基于fNIRS的人体上下坡运动意识的研究

发布时间：2017-11-14 22:25

  本文关键词：基于fNIRS的人体上下坡运动意识的研究

  更多相关文章： fNIRS 自发运动 方差分析 Bp神经网络 Fisher分类器

【摘要】：为了增加肢体残缺者的生活自理能力，，需要佩戴假肢，而目前传统的假肢仍有训练时间长,响应慢等的缺陷，因此基于人脑运动意识控制假肢的脑机接口技术备受关注。目前绝大部分关于人体运动意识的研究只关注诱发运动或者是身体某终端部位的运动，然而现实生活中需要很多自发的大幅度的运动辅助控制。fNIRS是一种新兴的脑功能成像技术，它具有良好的时间和空间分辨率，并且具有便携性，使得该技术在自发的大幅度人体运动意识研究领域有很高的应用价值。本课题的主要研究内容如下所示： （1）设计了在自发意识下的上下坡运动实验，应用功能性近红外光脑功能成像（fNIRS）技术记录了20名被试的脑血氧信息。 （2）利用单因素方差分析（ANOVA）方法分析了大脑运动关联区域（主运动区，前运动区，辅助运动区，前辅助运动区以及背外侧前额叶区域）内的血氧信息，确定了静止状态，运动开始状态以及动作转换状态三种不同的任务，并通过比对静止-开始运动状态以及开始运动-动作转换状态下含氧血红蛋白浓度值的差异，找出随着任务变化血氧浓度变化最活跃的5个通道。结果发现，事先确认的5个功能区域都出现了随着任务的改变大脑血氧浓度产生变化的现象，而最能体现这些变化的通道分别为通道8，通道9，通道15，通道16以及通道23。 （3）当确认了所研究的5个通道之后，进一步基于活跃通道内的含氧血红蛋白信息，设计了一个Bp神经网络判别开始运动的运动意识，以5个通道的浓度变化斜率以及通道9当前浓度与Baseline平均浓度的差值作为神经网络的输入来判别运动和静止状态。分类准确率约为78%，并且能够在实际运动开始后的0.5秒左右辨识出来。 （4）此外，应用母小波Db4对上下坡期间活跃通道内含氧血红蛋白信息进行了三层小波变换，并将提取的小波系数用Fisher分类器进行分类，从而达到辨别上下坡的运动模式的目的，分类准确率约为85%。 本课题提出了基于脑皮层血氧信息来判别自发上下坡运动的方法，建立了基于Bp神经网络的运动意识判别模型，提出了基于Fisher分类器判别上下坡运动模式的方法。
【学位授予单位】：苏州大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：R318.04;TP183

【参考文献】

中国期刊全文数据库 前3条

1 程明,任宇鹏,高小榕,王广志,季林红,高上凯;脑电信号控制康复机器人的关键技术[J];机器人技术与应用;2003年04期

2 杨大鹏;姜力;赵京东;刘宏;;基于脑电信号的高智能假手控制[J];吉林大学学报(工学版);2008年05期

3 陈楚;王卫星;吴敏;蔡坤;;基于小波变换的语音信号的特征提取[J];科技咨询导报;2007年11期

本文编号：1187279