基于脑功能网络的运动想象模式识别方法研究
发布时间:2023-12-07 20:32
运动想象是一种康复医疗新方法,它和实际运动一样能有效激活运动相关的大脑皮层。脑功能网络能够有效的反映出大脑的活动状态,它可以作为运动想象研究的辅助方法。近年来,大量研究者投入到运动想象脑电信号的模式识别方法的研究中,这一技术是康复机器人、脑机接口等领域的重要技术指标之一。本文对脑功能网络的构建以及基于脑功能网络的运动想象脑电信号的模式识别技术进行了研究。首先阐述了运动想象脑电信号的研究背景以及目的意义,然后概述了脑功能网络、运动想象脑电信号模式识别技术的国内外研究现状,提出了一些尚待解决的问题,最后针对这些问题进行研究。本文完成了以下研究工作:(1)脑电信号预处理:先对采集得来的脑电信号进行滤波,得到我们关注的频段成分,滤除高频噪声以及不需要的频率成分,然后做去伪迹处理,去除心电、眼电的干扰,最终得到纯净的运动想象脑电信号。预处理为脑功能网络的构建分析以及脑电信号的模式识别准备了良好有效的运动想象脑电信号。(2)脑功能网络的构建:本文引入可反映一个集群中多个变量之间相互作用的多变量格兰杰因果分析方法,优化了运动想象因效性网络的构建,克服了当前格兰杰因果关系只能反映两个变量之间的相互作用...
【文章页数】:63 页
【学位级别】:硕士
【文章目录】:
摘要
ABSTRACT
第1章 绪论
1.1 研究背景
1.2 研究目的与意义
1.3 课题国内外主要研究现状分析
1.3.1 脑功能网络研究现状
1.3.2 运动想象模式识别方法研究现状
1.4 尚待解决的问题
1.5 论文结构与研究内容
1.6 本章小结
第2章 运动想象脑电信号预处理
2.1 脑电信号基础
2.1.1 脑电信号产生机理
2.1.2 脑电信号的类型及特点
2.2 运动想象脑电信号数据
2.2.1 BCI Competition比赛数据
2.2.2 运动想象脑电信号采集
2.3 脑电信号预处理
2.3.1 常用脑电信号预处理方法
2.3.2 运动想象脑电信号预处理
2.4 本章小结
第3章 基于多变量格兰杰因果关系的运动想象因效网络构建
3.1 脑功能网络
3.1.1 功能性网络
3.1.2 因效性网络
3.2 基于多变量格兰杰因果关系的脑功能网络构建
3.2.1 多变量格兰杰因果关系
3.2.2 基于多变量格兰杰因果关系的运动想象因效网络的构建步骤
3.3 基于多变量格兰杰因果关系的运动想象因效网络构建结果分析
3.3.1 对构建的因效网络进行特征提取与分类
3.3.2 实验结果与分析
3.4 本章小结
第4章 基于卷积神经网络和因效性网络的多类运动想象脑电信号识别方法
4.1 卷积神经网络基础介绍
4.1.1 卷积层
4.1.2 池化层
4.1.3 全连接层
4.2 卷积神经网络在运动想象脑电信号识别分类方面的应用
4.3 基于卷积神经网络和因效网络的运动想象脑电信号识别
4.3.1 卷积神经网络LeNet-5
4.3.2 Softmax函数
4.3.3 基于卷积神经网络的多类运动想象因效网络矩阵识别
4.4 实验结果分析
4.4.1 实验数据
4.4.2 分类准确率
4.4.3 分类耗时
4.5 本章小结
第5章 总结与展望
5.1 工作总结
5.2 工作展望
致谢
参考文献
附录
本文编号:3871032
【文章页数】:63 页
【学位级别】:硕士
【文章目录】:
摘要
ABSTRACT
第1章 绪论
1.1 研究背景
1.2 研究目的与意义
1.3 课题国内外主要研究现状分析
1.3.1 脑功能网络研究现状
1.3.2 运动想象模式识别方法研究现状
1.4 尚待解决的问题
1.5 论文结构与研究内容
1.6 本章小结
第2章 运动想象脑电信号预处理
2.1 脑电信号基础
2.1.1 脑电信号产生机理
2.1.2 脑电信号的类型及特点
2.2 运动想象脑电信号数据
2.2.1 BCI Competition比赛数据
2.2.2 运动想象脑电信号采集
2.3 脑电信号预处理
2.3.1 常用脑电信号预处理方法
2.3.2 运动想象脑电信号预处理
2.4 本章小结
第3章 基于多变量格兰杰因果关系的运动想象因效网络构建
3.1 脑功能网络
3.1.1 功能性网络
3.1.2 因效性网络
3.2 基于多变量格兰杰因果关系的脑功能网络构建
3.2.1 多变量格兰杰因果关系
3.2.2 基于多变量格兰杰因果关系的运动想象因效网络的构建步骤
3.3 基于多变量格兰杰因果关系的运动想象因效网络构建结果分析
3.3.1 对构建的因效网络进行特征提取与分类
3.3.2 实验结果与分析
3.4 本章小结
第4章 基于卷积神经网络和因效性网络的多类运动想象脑电信号识别方法
4.1 卷积神经网络基础介绍
4.1.1 卷积层
4.1.2 池化层
4.1.3 全连接层
4.2 卷积神经网络在运动想象脑电信号识别分类方面的应用
4.3 基于卷积神经网络和因效网络的运动想象脑电信号识别
4.3.1 卷积神经网络LeNet-5
4.3.2 Softmax函数
4.3.3 基于卷积神经网络的多类运动想象因效网络矩阵识别
4.4 实验结果分析
4.4.1 实验数据
4.4.2 分类准确率
4.4.3 分类耗时
4.5 本章小结
第5章 总结与展望
5.1 工作总结
5.2 工作展望
致谢
参考文献
附录
本文编号:3871032
本文链接:https://www.wllwen.com/linchuangyixuelunwen/3871032.html
最近更新
教材专著