為了提高基于運動想象（MI）的腦控智能小車的控制性能，本文提出一種基于腦電（EEG）信號神經反饋（NF）控制智能小車的方法。采用 MI 心理策略，通過實時呈現該心理活動相關 EEG 信號特征的能量柱形圖給受試者，訓練受試者快速掌握 MI 技能并調節其 EEG 信號的活動，并以 MI 多特征融合和多分類器決策相結合的方法，從而在線腦控智能小車。訓練組（試驗前接受設計的反饋系統訓練）取得平均、最高和最低的識別指令準確率分別為 85.71%、90.47% 和 76.19%，對照組（不接受訓練）對應的準確率分別為 73.32%、80.95% 和 66.67%；訓練組平均、最長和最短用時分別為 92 s、101 s 和 85 s，對照組對應的用時分別為 115.7 s、120 s 和 110 s。通過以上試驗研究結果，期望本文可為后續基于 MI 的 EEG 信號 NF 控制智能機器人的開發提供新的思路。
腦控是一種新的控制方法。傳統腦控機器人主要是控制單個機器人完成特定任務，而腦控多機器人協作（MRC）任務是一個有待研究的新課題。本文介紹了參加世界機器人大賽“腦—機接口（BCI）腦控機器人比賽”獲得“創新創意獎”的一個試驗研究，試驗設置了 2 個腦開關，采用基于穩態視覺誘發電位（SSVEP）的 BCI（SSVEP-BCI）控制人形機器人和機械臂完成協作任務。通過 10 名受試者的控制試驗結果表明，通過適當設置腦開關，采用性能優良的 SSVEP-BCI 能夠實現 MRC 任務的有效完成。本研究可望為未來實用化的腦控 MRC 任務系統的研究提供啟發。
基于功能性近紅外光譜（fNIRS）的腦機接口（BCI）是一種新型的人機交互手段。為探究單個肢體不同運動想象動作 fNIRS 信號的可分性，研究采集了 15 名受試者（業余足球愛好者）在想象右腳三種動作（傳球、停球和射門）期間的 fNIRS 信號，提取了不同想象動作期間 HbO 信號的相關系數作為特征，構造了基于支持向量機的三分類模型。試驗結果發現：右腳三種想象動作的分類準確率為 78.89%±6.161%；兩類運動想象動作的分類，即傳球與停球、傳球與射門和停球與射門的分類準確率分別為 85.17%±4.768%、82.33%±6.011%、89.33%±6.713%。研究結果表明單個肢體不同運動想象的 fNIRS 具有可分性，這可望為 fNIRS-BCI 增加新的控制命令，也可為單側中風患者康復訓練和控制外設提供一種新的選擇。此外，研究也表明相關系數可以作為分類不同想象動作的一種有效特征。
醫療信息集成交換是解決醫療信息互操作性與信息孤島的有效方法,是醫療信息共享的基礎。本文以醫療文本與醫學影像信息為集成對象,以DICOM和HL7消息、數據集為集成交換單元,以高效的DICOM、HL7消息構建與解析方法為基礎,設計并實現了一種通用的醫療信息集成交換服務中間件。實驗表明,原型系統能夠實現數據庫、DICOM、HL7消息之間的集成與交換,為解決醫療信息孤島提供了可行方案,為建立統一的醫療信息集成與共享平臺打下了良好的基礎,并在云南省社會發展科技計劃項目"開放式醫療信息集成系統開發與示范"中得到了應用。
多模式腦—機接口和多模式腦功能成像是目前和未來的發展趨勢。本研究針對基于腦電-近紅外光譜（EEG-NIRS）的多模態腦—機接口，為同時采集運動區的腦活動，設計了一種 EEG 和 NIRS 聯合采集的頭盔并進行實驗驗證。根據 10-20 系統或 10-20 擴展系統、NIRS 探頭和 EEG 電極直徑和間距，以 C3 或 C4 為基準電極對近紅外探頭進行對準，把 EEG 電極置于 NIRS 電極之間，同時測量同一功能腦區 NIRS 變化和與之對應的 EEG 變化；采用螺紋旋緊的方式耦合近紅外探頭夾持器和近紅外探頭。為驗證該多模態 EEG-NIRS 聯合采集頭盔的可行性和有效性，在涉及右手握力和握速運動想象共 6 個任務期間，采集了 6 個健康被試運動區的 NIRS 和 EEG 信號。這些信號在一定程度上可能反映了握力和握速運動想象相關的腦活動。實驗表明本文設計的 EEG 和 NIRS 聯合采集頭盔可行并有效，不僅能夠為基于 EEG-NIRS 的多模態運動想象腦—機接口提供支持，也可望為 EEG-NIRS 多模態腦功能成像研究提供支持。