轻度认知障碍患者任务态脑电信号识别方法研究

发布时间：2020-05-05 06:57

【摘要】：随着我国步入老龄化阶段,阿尔兹海默病(Alzheimer’s Disease,AD)患者日益增多。迄今为止尚未出现完全治愈AD的方法,因此人们将研究重点转向了AD的前期阶段——轻度认知障碍(Mild Congnitive Impairment,MCI)的诊断,该领域的研究也日益受到国内外相关研究人员的关注。脑电(Electroencephalogram,EEG)信号分析是当前快速实时诊断MCI的有效方式,深度学习因自身的优势成为了脑电信号分类领域的研究热点,并且从脑电信号中提取适合深度学习模型分类的特征极其重要。本文从脑电信号特征提取以及深度学习两方面出发,对多光谱图像转化方法进行改进,提出了一种新的脑电信号特征提取方法及对多输入卷积神经网络进行了相应的改进。首先,改进了一种多光谱图像转化方法,并在此基础上提出了一种多脑区多光谱图像融合的脑电信号特征提取方法。该方法将大脑分成多个不同的脑区,结合多光谱图像转化方法将不同脑区的脑电信号分别转化成多个多光谱图像,然后使用像素级图像加权融合方法将多脑区的多光谱图像融合成一幅质量更高、信息量更丰富的多光谱图像。其次,对多输入卷积神经网络进行改进。针对经典的卷积神经网络无法获取理想的多样化特征的问题,引入多输入卷积神经网络。并针对脑电信号多光谱图像,提出采用单一尺度的卷积核进行网络结构的搭建,使其更适合于脑电信号多光谱图像的分类,即单尺度多输入卷积神经网络的脑电信号分类方法。最后,将具有II型糖尿病(type 2 diabetes mellitus,T2DM)症状的遗忘型轻度认知障碍(amnestic Mild Cognitive Impairment,aMCI)患者与对照组(Normal Control,NC)的任务态脑电信号作为实验数据集进行实验分析。将上述提出的新特征提取方法与改进的分类方法分别与已有的相关算法进行比较,结果验证了本文提出的两个方法均能有效地提高两类样本脑电信号的分类性能。
【图文】：

图 3-1 18 个电极在大脑皮层上的分布图号研究中最常用的三个频段，分别为；beta 频段：14Hz-30Hz。求提取相关的脑电频段，并计算各极位置进行转换，电极的 3D 位置可换成 2D 位置坐标。特征值按照电极位置将其以像素点算周围像素点的对应特征值。 及 beta 三个频段形成的图像按照 。转化的多光谱图像如图 3-2 所示。

图 3-1 18 个电极在大脑皮层上的分布图了脑电信号研究中最常用的三个频段，，分别为：theta 频8Hz-13Hz；beta 频段：14Hz-30Hz。为按照要求提取相关的脑电频段，并计算各频段内对应为特征。实际的电极位置进行转换，电极的 3D 位置可以从 Gith方法将其转换成 2D 位置坐标。计算出来的特征值按照电极位置将其以像素点的形式呈现er 插值法计算周围像素点的对应特征值。heta、alpha 及 beta 三个频段形成的图像按照 RGB 的通道光谱图像。转化的多光谱图像如图 3-2 所示。
【学位授予单位】：燕山大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TN911.7;R749.1

【相似文献】

相关期刊论文 前10条

1 韦晓燕;陈子怡;周毅;;基于多尺度排列熵的脑电信号分类[J];中国数字医学;2019年05期

2 王晓丽;;基于深度学习的癫痫脑电信号分析与预测[J];长春大学学报;2019年06期

3 王薇蓉;张雪英;孙颖;畅江;;关于脑电信号的情感优化识别仿真[J];计算机仿真;2018年06期

4 郭婷仪;李素芳;钟桂仙;曾佳璇;周酥;;基于脑电信号的耳鸣识别算法研究[J];科技传播;2018年13期

5 左晶;万小勤;罗杨;郑斌;陈斌林;任祥花;;癫痫脑电信号的相关性分析[J];电子世界;2017年05期

6 张娜;唐贤伦;刘庆;;基于半监督学习的脑电信号特征提取及识别[J];工程科学与技术;2017年S2期

7 石乔莉;王延辉;李信政;;基于脑电信号的驾驶疲劳的研究[J];世界最新医学信息文摘;2017年55期

8 王恒;李念强;齐鹏冲;;运动想象脑电信号特征的提取与分类[J];工业控制计算机;2015年02期

9 李亚杰;宋明星;张玉栋;;脑电信号采集系统的设计[J];河北建筑工程学院学报;2014年01期

10 蔡超峰;张勇;郭舒婷;姜利英;;思维脑电信号的关联维数分析[J];河南科技大学学报(自然科学版);2012年01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 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

4 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

5 张丹丹;丁海艳;侯新琳;叶大田;;新生猪缺氧缺血实验中脑电信号的伪差分析[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（上册）[C];2007年

6 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

7 胡楠;徐进;郑崇勋;;不同麻醉深度下脑电信号的复杂度研究[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

8 欧阳轶;郑崇勋;张崇;;基于脑电小波熵的生理性精神疲劳分析[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 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

10 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

相关重要报纸文章 前8条

1 记者 张梦然;脑电信号神经反馈训练可增强抗压性[N];科技日报;2018年

2 本报记者 张佳星;脑电波读出容易，读懂很难[N];科技日报;2019年

3 本报记者 曾福泉 郑文 通讯员 吴雅兰 柯溢能;人机合一，未来已来[N];浙江日报;2020年

4 科学作者 译者 猛玛;如何做到真正的因材施教[N];电脑报;2016年

5 本报记者 张晓鸣;用脑电波开车，这不是开玩笑[N];文汇报;2015年

6 本报特约撰稿人 陆志城;我思，故我动[N];医药经济报;2003年

7 兰顺正;让人与机器连接更便捷[N];中国国防报;2019年

8 本报记者 冯海波 通讯员 刘慧婵 祝和平;大学生创意闪耀的舞台[N];广东科技报;2011年

相关博士学位论文 前10条

1 孙爱芹;基于脑电信号的上肢假肢在线控制方法研究[D];山东科技大学;2017年

2 李明阳;基于复合域分析的癫痫脑电信号检测算法研究[D];吉林大学;2018年

3 张涛;基于模糊分布熵和复值模糊分布熵的癫痫脑电信号自动分类算法研究[D];吉林大学;2019年

4 韩凌;脑电信号同步分析及癫痫发作预测方法研究[D];东北大学;2016年

5 赵丽;基于脑电信号的脑-机接口技术研究[D];天津大学;2004年

6 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

7 徐鹏;信号的稀疏分解及其在脑电信号处理中的应用研究[D];电子科技大学;2006年

8 伍亚舟;基于想象左右手运动思维脑电BCI实验及识别分类研究[D];第三军医大学;2007年

9 唐艳;基于时间、频率和空间域的自发脑电信号提取[D];中南大学;2008年

10 陈东伟;非线性动力学、因果脑网络与聚类稳定性在脑电信号分析中的应用研究[D];太原理工大学;2015年

相关硕士学位论文 前10条

1 杨济维;基于半监督深度学习的脑电信号特征提取及识别[D];重庆邮电大学;2019年

2 张海涛;基于EEG信号的癫痫发作状态分析方法研究[D];重庆邮电大学;2019年

3 李丹妮;基于运动想象脑电信号的特征提取和分类算法研究[D];重庆邮电大学;2019年

4 高峰星;基于情感脑电信号的分类研究[D];重庆邮电大学;2019年

5 朱延龙;基于稳态视觉诱发的脑电信号分类算法研究[D];南京航空航天大学;2019年

6 张美妍;基于EEG警觉状态检测方法及实验研究[D];哈尔滨工业大学;2019年

7 盛彬;基于信息融合的驾驶危险场景分析识别研究[D];哈尔滨工业大学;2019年

8 叶彦斌;基于压缩感知的脑电数据压缩及FPGA实现[D];华南理工大学;2019年

9 刘博翰;基于脑电信号的导联筛选及可解释情绪分类模型研究[D];华南理工大学;2019年

10 沈玉润;深度学习在脑电信号特征提取及分类中的应用[D];上海交通大学;2018年

本文编号：2649719