轻度认知障碍患者的脑电信号实验研究及其分析处理
[Abstract]:Brain-Computer Interface (BCI) is a technology that uses brain activity directly to communicate with external devices without the participation of peripheral tissues. One of the most important methods to realize the BCI is that the (EEG), EEG is a weak physiological signal related to the brain activity, and the EEG signal will change accordingly when the brain changes. Different regions of the brain damage will show a certain degree of cognitive and motor dysfunction, this paper around cognitive and motor dysfunction EEG signal detection and analysis, carried out the following research work: 1. This paper designed an experimental scheme for (MCI) cognitive and motor function test in patients with mild cognitive impairment. The experiment scheme covers many kinds of stimulation tasks, and the stimulation content, stimulation mode and operation difficulty are more suitable for the subjects, and the experiment program is developed by using the computerized visual programming language platform E-Prime. 2. A 64-lead EEG system was set up for the experimental detection and analysis of EEG in patients with mild cognitive impairment (MCI). The signal acquisition experiments were carried out on 15 patients with MCI and 15 healthy controls. In the experiment, each of the subjects completed 5 cognitive tasks and 3 types of exercise tasks, each lasting about 2.3 hours. The interference source analysis, denoising and filtering are carried out, and the EEG data are analyzed in time-frequency domain. The EEG topographic map is used to visualize the relationship between the energy and the position of the EEG signal. Thus, the relationship between EEG and stimulation task, brain function area of different subjects was obtained. 4. 4. The results show that the brain processing information will be accompanied by an increase in the intensity of EEG, the main area of information processing is the frontal lobe, at the same time, with the increase of the difficulty of the stimulation task, the intensity of EEG will be enhanced in varying degrees. It was also found that the intensity of EEG in the MCI group was stronger than that in the healthy control group, indicating that the MCI patients needed to consume more EEG energy and participate in the same stimulation task. To sum up, two stimuli were used to study the EEG of MCI patients from two dimensions, two of which were visual and auditory stimuli, and two dimensions were the stimulation task and the location of brain area. In order to provide theoretical support for the system of cognitive level detection and training in MCI patients, the stimulation mode, the stimulation task and the location of the electrode in the brain region were explored to be more suitable for the patients with MCI.
【学位授予单位】:中国地质大学(北京)
【学位级别】:硕士
【学位授予年份】:2017
【分类号】:R749.1;TN911.7
【相似文献】
相关期刊论文 前10条
1 黄力宇,王旭萍;急性轻中度缺氧对脑电信号复杂度的影响[J];高原医学杂志;2000年04期
2 薛蕴全,王秋英,王宏;脑电信号的动态时空响应拓扑图[J];仪器仪表学报;2001年S1期
3 马颖颖;张泾周;吴疆;;脑电信号处理方法[J];北京生物医学工程;2007年01期
4 谢松云;张振中;杨金孝;张坤;;脑电信号的若干处理方法研究与评价[J];计算机仿真;2007年02期
5 鲁强;刘玉军;徐建兰;张进禄;;一种适用于清醒动物脑电信号采集的固定装置[J];首都医科大学学报;2011年06期
6 董盟盟;仲轶;徐洁;戴体俊;刘功俭;;基于小波分析的脑电信号处理[J];电子设计工程;2012年24期
7 戴银涛,吴祈耀;快速提取脑电信号的谱分量参数[J];北京生物医学工程;1989年01期
8 孟欣,欧阳楷;脑电信号的几个非线性动力学分析方法[J];北京生物医学工程;1997年03期
9 程明,高上凯,张琳;基于脑电信号的脑—计算机接口[J];北京生物医学工程;2000年02期
10 罗建,崔亮,卫娜,张治钢;脑电信号采集与处理系统的研制[J];医疗卫生装备;2000年06期
相关会议论文 前10条
1 薛蕴全;王秋英;王宏;;脑电信号的动态时空响应拓扑图[A];中国仪器仪表学会第三届青年学术会议论文集(上)[C];2001年
2 王裕清;粱平;郭付清;张登攀;;脑电信号诊断专家系统的研究[A];中国生理学会第21届全国代表大会暨学术会议论文摘要汇编[C];2002年
3 朱林剑;包海涛;孙守林;梁丰;;新型脑电信号采集方法与应用研究[A];大连理工大学生物医学工程学术论文集(第2卷)[C];2005年
4 许涛;朱林剑;包海涛;;基于思维脑电信号的假手的研究[A];提高全民科学素质、建设创新型国家——2006中国科协年会论文集(下册)[C];2006年
5 李爱新;孙铁;郭炎峰;;基于人工神经网络的脑电信号模式分类[A];自动化技术与冶金流程节能减排——全国冶金自动化信息网2008年会论文集[C];2008年
6 童珊;黄华;陈槐卿;;混沌理论在脑电信号分析中的应用[A];中国生物医学工程学会第六次会员代表大会暨学术会议论文摘要汇编[C];2004年
7 李凌;曾庆宁;尧德中;;利用两级抗交叉串扰自适应滤波器提取诱发脑电信号[A];中国生物医学工程学会第六次会员代表大会暨学术会议论文摘要汇编[C];2004年
8 葛家怡;周鹏;王明时;;睡眠脑电信号样本熵的研究[A];中国生物医学工程进展——2007中国生物医学工程联合学术年会论文集(下册)[C];2007年
9 李丽君;黄思娟;吴效明;熊冬生;;基于运动想象的脑电信号特征提取与分类[A];中国仪器仪表学会医疗仪器分会2010两岸四地生物医学工程学术年会论文集[C];2010年
10 葛家怡;周鹏;王明时;;睡眠脑电信号样本熵的研究[A];天津市生物医学工程学会2007年学术年会论文摘要集[C];2007年
相关重要报纸文章 前1条
1 张文清 记者 王春;意念控制车速及左右转弯前行[N];科技日报;2008年
相关博士学位论文 前10条
1 彭宏;普适化脑电信息感知关键问题的研究[D];兰州大学;2015年
2 吴玉鹏;AR谱在皮层痫样脑电信号分析应用[D];河北医科大学;2015年
3 马小飞;认知任务下的脑电动力学分析[D];南京大学;2017年
4 吴畏;基于统计建模的多导联脑电信号时空建模方法研究[D];清华大学;2012年
5 孙宇舸;脑—机接口系统中脑电信号处理方法的研究[D];东北大学;2012年
6 周群;脑电信号同步:方法及应用研究[D];电子科技大学;2009年
7 赵丽;基于脑电信号的脑-机接口技术研究[D];天津大学;2004年
8 李春胜;脑电信号混沌特性的研究与应用[D];东北大学;2011年
9 欧阳高翔;癫痫脑电信号的非线性特征识别与分析[D];燕山大学;2010年
10 缪晓波;基于脑电信号的认知动力学系统研究——线性/非线性方法及动态时—频—空分析[D];重庆大学;2004年
相关硕士学位论文 前10条
1 于洪;基于脑电信号的警觉度估计[D];上海交通大学;2007年
2 蒋洁;基于高性能计算的脑电信号分析[D];燕山大学;2010年
3 张志琴;脑电信号的复杂性分析[D];中南大学;2009年
4 许凤娟;脑电信号采集与分析系统的设计[D];长春理工大学;2011年
5 曹铭;意识障碍患者脑电信号的非线性动力学评价分析[D];杭州电子科技大学;2012年
6 薛吉星;多通道脑电信号采集与处理系统研究[D];华南理工大学;2015年
7 刘静;基于加权排序熵的多通道脑电信号同步算法研究[D];燕山大学;2015年
8 陈泽涛;基于脑电信号分析的AD早期评估系统的设计与实现[D];燕山大学;2015年
9 王欢;基于非平稳时间序列分析方法的脑电信号模式识别[D];苏州大学;2015年
10 王琼颖;脑电信号的非线性动力学分析及其在睡眠分期中的应用[D];哈尔滨工业大学;2015年
,本文编号:2373963
本文链接:https://www.wllwen.com/kejilunwen/xinxigongchenglunwen/2373963.html