为保证眼压(IOP)获取的实时性、准确性和易操作性，基于电感电容(LC)串联谐振原理，提出一种非侵入式的柔性LC眼压传感器，具有可穿戴性．传感器采用一种基于软光刻和热塑成型的微通道液态金属注入的制备方法，应变单元是由液态金属制成的电感线圈，极大提高了传感器灵敏度和佩戴舒适度．同时设计了一种专用于该眼压传感器的信号采集装置，包括扫频信号发生电路、幅值相位检测电路、单片机控制单元和读取线圈．通过读取线圈与眼压传感器的耦合，采用幅值相位检测电路得到耦合之后的等效阻抗实部最大值，从而得到传感器的谐振频率．实验测试结果表明：非侵入式眼压监测系统在眼压监测方面达到了467.3 Hz/Pa的灵敏度，且得到系统的眼压测量精度为±0.2 kPa，满足测量要求．

针对社区疫情防控的消杀作业路径优化问题，设计了一种基于模拟退火算法的启发式算法．首先，提出用于面型消杀任务的作业工艺，建立了问题的整数规划模型；然后，针对问题特点开发了基于模拟退火算法的启发式算法，使用一种可以根据问题规模改变解空间大小的解结构，设计了多种类型的解更新操作，利用Floyd算法计算优化目标值，通过Metropolis准则接受新解．多规模对比计算实验表明：所提出的模拟退火算法在小规模算例的平均求解结果与精确解相差在4%以内，在中规模算例的求解结果比CPLEX平均优化10%~40%，在大规模算例的求解结果比贪婪算法平均优化60%~80%，因此当求解此类问题时该算法能在合理的时间内取得较优的结果．

针对植入式装置的经皮无线能量传输中，体内接收小线圈品质因数低、自谐振频率高且难以与体外线圈匹配共振的问题，提出采用多子线圈串接构建空心体内能量接收线圈兼作植入电路的封装，并对子线圈中外径26 mm的印刷平面螺旋线圈(P-PSC)进行优化设计．在选定基材、基板厚度和线厚的基础上，采用部分元等效电路法仿真计算P-PSC的自谐振频率和品质因数，分析内半径、匝数及线宽线距比的影响，优选得到低剖面、高性能P-PSC的设计参数．测得双层P-PSC的自谐振频率和品质因数分别为10.37 MHz和82.3，结果表明：本研究的单、双层P-PSC性能综合评价指标均高于同类线圈，空心能量接收线圈尺寸为Φ26.00 mm×4.55 mm，自谐振频率低至6.78 MHz，品质因数可达67.1，在满足安全限制的条件下，距离发射线圈4 cm的接收功率为269 mW，能量传输效率(PTE)为24.2%．

针对临床诊断标准化任务中存在的标准诊断词库规模大、文本相关性不显著且标准词个数不确定的问题，提出一种基于对比学习和预训练模型的临床诊断标准化方法．先用无监督和有监督相结合的方法对基于简单对比学习的句子嵌入(SimCSE)模型进行训练，并利用得到的模型从标准库中召回候选标准词，再利用基于转换器的双向编码表征(BERT)进行候选词重排序和标准词个数分类，最终得到标准化结果．实验结果表明：基于无监督和有监督相结合的SimCSE方法的召回率为86.76%，显著优于其他方法；在重排序和标准词个数分类任务中，相比于其他模型，BERT在多个指标上有明显提升；该方法在测试集上进行标准词预测的F1值达到72.54%，在临床诊断标准化中具有较好的表现．

以多模态医学影像(多序列磁共振(MR)、计算机断层扫描(CT)和X光等模态)为研究对象，对近10 a的多模态医学影像配准相关研究工作进行归纳和分析．首先阐述面向临床应用的多模态医学配准的必要性，分析影像配准的一般流程；然后提出三种归纳角度对现有研究进行分析，重点总结多序列MR、CT和X光等模态之间的五种配准模式、五类常见配准的解剖结构及四类常用的多模态影像配准算法；接着分析七个用于多模态医学影像配准数据集和六个常用的配准评价指标；最后指出多模态医学影像配准算法面临的挑战和未来趋势．

针对起立意图难以预测及黑箱模型缺乏生物力学解释的问题，提出一种考虑动态平衡的起立意图预测方法．根据人体起立运动遵循的动态平衡规律，借鉴一种考虑起立运动速度的质心轨迹非线性处理手段，即外推质心，将质心轨迹直角坐标平面变换到动态平衡基准平面，降低特征数据对人体运动速度的依赖程度，提高起立意图判断准确性．分别使用支持向量机和神经网络对所提方法进行验证，并与传统数据处理手段进行对比．结果表明：模型预测的准确率均有提升，支持向量机的预测准确率由73.3%~74.1%提升到79.9%，起立时刻与预测时刻的时间偏差从96~101 ms降低到70 ms，神经网络的预测准确率从81.2%提升到86.2%，时间偏差从87 ms降低到59 ms．

针对运动想象脑电信号(EEG)识别中信号随时间的结构动态变化与网络分离整合过程被忽视等问题，提出一种基于多层时变功能脑网络的运动想象特征提取方法．本方法截取运动想象有效片段投入EEGLAB进行信号预处理；依据滑动窗口方法，设定合适长度与步长，将信号分成连续且部分重叠的时间窗口，将时间窗口截获的脑电数据生成多个脑网络，以节点间锁相值构建多层时变网络模型．首先通过多层时变网络不同层的网络拓扑分析与层间相似度量指标自适应确定其中核心网络层，提取其节点度和聚类系数用以描述网络空间功能连接；然后结合多层参与系数和多层聚类系数，描述脑电信号网络动态变化与分离整合特征，并组合两者成为多层时变脑功能网络特征向量，完成运动想象识别任务．用支持向量机识别的结果表明：基于所构建的网络特征向量分类准确率高达89.14%，高出对比所用的单层网络特征6.61%．

针对睡眠相关疾病的诊断和治疗过程中睡眠分期的问题，使用ADASYN算法对睡眠样本进行类平衡，有效利用复合多尺度排列熵、样本熵和不同频段的能量值等一系列能够反映不同睡眠阶段信息的特征进行训练．为了提高分类中易混淆睡眠阶段的分类识别性能，构建了一种双层分类模型，使睡眠分期的五分类问题转化为两个三分类问题．将所提出的方法在Sleep-EDF数据集上进行验证，结果表明：所提出的模型对健康受试者的准确率可达到88.3%，较以往模型提高1%~3%，其中N1阶段的分类准确率可达69.5%，较以往模型提高约10%，证明本双层分类模型优于传统的睡眠分类模型．

针对肝脏血管分割方法通常依赖高质量有标签数据训练模型及现存对比学习方法过度关注局部信息而忽略全局信息的问题，提出一种基于全局和局部对比学习的半监督肝脏血管分割方法．本方法首先以Mean Teacher模型作为框架，对编码器输出高维特征进行全局对比，捕捉特征全局一致性，获取更丰富全局上下文信息；然后对解码器输出进行局部对比，获取语义分割中的局部像素级特征；最后引入分布差异最小化方法，通过使用判别器进行对抗训练，减少有标签和无标签数据之间的分布差异，提升模型的泛化性能．实验结果表明：本方法在肝脏血管分割任务上取得了显著的效果，在3Dircadb数据集上的Dice系数、Jaccard系数、平均表面距离(ASD)和95%豪斯多夫距离(95HD)分别为74.36%，59.73%，2.65 mm和13.57 mm，优于其他半监督方法．

为探究多层脑功能网络和单层脑功能网络的联系与差异，收集34位健康个体在静息状态下的功能磁共振成像数据，分别构建单层网络和多层网络模型并进行社区检测，分析两种模型的模块划分差异、网络拓扑指标间的联系及脑节点的分类情况．研究结果表明：多层网络的模块数量和质量显著高于单层网络，两种模型的网络拓扑指标间存在显著相关性，多层网络将脑节点划分为21个provincial hubs，49个connector non-hubs和20个peripheral non-hubs．显示了多层网络在研究大脑动态性具有独特优势，揭示了大脑功能的模块化特征，为深入理解大脑动态性提供了重要的思路和方法．

针对普通卷积运算无法关注重点区域、编码器无法有效提取全局上下文信息、简单的跳跃连接无法捕获显著特征，以及易导致分割图像分辨率降低、重要细节丢失、小物体信息无法被准确捕获等问题，提出基于膨胀率注意力机制的UNet(DRA-UNet)模型，并发展了基于此模型的超声图像分割方法．在UNet模型的基础上，引入膨胀率注意门和多尺度卷积(ConvMulti)模块．膨胀率注意门模块利用空洞卷积能得到更大的感受野，将编码器语义位置的局部区域像素联合到上采样区域，可以实现更加高效的跳跃连接．ConvMulti模块用来获取更加详细的高层特征信息，使编码器功能更强大．实验结果表明：本模型可以有效抑制图像噪声，大幅提高特征的表达能力，具有很强的鲁棒性，相比六种经典分割方法，所提出方法在交并比、F1分数和精度指标下分别达到72.25%，83.89%和97.47%．

针对糖尿病视网膜眼底病变多类分割难及小病灶识别率低的问题，提出一种融合注意力机制与改进型DeepLabV3+的糖尿病视网膜眼底病变多类病症分割方法．该方法首先通过使用MobileNetV2网络提取病灶特征，减少参数量并提高算法训练速度；接着通过优化空洞空间卷积金字塔池化中的空洞卷积层数与空洞率，以提高捕获小病灶特征的能力；然后基于DeepLabV3+网络模型进行改进，借助坐标注意力机制感知病灶方向和位置信息，从而提高识别精度；最后采用FGADR和IDRiD数据集分别训练和测试所提出的模型．实验结果表明：所提出方法的平均交并比(MIoU)指标为73.75%，具有较高的分割精度，验证了模型有效性．

对近年来基于深度学习的单图像三维人体重建的研究现状和发展趋势进行了总结．首先，从模型表示和计算方法两个方面梳理了当前主要的单图像三维人体重建算法．在模型表示上详细介绍了四种常见表示方式及它们之间的相互转化关系，包括深度图像与点云表示、参数化人体模型表示、体素及语义体素表示及隐式曲面函数表示．在计算方法上深入描述了基于上述四种表示方式所提出的算法，并分析了其优缺点；接着，介绍了单图像三维人体重建常用的公共数据集和客观评价指标；然后，在公共数据集上从客观指标和可视化两个角度对当前先进方法进行了评价和对比；最后，在实验结果的基础上总结了当前方法存在的问题和挑战，并展望了单图像三维人体重建未来潜在的研究方向．

为解决冗余机械臂逆运动学求解困难的问题，提出一种基于关节角参数的逆运动学求解和优化方法．首先推导了正向运动学，并基于关节角参数化法得出了解析逆运动学；然后提出综合考虑避关节极限约束与运动连续性约束的目标函数，该目标函数充分考虑了不同工作状态的差异性；最后引入带惯性权重的粒子群算法加快求解速度．实验结果表明：逆运动学求解平均时长为1.19 μs，误差在10 nm以内，能够求出给定参数值的所有解，结合避关节极限和运动连续性的优化目标能够求出最优解，在直线与圆弧两种路径跟踪实验中比传统方法分别提高了68.4%和58.0%的优化效果．

针对通用型移液平台任务低延迟约束和及时调度的问题，首先参考计算机操作系统作业调度的相关研究，提出基于任务延迟时间的动态优先级的任务调度算法；然后通过数据实验对比采用五种动态优先级函数的调度算法，并与固定优先级调度算法对比；最后基于随机项目集比较不同动态优先级函数运行时的平均相对任务延迟结果．研究结果表明：采用Leaky ReLU函数作为动态优先级函数的调度算法性能最优，其服务能力比采用固定优先级时高14.47%．

针对传统的单点压力传感器获取的接触力无法完备反映机器人的抓取接触状态，难以实现准确的机器人抓取状态判别的问题，基于触觉阵列传感器的多点感知特性，提出一种高效高准确率的机器人稳定抓取判别方法．首先，采集机器人抓取属性各异物体时的接触分布力信息，建立分布力与触觉图像的映射，构建机器人抓取触觉图像数据集；基于多层感知机框架建立机器人抓取状态判别模型，实现机器人抓取状态的分类．然后，通过训练并对多层感知机在不同模型层数与节点数下的模型性能进行优选，得到抓取状态判别模型的最优参数，进而与多种基于学习的抓取判别算法进行对比．结果表明：所提出的抓取状态判别方法具有99.74%的判别准确率，平均耗时为2.3 ms，在判别精度和速度上均优于基线算法；通过实物抓取实验，该方法的判别准确率达到94%，充分证明其对数据集外物体的稳定抓取判别具有较强的鲁棒性．

针对精细抓取模式下刚软耦合仿人手柔顺接触的特点，为使其具备类人手的抓取作用力施加能力，首先建立仿人手的抓取力平衡方程和约束优化函数，进而提出基于外罚函数的手指最小作用力优化方法．仿人手可通过施加合适的力实现对不同物体的稳定抓取，有效避免手指在抓取过程中使物体产生大变形或抓取失败．实验结果表明：每个手指作用力的测量平均值与理论计算值的绝对误差基本处于0~0.14 N范围，相对误差为0~18.57%范围，所提方法满足了刚软耦合仿人手在精细抓取模式下稳定可靠地抓取不同物体的需求．

针对空间机器人双臂捕获卫星过程中的关节易受冲击力矩而破坏的问题，提出一种基于强化学习的柔性控制方法．首先，针对捕获前双臂空间机器人及卫星系统，分别利用拉格朗日方法及牛顿-欧拉法推导得其动力学模型；然后结合冲量定理、位置约束关系及牛顿第三定律，建立捕获后空间机器人与卫星形成混合体系统的动力学模型．针对失稳的混合体系统，提出一种缓冲柔顺强化学习控制方案，该方案通过系统与环境的动态交互来实时优化控制策略以实现镇定过程的最优控制．仿真结果表明：所提控制方案最大可减少54.2%的冲击力矩，并在镇定阶段确保关节冲击力矩限制在安全范围内，从而保护关节免受冲击力矩的破坏．

针对传统遗传算法在解决采样点模型下的路径规划问题中存在种群进化速度慢、最终得到的最优路径偏长的问题，提出一种改进遗传算法．为提高初始种群的质量，提出自适应调整步长来限制子节点的选择范围，在这个范围内随机选取两条父代路径，在对应两节点之间形成一个矩形的子代节点搜索范围，每个范围中选取一点并依次连接得到交叉后的子代个体，避免了采样点模型下交叉点不足导致交叉无效的问题；为解决变异效果不可控的问题，以变异父节点的前后两点连线为引导，越靠近该连线的节点被选为变异子节点的概率越大，使得在变异点的选择更具有方向性．对比实验结果表明：所提出的改进遗传算法当处理基于采样点路径规划问题时可以有效提高寻路效率，最优路径收敛速度比传统遗传算法提高约60%，最优路径长度最多减少了2.42 m，比其他文献算法的最优路径收敛速度最多提高56%．