小儿肌张力障碍

本存储库包含与我们的出版物相关的MATLAB代码，分析小儿肌张力障碍患者的深部脑部刺激(DBS)结果。请引用：Shah SA，Brown P，Gimeno H，Lin JP，Mcclelland VM。决策树在机器学习中对肌张力障碍儿童深部大脑苍白球内脏刺激的预后的应用。神经病学前沿11（2020）：825 DOI。要运行分析，请在命令行中键入Analysis_A。请注意，使用的数据是伪数据，因此生成的结果将与出版物中的结果不匹配。我们仍希望该代码有助于更好地了解我们的方法。可以向我们索取实际数据，在经过科学协议评估委员会批准并根据研究管理结构和患者同意书的要求，将脱识别的数据提供给感兴趣的研

数学建模中的回归分析，运用Matlab解决实际问题，是本课件的核心内容。

无障碍访问级别衡量数字内容和技术对不同残障人士的可访问程度。了解不同级别的含义对于创建包容性在线体验至关重要。

Matlab代码对小儿胸部X射线的方向识别具有重要影响。介绍了一种自动识别方法，可检测小儿胸部X线图像中的四个方向。该方法在PACS、CAD和图像配准系统中起关键作用，对其性能有显著影响。我们利用CXR像素强度模式的结构特征和统计数据，通过决策树机器学习分类器进行分析。使用三个不同的数据库进行评估，结果显示出高达99.4%的准确率，其中一个数据库上达到100%。详细信息请参阅PDF文档。

这份Matlab程序专注于处理表面肌电信号，涵盖带通滤波和50Hz陷波滤波技术，同时计算时域和频域下的关键指标包括iMEG、RMS、MF和MPF。

这是一段matlab程序，用于计算在雷达探测方向上有障碍物时对雷达视距的影响。

基于 Matlab 的肌电信号代码，用起来还挺顺的。main.m是主函数，其他都是调用的模块，结构清晰，运行基本没坑。只要用对了 Matlab 2019b，把文件都丢到当前路径，点下运行，结果就出来了。 肌肉激活度的低通滤波用得是比较基础的思路，但效果还不错。适合刚入门的朋友，理解滤波器怎么 EMG 信号。哦对了，没有那种复杂的 GUI 界面，一切都靠代码走流程，看起来干净利落。 运行的时候注意下控制台输出，有点参数要自己调下。不会的话，也可以私信原作者。文末还有几个蛮有参考价值的资源，像HICUT.m这种实现文件，你顺着点进去看看就懂了。 如果你刚好在搞EMG 信号或者需要一个可跑的低通滤波

研究了移动机器人在未知环境中的障碍检测问题，提出了一种利用Matlab和VC++混合编程的系统设计方案。该方案集成了MATLAB的数值计算和强大的图形图像处理功能，结合了VC++的可视化特性和高效执行速度，易于维护和升级。实验结果显示，该系统显著提升了障碍物检测系统的开发效率，缩短了软件开发周期。

欧姆龙 NJ 系列 PLC 的 12 轴 EtherCAT 伺服控制，真的是做多轴模切项目时的一把好手。它不仅控制逻辑清晰，而且张力算法也挺成熟的，跑起来稳定性高。你要是做类似的高速模切或印刷，拿来参考一下，还蛮值的。EtherCAT 的响应速度也快，实时性完全跟得上，调起来也不算复杂。 12 轴联动的EtherCAT 伺服控制，在这套模切程序里写得挺规范的。比如用MC_MoveAbsolute做定位动作，再结合张力控制逻辑，响应也快，误差也小。 张力控制部分用的增量式 PID，适合对纸带或薄膜有精度要求的场景。调试的时候建议你先从低速开始，看看张力反馈稳定不稳定。 整个程序结构上，主站是欧姆

这是一个Matlab编写的EMG手腕姿势分类系统，用于识别从Myo Armband获取的随机前臂EMG信号中的九种手腕手部动作。系统利用了八个时域特征的线性组合，经过线性判别分析（LDA）投影和多层感知器（MLP）分类。测试数据基于年龄在27±4岁的10名受试者的EMG记录，共计100次训练。系统使用了Myo Armband的八个主动传感器，并且在Matlab编程环境中开发和测试。详细引用请参考文献[1,2]。