基于音乐疗法的脑电信号分析

发布时间：2021-07-13 17:28

　　当今社会,压力无处不在,中青年人心理亚健康的状况普遍存在。对于心理承受能力较弱的人群,长期受负面情绪困扰,易发展成焦虑症、多动症、抑郁症等神经性心理疾病。对于老年群体,长期的情绪压抑,增加了神经退行性疾病（例如,阿尔兹海默症）的发病机率。本文将音乐治疗、脑电图（Electroencephalogram,EEG）与情绪分析三者结合,在不同音乐环境下,对左右脑区产生的EEG信号与情绪分类展开研究。经过分析,可总结出:在正向音乐刺激下,左脑区敏感性较好,存在情绪偏侧性;右脑区在负向音乐刺激下,敏感性较好,有情绪偏侧性表现。此外,研究发现,提取EEG信号的小波能量熵（Wavelet Energy Entropy,WEE）特征作为设计优化后深度信念网络（Deep Belief Network,DBN）模型的输入,在区分脑区、区分不同音乐环境的条件下,可得到左右脑区EEG信号的平均情绪分类准确度为84.20%、83.07%。与在混合音乐环境下,DBN、受限玻尔兹曼机（Restricted Boltzmann Machines,RBM）、K最近邻（k-Nearest Neighbor,k NN）算法... 

【文章来源】：长春理工大学吉林省

【文章页数】：67 页

【学位级别】：硕士

【部分图文】：

常用的EEG信号分析方法

第1章绪论8图1.2音乐刺激下EEG信号分析框图本文共分为5个章节，每个章节内容安排如下：第1章绪论。本章论述了课题研究的背景与意义，深入分析了有关本论文涉及领域的国内外研究现状。阐述了音乐疗法的相关知识和延伸研究。在脑电信号的基础理论方面，对目前EEG信号的常见噪声、分析方法、实际应用等进行讨论。通过分析，说明在音乐治疗时，EEG信号可以准确有效的反映情绪变化；也充分体现了本文提取在不同风格音乐刺激下产生的EEG信号特征，分析情绪变化的研究价值。第2章脑电数据的介绍及预处理优化。对Deap数据库的构建过程和SAM表进行了具体分析，补充说明了自采集数据集，后续用作对EEG信号的辅助分析。然后，选取Deap数据库中的EEG信号，针对脑电信号振幅微弱的特性，借鉴前人研究，采用EMD、FastICA等方法对原始信号降噪，并将两种算法结合实现对信号的优化去噪。利用弱信号检测中的SNIR、能量均值和MAPE衡量降噪能力，确保能够得到较为纯净的EEG信号。第3章不同风格音乐刺激下的EEG特征提龋本章首先对Deap数据库提供的标签进行分析，然后对音乐刺激时产生的EEG信号提取特征，将其作为表征原始脑电信号的重点信息，为后续情绪分类时提供特征向量等信息做准备。总结出在不同音乐环境下，左右脑区的敏感性关系。第4章基于DBN模型的情绪分类研究。主要研究了深度学习中的DBN算法，说明了RBM、DBN的模型结构与基本原理。在DBN分类模型成功构建后，对左右脑在不同音乐环境下提取的EEG信号特征进行训练学习，统计情绪二分类准确率。最后，与其他分类算法、前人研究成果的分类准确率作对比，分析出最佳网络模型；总结出在不同音乐环境中，情绪的脑偏侧性表现。第5章总结与展望。归纳概括了论文主要开展的研究工作，指明创新点，分析了研究?

IT_EHV1脑电帽展示图

【参考文献】：
期刊论文
[1]音乐疗法配合舍曲林对抑郁症患者心理状态及生活质量的影响[J]. 石兴科.  心理月刊. 2020(01)
[2]深度学习在故障诊断与预测中的应用[J]. 余萍,曹洁.  计算机工程与应用. 2020(03)
[3]太空音乐疗法[J]. 占康,管春磊.  军事文摘. 2019(24)
[4]基于EEG的音乐舒缓紧张情绪的研究[J]. 彭金歌,郭滨,沙文青,白雪梅,张晨洁.  长春理工大学学报(自然科学版). 2019(01)
[5]基于LSTM的脑电情绪识别模型[J]. 阚威,李云.  南京大学学报(自然科学). 2019(01)
[6]基于IMF能量矩的脑电情绪特征提取研究[J]. 王成龙,韦巍,李天永.  现代电子技术. 2018(20)
[7]音乐治疗用于抑郁症患者治疗中的临床效果[J]. 偶潇潇.  名医. 2018(08)
[8]以功能为中心分析音乐治疗在康复治疗中的应用现状[J]. 田茹锦,朱玉连.  中国康复医学杂志. 2018(08)
[9]基于定量脑电图的音乐和灯光颜色对情绪的影响[J]. 卢伟,黄尔齐,原晋霞.  心理学报. 2018(08)
[10]绿色LED光环境对大脑集中力影响的研究[J]. 彭金歌,郭滨,白雪梅,张晨洁.  长春理工大学学报(自然科学版). 2018(03)

博士论文
[1]基于反应时间的驾驶员疲劳状态监测与预警技术研究[D]. 郭梦竹.吉林大学 2017
[2]基于EEG的情绪信息特征及其分类方法研究[D]. 成敏敏.东南大学 2017
[3]特殊儿童音乐治疗辅具的开发与应用研究[D]. 汪红.华东师范大学 2016

硕士论文
[1]基于小波变换和样本熵的癫痫信号分类研究[D]. 吴浩博.兰州大学 2019
[2]基于时序信息的脑电信号分类[D]. 安恩莹.北京邮电大学 2018
[3]基于变分贝叶斯抑郁症的脑电信号识别研究[D]. 郑佳佳.长春理工大学 2018
[4]音乐疗法对慢性病老年人情绪介入的研究[D]. 巫纤纤.上海师范大学 2018
[5]基于深度学习的音乐感知研究[D]. 王爽.长春理工大学 2018
[6]基于深度神经网络的脑电情感识别研究[D]. 陈占刚.合肥工业大学 2018
[7]小波预处理的ITD方法在脑电信号处理中的应用研究[D]. 梁悦.太原理工大学 2017
[8]针对音乐情绪的脑电信号分析与敏感脑区研究[D]. 田彦秀.燕山大学 2017
[9]基于EEG的情绪识别[D]. 黄柠檬.华南理工大学 2016
[10]基于EEG和ERP特征信息的饮酒健康评估研究[D]. 方得胜.南京航空航天大学 2016



本文编号：3282490