纺锤波自动检测算法平台的构建及其在智力研究中的应用

发布时间：2017-06-25 23:15

  本文关键词：纺锤波自动检测算法平台的构建及其在智力研究中的应用，，由笔耕文化传播整理发布。

【摘要】：睡眠不仅仅是一个休息状态,它是大脑和机体自我修复的一种方式,对大脑记忆重构以及体内激素都有调节作用。所以睡眠及其机制研究一直是项重要的学术研究。睡眠的调节作用大多与节律有关。睡眠节律中的纺锤波是一种重要的节律,也是近年来研究的热点。睡眠纺锤波在临床上也十分重要,例如在一些疾病(精神分裂症、自闭症、癫痫、智障、睡眠障碍和神经退化疾病等)中会发现纺锤波密度的变化。因为睡眠纺锤波是由大脑一些区域的相互作用产生的(包括丘脑网状核、丘脑神经元、海马和皮质),在清醒阶段,这些回路同时又和学习、行为觉醒以及感觉门控有关,所以纺锤波的特性会影响这些回路并且可以作为诊断的生物标记。纺锤波检测是纺锤波研究中的重中之重。传统的检测纺锤波方法是人眼检测,一直以来这种方法是纺锤波检测的“金标准”,然而,实验记录的脑电信号通常是巨大的,这种人眼检测成为了睡眠研究中非常枯燥和繁重的工作,非常耗时,为此人们研究了各种时频分析方法用来检测纺锤波。本文中实现了前人在文章中发表过的四种纺锤波自动检测算法,包括基于RMS、功率谱二阶导、匹配追踪(MP)和AR模型四种算法,并将检测结果与“金标准”进行比对,分析算法性能,比较优缺点。实验结果表明:RMS算法检测结果综合性能比较好,时间最短,召回率(平均72%以上个别达到100%以上)和准确率(平均达到64%以上,个别达到100%)较高,功率谱二阶导自动检测算法的召回率(平均达到80%以上)最高,但因为假阳性(FT)偏高,导致准确率低,而MP算法最耗时,AR模型自动检测的各项指标比较平均。在算法的稳定性上,RMS算法的各项方差最小,最稳定,MP算法各项方差值最大,最不稳定。综合四种算法的比较,最终选择RMS进行纺锤波检测,并对纺锤波特征(密度,数量,幅值等)进行计算最后与智力做相关。实验包括两项内容,第一项是脑电采集,第二项是智力采集。40名健康被试完成以上两项实验。智力结果统计表明被试的智力水平范围在97-128之间,纺锤波计算结果表明个体之间纺锤波个数标准差较大,密度标准差较小。在校准后,Fz电极纺锤波数量与全IQ显著相关(p=0.011),F4电极纺锤波数量和操作IQ显著相关(p=0.012),Fp1、Fp2、F3、F4、Fz电极密度与操作IQ值显著相关(p0.012),各电极纺锤波数量和密度均与言语IQ值不相关,而纺锤波的幅值基本与所有IQ值均不相关。研究结果基本可前人的研究相一致。本文的研究结果为实验室对脑电、影像和行为三者之间的研究奠定了一定的平台基础并提供了理论依据。
【关键词】：纺锤波 RMS 功率谱二阶导 匹配追踪 AR模型
【学位授予单位】：西安电子科技大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：R338
【目录】：

• 摘要5-6
• ABSTRACT6-11
• 符号对照表11-12
• 缩略语对照表12-16
• 第一章 绪论16-22
• 1.1 睡眠研究背景及意义16
• 1.2 脑电信号的发现16-18
• 1.3 脑电信号的特点18-19
• 1.4 脑电信号的采集19
• 1.5 纺锤波的研究背景19-20
• 1.6 课题研究意义和主要内容20-22
• 第二章 纺锤波综述22-38
• 2.1 纺锤波的定义22-23
• 2.2 纺锤波的动态特性23-25
• 2.2.1 N2阶段和SWS阶段的纺锤波23-24
• 2.2.2 纺锤波在睡眠周期中的变化24-25
• 2.3 纺锤波的形成机制25-26
• 2.3.1 丘脑和丘脑皮层25
• 2.3.2 脑干机制25-26
• 2.4 纺锤波研究背景26-38
• 2.4.1 纺锤波与delta波的关系26-27
• 2.4.2 睡眠剥夺的影响27-28
• 2.4.3 纺锤波和生理期28-29
• 2.4.4 纺锤波的重要性以及与K复合波的关系29-30
• 2.4.5 纺锤波与个体发育30-31
• 2.4.6 纺锤波与年龄增长31-32
• 2.4.7 纺锤波的区域性32-35
• 2.4.8 纺锤波的个体间差异和个体内稳定性35
• 2.4.9 纺锤波与智力35-38
• 第三章 纺锤波自动检测和平台搭建38-56
• 3.1 纺锤波识别的“金标准”38-39
• 3.2 纺锤波自动检测性能评估方法39
• 3.3 纺锤波自动检测算法39-50
• 3.3.1 基于RMS算法的睡眠纺锤波自动检测39-42
• 3.3.2 基于功率谱二阶导的睡眠纺锤波自动检测42-45
• 3.3.3 基于匹配追踪（MP）的睡眠纺锤波自动检测45-47
• 3.3.4 基于AR模型的睡眠纺锤波自动检测47-48
• 3.3.5 四种算法综合比较48-50
• 3.4 软件平台构建50-56
• 3.4.1 数据导入和显示51-52
• 3.4.2 睡眠阶段划分52-53
• 3.4.3 数据自动截取和阶段统计分析53-54
• 3.4.4 纺锤波手动检测54-55
• 3.4.5 纺锤波自动检测55
• 3.4.6 其他功能扩展55-56
• 第四章 实验设计56-64
• 4.1 脑电实验56-61
• 4.1.1 电极选择和安放56
• 4.1.2 导联方式选择56-57
• 4.1.3 实验仪器介绍57-59
• 4.1.4 被试选择59
• 4.1.5 实验流程59-61
• 4.2 智力测验61-64
• 4.2.1 韦氏成人智力表61-62
• 4.2.2 测验内容62-63
• 4.2.3 补充内容63-64
• 第五章 结果和分析64-74
• 5.1 智力结果分析64-65
• 5.2 睡眠阶段划分65-68
• 5.3 睡眠参数计算68
• 5.4 纺锤波检测结果统计68-69
• 5.5 纺锤波与三组智力相关性69-74
• 5.5.1 纺锤波数量与智力相关性69-71
• 5.5.2 密度与3组智力值相关性71-72
• 5.5.3 平均幅度与3组智力值相关性72-74
• 第六章 总结与展望74-76
• 6.1 总结74
• 6.2 不足与展望74-76
• 参考文献76-86
• 致谢86-88
• 作者简介88-89

【相似文献】

中国期刊全文数据库 前1条

1 封洲燕,郑筱祥;多分辨率小波信号分解用于大鼠睡眠纺锤波的分析[J];中国生物医学工程学报;2004年02期

中国重要会议论文全文数据库 前1条

1 王雀良;潘集阳;王丝丝;刘亚平;彭博;石顺治;;慢性心理生理性失眠患者睡眠纺锤波特征的对照研究[A];中华医学会精神病学分会第九次全国学术会议论文集[C];2011年

中国硕士学位论文全文数据库 前4条

1 石倩蓉;基于大众外包方法的纺锤波检测可行性分析[D];西安电子科技大学;2015年

2 乌焕菊;纺锤波自动检测算法平台的构建及其在智力研究中的应用[D];西安电子科技大学;2015年

3 谭大坤;基于深度学习的睡眠纺锤波检测[D];西安电子科技大学;2015年

4 王雀良;慢性心理生理性失眠患者睡眠纺锤波特征的对照研究[D];暨南大学;2011年

  本文关键词：纺锤波自动检测算法平台的构建及其在智力研究中的应用，由笔耕文化传播整理发布。

本文编号：483925