本文提出一种融合ConvNeXt与Transformer的颈动脉超声图像分割算法。针对传统UNet模型在全局特征捕捉方面的不足，该方法采用ConvNeXt架构提取局部特征，结合Transformer模块建模长距离依赖关系，并引入注意力门控机制优化特征融合。实验结果表明，该模型在公开数据集上取得Dice系数0.9515、IoU 0.9077的优异性能，显著优于基线模型。消融实验验证了各模块的有效性。

本文提出了一种基于领域自适应神经网络（DANN）的无创血压估计方法，旨在解决传统血压监测技术存在的跨个体泛化性问题。通过对抗性训练机制，模型能够提取领域不变特征，有效缓解不同受试者间的生理信号差异。实验采用PulseDB数据库中3名受试者的PPG信号数据，结果显示舒张压预测效果较好（MAE=5.09mmHg），接近临床标准，但收缩压预测精度（MAE=7.97mmHg）仍需提升。研究表明，DANN方

本文提出了一种基于表面肌电信号(sEMG)的手势识别方法，针对动态姿态变化导致的识别性能下降问题展开研究。研究采用包含19名受试者在3种前臂姿态下执行12种手势动作的sEMG数据集，通过预处理、时域特征提取和相关系数筛选后，利用随机森林算法进行分类。实验结果表明：手势识别准确率达78%，优于姿态分类的63%；特征分析显示"通道5极差"是最重要特征，而姿态信息在信号中分布较分散。