糖尿病轻度认知障碍EEG相空间特征及相位幅度耦合研究

发布时间：2017-10-16 01:28

  本文关键词：糖尿病轻度认知障碍EEG相空间特征及相位幅度耦合研究

  更多相关文章： 糖尿病 轻度认知功能障碍 经验模态分解 耦合 分类器

【摘要】：认知功能障碍是介于正常认知功能与痴呆的中间阶段,认知功能快速衰退可导致老年人发展成阿尔茨海默病,严重影响患者日常生活。目前阿兹海默疾病在治疗上无实质突破,认知功能障碍的预防与早期诊断极为重要。糖尿病是导致认知功能快速下降进而发展成阿尔茨海默病的重要因素,研究糖尿病与认知功能相关的脑电信号可加深糖尿病对认知功能障碍损害的认识。本文研究希尔伯特黄变换相空间重构法和相位幅度耦合算法,对实际糖尿病患者脑电信号分析并提取脑电特征,最后进行机器学习实现自动分类。首先,采用基于经验模态分解相空间重构法研究EEG空间特性,利用癫痫患者EEG算法分析,发现EEG序列的二维相空间和三维相空间特征在正常组和对照组具有差异。研究与糖尿病认知障碍有关的EEG空间特征,采用非参数检验法Kruskal-Wallis对多组特征值统计分析,发现特征值在颞区、顶区、中央区存在差异。基于曲线下方最大面积提取特征,采用支持向量机分类其平均准确率达到79.17%。其次,研究大脑低频相位与高频幅度的调制机制,利用频率确定的仿真信号,从数据长度和算法抗噪性能对比分析直接耦合法和带统计特性耦合方法,结果表明带统计特性相位幅度耦合方法可以准确的检测出耦合发生的频率范围,对数据长度要求低、抗噪性能好。最后,通过分析认知功能障碍糖尿病患者的脑电信号耦合特性,发现在一些脑区的不同频率范围内两组患者的耦合值存在差异,提出相对耦合比特征,统计分析发现两组在前额区、颞区、顶区的相对耦合比存在差异,揭示不同频率脑电信号间的信息交流。采用最大曲线下方面积提取特征,使用支持向量机和压缩感知分类器实现自动分类,准确率为73.33%和83.33%。
【关键词】：糖尿病 轻度认知功能障碍 经验模态分解 耦合 分类器
【学位授予单位】：燕山大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TN911.7;R587.2;R749.1
【目录】：

• 摘要5-6
• Abstract6-10
• 第1章 绪论10-15
• 1.1 糖尿病认知功能障碍研究背景及意义10-11
• 1.2 糖尿病认知功能障碍脑电信号研究现状11-12
• 1.3 脑电信号的相空间特征及耦合研究进展12-14
• 1.4 论文的主要研究内容14-15
• 第2章 脑电信号基本知识及分析方法15-21
• 2.1 引言15
• 2.2 脑电信号的形成原理15-16
• 2.3 脑电信号的基本节律16-17
• 2.4 脑电信号研究方法分析17-20
• 2.4.1 时域分析17
• 2.4.2 频域分析17-19
• 2.4.3 时频分析19-20
• 2.5 本章小结20-21
• 第3章 神经量表筛查标准与研究对象21-25
• 3.1 引言21
• 3.2 神经心理学量表评估21-23
• 3.3 轻度认知障碍的纳入和排除标准23
• 3.4 脑电信号的采集23-24
• 3.5 本章小结24-25
• 第4章 基于EMD分解的相空间重构糖尿病轻度认知障碍分析25-44
• 4.1 引言25
• 4.2 基于EMD分解的相空间重构25-29
• 4.2.1 EMD分解25-27
• 4.2.2 相空间的重构27-28
• 4.2.3 二维相空间的椭圆投影面积特征28-29
• 4.2.4 三维相空间欧几里得距离四分位差特征29
• 4.3 算法性能分析29-36
• 4.3.1 EMD分解及相空间重构30-34
• 4.3.2 相空间特征统计分析34-35
• 4.3.3 数据长度对特征计算的影响35-36
• 4.4 糖尿病认知功能障碍脑电信号的分析36-40
• 4.4.1 认知量表统计分析36-37
• 4.4.2 糖尿病脑电信号的特征统计分析37-40
• 4.5 糖尿病脑电信号的特征提取和分类40-42
• 4.5.1 支持向量机40-42
• 4.5.2 分类结果42
• 4.6 本章小结42-44
• 第5章 糖尿病轻度认知障碍EEG相位幅度耦合分析及自动分类44-59
• 5.1 引言44
• 5.2 交叉频率相位幅度耦合方法44-46
• 5.3 模型仿真分析46-49
• 5.3.1 信噪比对耦合算法的影响46-48
• 5.3.2 数据长度对耦合算法的影响48-49
• 5.4 糖尿病认知功能障碍脑电信号分析49-54
• 5.4.1 糖尿病脑电信号的耦合强度分析50-51
• 5.4.2 认知量表的统计分析51-52
• 5.4.3 耦合强度值的统计分析52-54
• 5.5 基于耦合特征的自动分类54-57
• 5.5.1 压缩感知分类器54-56
• 5.5.2 压缩感知分类结果56-57
• 5.5.3 SVM分类及结果57
• 5.6 本章小结57-59
• 结论59-61
• 参考文献61-69
• 攻读硕士学位期间承担的科研任务与主要成果69-70
• 致谢70-71
• 作者简介71

【相似文献】

中国期刊全文数据库 前1条

1 周毅;赵怡;解玲丽;周列民;陈子怡;;癫痫EEG信号相空间重构参数的计算和分析[J];中山大学学报(自然科学版);2007年03期

中国重要会议论文全文数据库 前6条

1 王一颉;韩敏;;基于优化相空间重构的多变量混沌时间序列预测[A];第二十六届中国控制会议论文集[C];2007年

2 邹波;;咀嚼肌表面肌电信号的相空间重构及其参数计算[A];第九次全国口腔医学计算机应用学术会议论文汇编[C];2011年

3 刘芳;马西奎;;Buck-Boost变换器电路中的混沌时序相空间重构[A];电工理论与新技术学术年会论文集[C];2005年

4 祝用华;杜志敏;晋欣桥;;基于相空间重构技术的ANN预测方法及在空调负荷预测中的应用[A];上海市制冷学会2013年学术年会论文集[C];2013年

5 马军海;盛昭瀚;;基于非线性混沌时序的系统重构、预测技术及其应用[A];管理科学与系统科学研究新进展——第6届全国青年管理科学与系统科学学术会议暨中国科协第4届青年学术年会卫星会议论文集[C];2001年

6 姜爱萍;黄凤文;;用于高频金融时间序列预测的偏差重构方法[A];第九届中国青年信息与管理学者大会论文集[C];2007年

中国博士学位论文全文数据库 前2条

1 鲍洁秋;单相串联电弧故障识别方法研究[D];沈阳工业大学;2016年

2 王抵修;地学数据分析中的相空间重构预测方法研究[D];吉林大学;2008年

中国硕士学位论文全文数据库 前10条

1 鲍子林;糖尿病轻度认知障碍EEG相空间特征及相位幅度耦合研究[D];燕山大学;2016年

2 孙彬彬;混沌时序的特征量分析及相空间重构研究[D];东北大学;2008年

3 杨姝;激光混沌的相空间重构研究[D];长春理工大学;2008年

4 唐奎;动力系统的相空间重构研究及其实证分析[D];重庆大学;2003年

5 郅逍遥;基于相空间重构的乐器识别[D];太原科技大学;2014年

6 姜桂仁;混沌时序的特征量分析及相空间重构[D];江苏大学;2005年

7 牛艳芳;多输入复杂系统相空间重构及其应用研究[D];沈阳航空航天大学;2012年

8 黄巧玲;基于相空间重构与卡尔曼滤波计算组合的汇率时间序列预测[D];华侨大学;2007年

9 梁永涛;移动荷载作用下基于HHT和相空间重构法的桥梁损伤识别[D];暨南大学;2014年

10 李新新;基于极大联合熵相空间重构和RQA的轴承故障诊断[D];燕山大学;2014年

，

本文编号：1039860