脑磁信号的特征提取与脑网络分析
本文关键词：脑磁信号的特征提取与脑网络分析
【摘要】：精神分裂症是一种精神疾病,患病人数约占世界总人数的1%,其临床症状表现不一,即使是同一患者在不同病期表现出的症状也有明显的差异。目前精神分裂症的诱发病因和发病机理还不明确,针对患者的脑信号研究将为精神分裂症的治疗和严重程度的评估提供选择依据。脑磁成像技术具有图像清晰,定位准确的优点。论文从特征提取和功能脑网络角度对正常受试者和精神分裂症患者的脑磁信号进行分析。主要工作如下:首先,将最优小波包分解与能量熵结合,提出了一种新的特征提取与分类的方法。将经PCA降维后的MEG数据进行小波包分解得到小波包库,结合小波熵从中选择最优小波包基,然后对最优小波包基系数进行幅度调制求取包络能量熵,将其能量熵的统计特性作为特征进行分类。该方法不仅考虑了脑磁信号维数较大的特点,而且通过对最优小波包基系数的幅度调制,在降低特征维数的同时有效的保留了特征信息。其次,从复杂网络的角度,提出了一种脑功能网络构造新方法。对精神分裂症患者和健康受试者静息闭眼状态下的左脑颞叶和额叶区的脑磁图信号,采用滑动时间窗短时傅里叶变换,计算Pearson相关系数得到动态功能连接矩阵。基于功能连接矩阵使用图论方法和阈值选择原则,分别构建了权重和二值网络。且提取脑网络测度,进一步研究脑网络的小世界特性。最后,实验发现基于小波包基与能量熵的脑磁信号自动分类方法有高达97.5868%分类准确度。同时基于脑功能网络构造方法,对脑网络测度进行研究分析,结果表明相比健康受试者,精神分裂症患者的几种脑功能网络都具有较小的绝对聚类系数,较大的最短路径长度,且健康受试者的脑网络有更显著的小世界属性,信息能更加高效地在大脑区域间传递。
【关键词】：脑磁图 精神分裂症 特征提取 脑功能网络
【学位授予单位】：南京邮电大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：R749.3;TN911.7
【目录】：
- 摘要4-5
- Abstract5-9
- 专用术语注释表9-10
- 第一章 绪论10-20
- 1.1 MEG的发生机制及检测原理10-12
- 1.2 MEG的发展历史12-13
- 1.3 MEG的临床应用13-14
- 1.4 国内外研究现状14-18
- 1.4.1 脑磁信号特征提取与分类方法在神经科学中的研究现状14-15
- 1.4.2 脑功能连接与脑功能网络研究现状15-17
- 1.4.3 脑信号在精神疾病诊断中的研究现状17-18
- 1.5 本课题的研究目的和论文结构18-20
- 1.5.1 研究目的18
- 1.5.2 论文结构18-20
- 第二章 脑磁信号特征提取与网络分析方法研究20-38
- 2.1 MEG特征提取与分类方法20-30
- 2.1.1 常用的特征提取算法20-26
- 2.1.2 特征选择算法26-29
- 2.1.3 典型分类器29-30
- 2.2 复杂脑网络分析理论30-37
- 2.2.1 网络的连接矩阵与图论分析31
- 2.2.2 脑网络的构建与度量指标31-34
- 2.2.3 常见的几种网络模型34-37
- 2.3 本章小结37-38
- 第三章 基于小波包基与能量熵的MEG特征提取与分类研究38-49
- 3.1 引言38-39
- 3.2 基于小波包基与能量熵的特征提取算法39-41
- 3.2.1 基于对数能量熵的最优小波包基搜索算法39-40
- 3.2.2 幅度调制与能量熵40-41
- 3.3 预处理41-44
- 3.3.1 实验数据集41-42
- 3.3.2 数据预处理42-44
- 3.4 实验过程与结果分析44-47
- 3.5 本章小结47-49
- 第四章 基于功能连接的精神分裂症脑网络分析49-62
- 4.1 引言49-50
- 4.2 实验数据及预处理50-51
- 4.3 脑功能网络构建51-54
- 4.3.1 动态连接矩阵计算51-52
- 4.3.2 权重与二值网络的构建52-54
- 4.4 基于网络特征参数的图论分析54-60
- 4.4.1 基于MEG的脑功能网络比较54-59
- 4.4.2 基于MEG脑网络的小世界属性59-60
- 4.5 本章小结60-62
- 第五章 总结与展望62-64
- 5.1 论文总结62-63
- 5.2 工作展望63-64
- 参考文献64-68
- 附录1 攻读硕士学位期间撰写的论文68-69
- 附录2 攻读硕士学位期间参加的科研项目69-70
- 致谢70
【相似文献】
中国期刊全文数据库 前10条
1 葛丁飞;李小梅;;心电信号多周期融合特征提取和分类研究[J];中国生物医学工程学报;2006年06期
2 张绍武;潘泉;赵春晖;程咏梅;;基于加权自相关函数特征提取法的多类蛋白质同源寡聚体分类研究[J];生物医学工程学杂志;2007年04期
3 薛建中,郑崇勋,闫相国;快速多变量自回归模型的意识任务的特征提取与分类[J];西安交通大学学报;2003年08期
4 杨晓敏,罗立民;白细胞自动分类中的特征提取和分析[J];北京生物医学工程;1992年04期
5 王双维;樊晓平;廖志芳;;一种激光诱导荧光光谱特征提取新方法[J];计算机工程与应用;2008年12期
6 杜军平,涂序彦;计算机图像处理技术在舌像特征提取中的应用[J];中国医学影像技术;2003年S1期
7 游佳;陈卉;;数字图像中血管的分割与特征提取[J];生物医学工程与临床;2011年01期
8 谢轶峰;;乳腺超声图像肿瘤特征提取与肿瘤分类[J];中外医疗;2013年16期
9 吴泽晖,吴星;医学图象的边缘特征提取[J];海南师范学院学报(自然科学版);2003年03期
10 杨晓敏，，罗立民，韦钰;血液白细胞计算机分类中的特征提取研究[J];应用科学学报;1994年02期
中国重要会议论文全文数据库 前10条
1 尚修刚;蒋慰孙;;模糊特征提取新算法[A];1997中国控制与决策学术年会论文集[C];1997年
2 潘荣江;孟祥旭;杨承磊;王锐;;旋转体的几何特征提取方法[A];第一届建立和谐人机环境联合学术会议（HHME2005）论文集[C];2005年
3 薛燕;李建良;朱学芳;;人脸识别中特征提取的一种改进方法[A];第十三届全国图象图形学学术会议论文集[C];2006年
4 杜栓平;曹正良;;时间—频率域特征提取及其应用[A];2005年全国水声学学术会议论文集[C];2005年
5 黄先锋;韩传久;陈旭;周剑军;;运动目标的分割与特征提取[A];全国第二届信号处理与应用学术会议专刊[C];2008年
6 魏明果;;方言比较的特征提取与矩阵分析[A];2009系统仿真技术及其应用学术会议论文集[C];2009年
7 林土胜;赖声礼;;视网膜血管特征提取的拆支跟踪法[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年
8 秦建玲;李军;;基于核的主成分分析的特征提取方法与样本筛选[A];2005年中国机械工程学会年会论文集[C];2005年
9 刘红;陈光
本文编号：1058542
本文链接：https://www.wllwen.com/yixuelunwen/jsb/1058542.html
