基于导联信号组合的脑电信号处理及其在中风病人脑电信号分析中的应用

发布时间：2017-08-16 17:32

  本文关键词：基于导联信号组合的脑电信号处理及其在中风病人脑电信号分析中的应用

  更多相关文章： 脑电信号处理 导联信号相乘 P300 中风 运动想象脑电信号 特征提取

【摘要】：脑电信号(Electroencephalogram, EEG)是大脑神经细胞电生理活动在大脑皮层和头皮表面的总体反映,包含了大量生理和疾病信息。脑电信号的发现有助于人们进一步研究大脑构造及其思维机制。目前,脑电信号已被应用于信息输入、外部设备控制、心理学研究、疾病的康复与治疗等领域,而随着信号处理学的发展,越来越多的脑电信号处理算法也被应用于脑电信号分析中。传统脑电信号处理算法包括预处理、特征提取和分类三个过程。脑电信号处理算法的好坏直接决定了脑电信号分析的准确性以及是否能够对脑电信号中很多有用的隐藏信息进行挖掘。本文在研究已有的脑电信号处理算法基础上,针对传统P300脑电信号特征提取算法基于多导脑电信号进行特征提取,数据量大,特征提取效率低等问题,提出了基于导联信号组合的P300脑电信号特征提取算法,并将基于导联信号相乘的脑电信号处理算法应用于中风病人脑电信号特征研究中。首先,本文提出了三种基于导联信号组合的P300脑电信号特征提取算法。根据被试脑电信号特征,仅选取P300特征较明显的两个导联脑电信号,分别通过导联信号相乘、导联信号卷积、导联信号矩阵相乘算法使P300特征更加显著,以能量熵作为P300脑电信号特征值,送入支持向量机中进行分类。通过BCI竞赛字符拼写器实验数据、人脸图片测谎实验P300数据和模拟网络诈骗实验P300数据进行验证。结果表明,本文提出的算法可以有效提取P300脑电信号特征,在降低提取特征的个数,大幅减少数据量的同时,取得了较高的分类正确率,有利于在线应用。与相关文献相比,本文提出的算法数据量最多减少了93.8%。此外,导联信号相乘、卷积和矩阵相乘算法分别在字符拼写器、人脸图片测谎和模拟网络诈骗实验P300数据上获得了93%、88.6%和90.6%的最佳分类表现。在各自表现最优的数据上,三种算法的分类正确率比参考文献最多提高了15.6、5.8和11.9个百分点。其次,本文通过我们设计的运动想象脑电信号刺激器,对中风病人自由想象和运动想象脑电信号进行采集。由于本文提出的基于导联信号组合的脑电信号处理算法适合于特征空间分布较为集中的脑电信号,如P300脑电信号,运动想象脑电信号等。因此,本文首先通过大脑两侧所有导联采集的数据对中风病人自由想象脑电信号时频域能量进行分析,然后用提出的基于导联信号相乘的脑电信号处理算法对C3、C4及其临近导联采集到的中风病人运动想象脑电信号时频域特征进行研究,并观察运动想象脑电信号事件相关同步化／去同步(Event Related Synchronization/Desynchronization, ERS/ERD)现象。经12名被试脑电信号数据验证,在时域分析中发现83.3%的被试大脑患病侧自由想象脑电信号能量比健康侧低,66.7%的被试肢体运动不利侧对应的上肢运动想象脑电信号ERS/ERD现象不显著；在频域分析中发现83.3%的被试大脑患病侧自由想象脑电信号能量比健康侧低,58.3%的被试肢体不利侧对应的上肢运动想象脑电信号ERS/ERD现象不显著。进一步对位于大脑患病侧的相关导联采集到的脑电信号频域能量进行分析,66.7%的被试在进行左右手运动想象时,该导联脑电信号的频域能量并未出现符合规律的ERS/ERD现象。本研究结果说明中风对病人大脑患病侧自由想象和运动想象脑电信号均有比较大的抑制,通过对中风病人大脑患病侧与健康侧自由想象脑电信号能量的对比以及运动想象脑电信号中ERS/ERD现象显著程度的分析,为中风病人的康复程度评估提供一定的帮助,同时也为今后的中风病人康复手段改进提供一种思路。最后,本文对实验室搭建的基于GKT (Guilty Knowledge Test)范式的测谎实验平台、基于运动想象脑电信号刺激器的中风病人脑电信号采集实验平台以及脑电信号分析工具——MATLAB进行了介绍。
【关键词】：脑电信号处理 导联信号相乘 P300 中风 运动想象脑电信号 特征提取
【学位授予单位】：浙江大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TN911.7;R743.3
【目录】：

• 致谢4-5
• 摘要5-7
• Abstract7-12
• 第1章 绪论12-20
• 1.1 脑电信号处理的研究背景与意义12-15
• 1.1.1 脑机接口技术12-13
• 1.1.2 基于ERP的测谎技术13-14
• 1.1.3 中风疾病的康复与治疗14-15
• 1.2 脑电信号处理算法的研究现状15-17
• 1.2.1 预处理算法16
• 1.2.2 特征提取算法16-17
• 1.2.3 分类算法17
• 1.3 论文的研究内容与组织结构17-20
• 第2章 脑电信号及其处理算法20-33
• 2.1 脑电信号概述20-25
• 2.1.1 脑电信号的产生机理20-21
• 2.1.2 P300电位21-23
• 2.1.3 运动想象脑电信号23-25
• 2.2 脑电信号处理算法25-32
• 2.2.1 拉普拉斯算法26-27
• 2.2.2 小波变换27-30
• 2.2.3 能量熵30
• 2.2.4 支持向量机30-32
• 2.3 本章小结32-33
• 第3章 基于导联信号组合的P300脑电信号特征提取33-49
• 3.1 算法概述33-34
• 3.2 实验数据来源34-37
• 3.2.1 BCI竞赛字符拼写器34-35
• 3.2.2 人脸图片测谎实验数据35-36
• 3.2.3 模拟网络诈骗实验数据36-37
• 3.3 电极选择及脑电信号预处理37-40
• 3.3.1 电极选择37-38
• 3.3.2 脑电信号预处理38-40
• 3.4 基于导联信号组合的P300脑电信号特征提取40-45
• 3.4.1 基于导联信号相乘的P300脑电信号特征提取40-42
• 3.4.2 基于导联信号卷积的P300脑电信号特征提取42-43
• 3.4.3 基于导联信号矩阵相乘的P300脑电信号特征提取43-45
• 3.5 分类结果与分析45-48
• 3.6 本章小结48-49
• 第4章 基于导联信号相乘的中风病人脑电信号分析49-66
• 4.1 实验数据来源49-51
• 4.1.1 中风病人情况介绍49
• 4.1.2 数据采集方法49-51
• 4.2 中风病人自由想象脑电信号处理51-56
• 4.2.1 中风病人自由想象脑电信号时域能量51-54
• 4.2.2 中风病人自由想象脑电信号频域能量54-56
• 4.3 基于导联信号相乘的中风病人运动想象脑电信号处理56-61
• 4.3.1 中风病人运动想象脑电信号时域能量56-59
• 4.3.2 中风病人运动想象脑电信号频域能量59-61
• 4.4 结果与分析61-64
• 4.4.1 中风病人大脑患病侧与健康侧自由想象脑电信号分析61-62
• 4.4.2 中风病人大脑患病侧与健康侧运动想象脑电信号分析62-63
• 4.4.3 中风病人脑电信号分析在康复治疗中的意义63-64
• 4.5 本章小结64-66
• 第5章 脑电信号采集与分析平台的搭建66-73
• 5.1 基于GKT范式的测谎实验平台66-68
• 5.1.1 E-Prime66-67
• 5.1.2 上海诺诚脑电图仪67-68
• 5.2 中风病人脑电信号采集平台68-71
• 5.2.1 运动想象脑电信号刺激器69-70
• 5.2.2 俄罗斯Neuron-Spectrum-5型脑电图仪70-71
• 5.3 脑电信号分析工具——MATLAB71
• 5.4 本章小结71-73
• 第6章 总结与展望73-76
• 参考文献76-84
• 附录一84-89
• 作者简历及在学习期间的相关科研成果89

【相似文献】

中国期刊全文数据库 前10条

1 薛蕴全,王秋英,王宏;脑电信号的动态时空响应拓扑图[J];仪器仪表学报;2001年S1期

2 马颖颖;张泾周;吴疆;;脑电信号处理方法[J];北京生物医学工程;2007年01期

3 谢松云;张振中;杨金孝;张坤;;脑电信号的若干处理方法研究与评价[J];计算机仿真;2007年02期

4 鲁强;刘玉军;徐建兰;张进禄;;一种适用于清醒动物脑电信号采集的固定装置[J];首都医科大学学报;2011年06期

5 董盟盟;仲轶;徐洁;戴体俊;刘功俭;;基于小波分析的脑电信号处理[J];电子设计工程;2012年24期

6 戴银涛,吴祈耀;快速提取脑电信号的谱分量参数[J];北京生物医学工程;1989年01期

7 孟欣，欧阳楷;脑电信号的几个非线性动力学分析方法[J];北京生物医学工程;1997年03期

8 程明,高上凯,张琳;基于脑电信号的脑—计算机接口[J];北京生物医学工程;2000年02期

9 罗建,崔亮,卫娜,张治钢;脑电信号采集与处理系统的研制[J];医疗卫生装备;2000年06期

10 吴小培,冯焕清,周荷琴,王涛;独立分量分析及其在脑电信号预处理中的应用[J];北京生物医学工程;2001年01期

中国重要会议论文全文数据库 前10条

1 薛蕴全;王秋英;王宏;;脑电信号的动态时空响应拓扑图[A];中国仪器仪表学会第三届青年学术会议论文集（上）[C];2001年

2 王裕清;粱平;郭付清;张登攀;;脑电信号诊断专家系统的研究[A];中国生理学会第21届全国代表大会暨学术会议论文摘要汇编[C];2002年

3 朱林剑;包海涛;孙守林;梁丰;;新型脑电信号采集方法与应用研究[A];大连理工大学生物医学工程学术论文集（第2卷）[C];2005年

4 许涛;朱林剑;包海涛;;基于思维脑电信号的假手的研究[A];提高全民科学素质、建设创新型国家——2006中国科协年会论文集（下册）[C];2006年

5 李爱新;孙铁;郭炎峰;;基于人工神经网络的脑电信号模式分类[A];自动化技术与冶金流程节能减排——全国冶金自动化信息网2008年会论文集[C];2008年

6 童珊;黄华;陈槐卿;;混沌理论在脑电信号分析中的应用[A];中国生物医学工程学会第六次会员代表大会暨学术会议论文摘要汇编[C];2004年

7 李凌;曾庆宁;尧德中;;利用两级抗交叉串扰自适应滤波器提取诱发脑电信号[A];中国生物医学工程学会第六次会员代表大会暨学术会议论文摘要汇编[C];2004年

8 葛家怡;周鹏;王明时;;睡眠脑电信号样本熵的研究[A];中国生物医学工程进展——2007中国生物医学工程联合学术年会论文集（下册）[C];2007年

9 李丽君;黄思娟;吴效明;熊冬生;;基于运动想象的脑电信号特征提取与分类[A];中国仪器仪表学会医疗仪器分会2010两岸四地生物医学工程学术年会论文集[C];2010年

10 葛家怡;周鹏;王明时;;睡眠脑电信号样本熵的研究[A];天津市生物医学工程学会2007年学术年会论文摘要集[C];2007年

中国重要报纸全文数据库 前1条

1 张文清　记者 王春;意念控制车速及左右转弯前行[N];科技日报;2008年

中国博士学位论文全文数据库 前10条

1 彭宏;普适化脑电信息感知关键问题的研究[D];兰州大学;2015年

2 吴玉鹏;AR谱在皮层痫样脑电信号分析应用[D];河北医科大学;2015年

3 吴畏;基于统计建模的多导联脑电信号时空建模方法研究[D];清华大学;2012年

4 孙宇舸;脑—机接口系统中脑电信号处理方法的研究[D];东北大学;2012年

5 周群;脑电信号同步：方法及应用研究[D];电子科技大学;2009年

6 赵丽;基于脑电信号的脑-机接口技术研究[D];天津大学;2004年

7 李春胜;脑电信号混沌特性的研究与应用[D];东北大学;2011年

8 欧阳高翔;癫痫脑电信号的非线性特征识别与分析[D];燕山大学;2010年

9 缪晓波;基于脑电信号的认知动力学系统研究——线性/非线性方法及动态时—频—空分析[D];重庆大学;2004年

10 张美云;阿尔茨海默病脑电信号多尺度时空定量特征研究[D];天津医科大学;2012年

中国硕士学位论文全文数据库 前10条

1 于洪;基于脑电信号的警觉度估计[D];上海交通大学;2007年

2 蒋洁;基于高性能计算的脑电信号分析[D];燕山大学;2010年

3 张志琴;脑电信号的复杂性分析[D];中南大学;2009年

4 许凤娟;脑电信号采集与分析系统的设计[D];长春理工大学;2011年

5 曹铭;意识障碍患者脑电信号的非线性动力学评价分析[D];杭州电子科技大学;2012年

6 薛吉星;多通道脑电信号采集与处理系统研究[D];华南理工大学;2015年

7 刘静;基于加权排序熵的多通道脑电信号同步算法研究[D];燕山大学;2015年

8 陈泽涛;基于脑电信号分析的AD早期评估系统的设计与实现[D];燕山大学;2015年

9 王欢;基于非平稳时间序列分析方法的脑电信号模式识别[D];苏州大学;2015年

10 王琼颖;脑电信号的非线性动力学分析及其在睡眠分期中的应用[D];哈尔滨工业大学;2015年

，

本文编号：684593