肉疲劳的实际应用提供方向。方法招募20名健康青年男性受试者,...目的探究踝关节跖背屈疲劳任务中高精度经颅直流电刺激(high-definition transcranial direct current stimulation,HD-tDCS)对H-反射和M-波的调控效果,为HD-tDCS减轻神经肌肉疲劳的实际应用提供方向。方法招募20名健康青年男性受试者,随机分为真刺激组和假刺激组各10名。对受试者采取连续5 d的单盲HD-tDCS干预(时间20 min;强度2 mA;靶点Cz),干预前1天采集受试者安静条件下的H-反射和M-波,跖屈肌最大自主收缩(maximal voluntary isometric contraction,MVIC)时的M-波,跖屈肌和背屈肌MVIC力矩,并进行一次踝关节跖背屈运动性疲劳任务,以确定受试者达到该任务疲劳的时间。干预后1天进行与第1次疲劳任务相同的运动时间,并进行后测的数据采集。采用重复测量双因素(刺激方案×疲劳前后)方差分析其自变量对受试者肌肉力学特性、α运动神经元传导特性各指标的影响。结果相较于疲劳前,两组疲劳后的自主激活值(voluntary activation,VA)、H-反射最大值(maximal H-reflex,H_(max))、M-波最大值(maximal M-wave,Mmax)、跖屈肌和背屈肌MVIC力矩均显著降低(P<0.05),但相比于真刺激组,假刺激组的VA和背屈肌MVIC力矩下降更为显著(P<0.05)。结论连续5 d的HD-tDCS干预有助于提高脊髓节段α运动神经元的活性,且能抑制跖背屈疲劳诱发的外周“神经-肌肉”接头处信息传递能力的下降。展开更多
针对夜间场景光线微弱、能见度低导致夜视图像信噪比低、成像质量差的问题,提出了基于深度学习的双通道夜视图像复原方法。首先,用两种基于全连接多尺度残差学习分块(FMRB)的卷积神经网络(CNN)分别对红外夜视图像和微光夜视图像进行多...针对夜间场景光线微弱、能见度低导致夜视图像信噪比低、成像质量差的问题,提出了基于深度学习的双通道夜视图像复原方法。首先,用两种基于全连接多尺度残差学习分块(FMRB)的卷积神经网络(CNN)分别对红外夜视图像和微光夜视图像进行多尺度特征提取和层次特征融合,从而得到重建的红外图像和增强的微光图像;然后,两种处理后的图像通过自适应加权平均算法进行融合,并根据场景的不同自适应地凸显两个图像中具有更高显著性的有效信息;最后,得到分辨率高且视觉效果好的夜视复原图像。使用基于FMRB的深度学习网络得到的红外夜视重建图像,相较于卷积神经网络超分辨率(SRCNN)重建算法得到的在峰值信噪比(PSNR)和结构相似性(SSIM)的平均值上分别提升了3.56 d B和0.091 2;相较于MSRCR,得到的微光夜视增强图像在PSNR和SSIM的平均值上分别提升了6.82 d B和0.132 1。实验结果表明,所提方法得到的重建图像的清晰度明显得到改善,获得的增强图像的亮度也明显得到提升,而且前二者的融合图像的视觉效果较好,可见所提方法能有效改善夜视图像的复原效果。展开更多
文摘针对夜间场景光线微弱、能见度低导致夜视图像信噪比低、成像质量差的问题,提出了基于深度学习的双通道夜视图像复原方法。首先,用两种基于全连接多尺度残差学习分块(FMRB)的卷积神经网络(CNN)分别对红外夜视图像和微光夜视图像进行多尺度特征提取和层次特征融合,从而得到重建的红外图像和增强的微光图像;然后,两种处理后的图像通过自适应加权平均算法进行融合,并根据场景的不同自适应地凸显两个图像中具有更高显著性的有效信息;最后,得到分辨率高且视觉效果好的夜视复原图像。使用基于FMRB的深度学习网络得到的红外夜视重建图像,相较于卷积神经网络超分辨率(SRCNN)重建算法得到的在峰值信噪比(PSNR)和结构相似性(SSIM)的平均值上分别提升了3.56 d B和0.091 2;相较于MSRCR,得到的微光夜视增强图像在PSNR和SSIM的平均值上分别提升了6.82 d B和0.132 1。实验结果表明,所提方法得到的重建图像的清晰度明显得到改善,获得的增强图像的亮度也明显得到提升,而且前二者的融合图像的视觉效果较好,可见所提方法能有效改善夜视图像的复原效果。
