下肢运动想象脑电信源优化技术研究

发布时间：2020-04-14 01:23

【摘要】：运动想象(Motor imagery,MI)是只需想象运动动作的执行,无需进行实际运动的心理过程。MI具有不依赖于外刺激的独立性和自发性等特点,已在体育运动训练,脑卒中患者的神经康复、脑机接口等领域得到广泛应用,成为研究热点。MI的研究已在特征信息检测、机器学习解码算法等方面取得重大进展,但仍然存在识别率整体偏低、个体执行效果差异性大等问题,使MI的发展陷入瓶颈。针对这一瓶颈问题,本文通过“导向性运动视频诱导”和“增强想象任务的难度”两种方式优化运动想象脑电信源(即原信号)质量,并进行脑电节律特性的定性定量分析,通过ERD均值、识别率等量化指标对优化效果进行评估。主要工作及结果如下:(一)“导向性运动视频诱导”优化MI脑电信号源质量。本文进行了有导向性视频运动想象(video motor imagery,VMI)和无导向性视频运动想象(non-video motor imagery,NVMI)两种任务模式的对比研究,其研究结果为:在alpha和beta特征频段内VMI的整体事件相关去同步(Event-related Desynchronization,ERD)均值比NVMI小(-2.9094-1.7902,-2.3606-1.6393),且二者的ERD值具有显著性差异(P=0.00020.01,r=0.755),表明VMI诱发的ERD强度显著优于NVMI。VMI的ERD强度std值小于NVMI(1.20631.5598,0.95131.2038),表明VMI模式下被试间ERD强度的个体差异小,NVMI的差异大。另外,VMI的平均识别率也高于NVMI(81.37%71.63%),且两者的识别率差异性显著(p=0.00620.01,r=0.724),表明VMI模式下被试的整体识别率显著优于NVMI。(二)“增强想象任务的难度”,优化MI脑电特征信源质量。本文进行了不同任务难度的下肢运动想象研究,即高频率的下肢运动想象((High frequency motor imagery,HMI)和低频率的下肢运动想象(Low frequency motor imagery in video,LMI),结果显示:在alpha和beta特征频段内,HMI的ERD均值小于LMI(-1.827-1.3487,-3.4756-2.2891),且两者的ERD值具有显著性差异(p=0.00740.01,r=0.945)。HMI的ERD强度std值小于LMI(0.49600.5279,0.64600.6725),表明HMI模式下被试间ERD强度的个体差异小,LMI的ERD强度差异大。HMI的平均识别率高于LMI(87.84%76.46%),两者的识别率差异性显著(p=0.00340.01,r=0.429)。综上所述,本文通过导向性运动视频诱导和增强想象任务难度的方式优化了MI脑电信源质量,达到了提升被试下肢运动想象整体识别率和降低个体差异的目的。
【图文】：

第一章 绪论频和增强想象任务难度的方法，优化脑电信源质量，提高运动想象的识别率，减小个体间的差异。分别设计实施有无导向性视频和高低频率的下肢想象任务的对比实验，采用EEG 信号分析方法对不同任务模式的脑电信号节律特性进行对比研究，探讨量化指标对优化效果进行评估，验证这两种方法优化运动想象脑电信源质量的情况。具体本文的研究思路如图 1-1 所示。

第二章 实验平台设计与数据分析方法极帽的电极）、医用胶带（固定参考电极）及棉棒等实验耗材。MI 诱导采集实验平台的软件和硬件的设置如下：1）Scan 软件：用采集和存储脑电数据的软件，它还可以对脑电信号进行初步分析。在采集脑电信号之前需要根据脑电信号的基本特征对 Scan 软件进行一些参数设置，如将带通模拟滤波器设置到 0.5Hz 到 100Hz 以防止混叠滤波，，设置陷波器为 50Hz 以除去50Hz 的工频干扰，脑电信号采集率为 1000Hz。此外，软件保存脑电数据的过程：由电极帽采集脑电信号，再经过 NuAmps 放大器放大，进入计算机 Scan 软件中并显示在屏幕上，最后对脑电数据以 cnt 格式保存。
【学位授予单位】：天津理工大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：R318;TN911.7

【参考文献】

相关期刊论文 前10条

1 邵南平;向春生;唐岚;李占东;;基于AdaBoost BP神经网络的无参考图像质量评价的研究[J];国外电子测量技术;2017年11期

2 周鹏;刘静;王春方;孙畅;王学民;杜金刚;明东;;磁诱导对脑卒中患者运动康复的影响研究[J];电子测量与仪器学报;2017年08期

3 安兴伟;曹勇;焦学军;明东;;基于视听交互刺激的认知机理与脑机接口范式研究进展[J];电子测量与仪器学报;2017年07期

4 王春方;孙长城;明东;杜金刚;;脑卒中后抑郁患者脑电信号长时程相关性分析[J];仪器仪表学报;2017年06期

5 王仲朋;陈龙;何峰;万柏坤;明东;;面向康复与辅助应用的脑-机接口趋势与展望[J];仪器仪表学报;2017年06期

6 黄长琴;钟艳;;脑卒中患者运动功能障碍康复治疗新进展[J];检验医学与临床;2017年03期

7 郭湛超;覃玉荣;龙安;;基于视觉通路的脑电信号频谱能量分布研究[J];电子测量技术;2016年09期

8 于路;薄华;;基于改进EMD的运动想象脑电信号识别算法研究[J];微型机与应用;2016年09期

9 杜凯;王莉;冯正权;张晔;邱明国;;应用fNIRS技术对运动执行与运动想象脑激活模式的研究[J];第三军医大学学报;2015年20期

10 谢平;吴晓光;牛小辰;陈晓玲;郭子晖;杜义浩;;运动观察与运动想象的皮层节律活动与神经生理机制[J];中国科学:生命科学;2015年07期

相关博士学位论文 前4条

1 曹艳;植入式脑机接口中微电刺激信息反馈和神经信息约简的研究[D];浙江大学;2016年

2 王莉;应用脑功能成像技术研究脑卒中运动想象疗法神经康复机制[D];重庆大学;2015年

3 孙莉敏;运动想象训练促进脑卒中患者功能恢复的功能磁共振（fMRI）研究[D];复旦大学;2013年

4 姜涛;基于皮质脑电的脑运动区功能定位原理与算法研究[D];华南理工大学;2010年

相关硕士学位论文 前4条

1 张琪涵;运动执行与运动想象大脑激活模式的比较[D];天津师范大学;2016年

2 孔丽文;基于智能眼镜的BCI技术研究[D];天津职业技术师范大学;2014年

3 董康;不同视觉刺激方式下的左右手运动想象脑电信号模式识别研究[D];杭州电子科技大学;2013年

4 孙长城;基于三维编码刺激序列的视觉P300-Speller诱发ERP研究[D];天津大学;2012年

本文编号：2626690