基于内部组成对齐和Kendall的职业紧张脑电分析
发布时间:2020-11-21 15:40
职业紧张是目前众多领域中研究的一个热点。经济的发展和社会生产方式的变革使得越来越多的人在自己的职业岗位上感受到了紧张与压力。职业紧张测量工具量表可以从宏观上测出被试者的职业紧张状况,但由于使用的差异仍存在许多问题。脑电信号中包含很多重要的生理信息,大脑皮层对外界刺激产生的行为可以通过脑电信号反映出来。利用脑电信号构建网络并分析其拓扑属性能为职业紧张的临床判断提供思路。本文通过分析护士和学生的脑网络从而判别出两者之间不同的职业紧张程度,研究结果如下:1.基于内部组成对齐的脑电原始信号以及节律信号的分析。选取16导联脑电信号,利用内部组成对齐(Inner Composition Alignment,IOTA)方法对学生和护士样本构建脑网络,并选取参数分析样本之间的脑网络差异性。利用特征提取技术对原始脑电信号进行处理得到节律信号,分析两组样本间节律信号的差异。结果表明,护士的脑网络拓扑结构明显复杂于学生的脑网络,原始脑电信号和节律信号中的β节律能够有效区分护士和学生的IOTA系数以及脑网络拓扑属性。2.基于Kendall的脑电原始信号以及节律信号的分析。采用Kendall等级相关方法对脑电信号作非线性处理。通过构建分析护士和学生的脑网络,研究不同脑电信号之间是否具有差异性。应用节律信号构建网络,比较两组样本间的差异。采用独立样本T检验用于检测结果是否具有可信性。结果显示,在原始信号和β节律信号下,护士样本的Kendall系数明显高于学生的Kendall系数,两者的平均度和聚类系数也有显著的区别。验证了Kendall方法能用于区分学生和护士的脑电信号。3.基于安卓平台的系统设计与实现。将本文研究的IOTA和Kendall算法功能实现于APP中。采用Java语言编程开发APP软件,该系统可以完成一系列功能,包括数据的处理,算法的运行,结果的显示以及均值方差图的实现。通过对IOTA算法和Kendall算法的研究,发现两种算法都能有效区分不同组样本的脑网络。对原始脑电信号和节律信号进行分析时,结果是原始脑电信号和β节律信号可以区分两组数据,而其他三种节律信号效果均不明显。因此,可以应用IOTA算法和Kendall算法基于原始信号或β节律信号研究样本之间脑网络的差异。
【学位单位】:南京邮电大学
【学位级别】:硕士
【学位年份】:2017
【中图分类】:R131;TN911.6
【文章目录】:
摘要
abstract
第一章 绪论
1.1 紧张和职业紧张概念
1.2 职业紧张研究现状
1.3 职业紧张研究意义
1.4 论文结构及内容安排
第二章 EEG与脑网络
2.1 复杂网络
2.2 脑电信号基础知识
2.2.1 EEG概念
2.2.2 EEG的采集
2.2.3 EEG预处理
2.3 脑网络构建
2.4 本章小结
第三章 基于IOTA的脑网络构建与分析
3.1 内部组成对齐算法
3.2 数据介绍
3.2.1 数据来源
3.2.2 数据预处理
3.3 脑网络构建
3.4 实验结果分析
3.5 差异性检验
3.6 脑电节律信号
3.6.1 节律信号特征与划分
3.6.2 基于节律信号的仿真结果分析
3.7 本章小结
第四章 基于Kendall的职业紧张分析
4.1 Kendall等级相关算法
4.2 数据介绍
4.3 脑网络构建
4.4 实验结果分析
4.4.1 Kendall系数
4.4.2 平均度
4.4.3 聚类系数
4.5 节律信号的实验结果分析
4.5.1 Kendall系数
4.5.2 脑网络拓扑属性分析
4.6 本章小结
第五章 基于Android的系统开发实现
5.1 Android相关知识简介
5.2 应用软件开发
5.3 本章小结
第六章 总结与展望
6.1 总结
6.2 展望
参考文献
附录1 攻读硕士学位期间撰写的论文
附录2 攻读硕士学位期间参加的科研项目
致谢
【参考文献】
本文编号:2893230
【学位单位】:南京邮电大学
【学位级别】:硕士
【学位年份】:2017
【中图分类】:R131;TN911.6
【文章目录】:
摘要
abstract
第一章 绪论
1.1 紧张和职业紧张概念
1.2 职业紧张研究现状
1.3 职业紧张研究意义
1.4 论文结构及内容安排
第二章 EEG与脑网络
2.1 复杂网络
2.2 脑电信号基础知识
2.2.1 EEG概念
2.2.2 EEG的采集
2.2.3 EEG预处理
2.3 脑网络构建
2.4 本章小结
第三章 基于IOTA的脑网络构建与分析
3.1 内部组成对齐算法
3.2 数据介绍
3.2.1 数据来源
3.2.2 数据预处理
3.3 脑网络构建
3.4 实验结果分析
3.5 差异性检验
3.6 脑电节律信号
3.6.1 节律信号特征与划分
3.6.2 基于节律信号的仿真结果分析
3.7 本章小结
第四章 基于Kendall的职业紧张分析
4.1 Kendall等级相关算法
4.2 数据介绍
4.3 脑网络构建
4.4 实验结果分析
4.4.1 Kendall系数
4.4.2 平均度
4.4.3 聚类系数
4.5 节律信号的实验结果分析
4.5.1 Kendall系数
4.5.2 脑网络拓扑属性分析
4.6 本章小结
第五章 基于Android的系统开发实现
5.1 Android相关知识简介
5.2 应用软件开发
5.3 本章小结
第六章 总结与展望
6.1 总结
6.2 展望
参考文献
附录1 攻读硕士学位期间撰写的论文
附录2 攻读硕士学位期间参加的科研项目
致谢
【参考文献】
相关期刊论文 前10条
1 徐金平;李朝林;赵容;;国内核心期刊有关职业紧张论文的文献计量分析[J];职业卫生与应急救援;2015年01期
2 董泽芹;侯凤贞;戴加飞;刘新峰;李锦;王俊;;基于Kendall改进的同步算法癫痫脑网络分析[J];物理学报;2014年20期
3 兰亚佳;张洋;;职业紧张研究现状与展望[J];川北医学院学报;2014年01期
4 李健;朱陶;陈赛男;熊建;张树山;;律师职业紧张与职业生命质量的关系研究[J];中华疾病控制杂志;2013年09期
5 徐欣;周运;马千里;;EEG数据信号的Matlab滤波仿真设计分析研究[J];南京邮电大学学报(自然科学版);2011年06期
6 赵春煜;邱天爽;;基于典型相关分析和小波变换的眼电伪迹去除[J];北京生物医学工程;2011年05期
7 徐宝国;宋爱国;费树岷;;在线脑机接口中脑电信号的特征提取与分类方法[J];电子学报;2011年05期
8 孙俊峰;洪祥飞;童善保;;复杂脑网络研究进展——结构、功能、计算与应用[J];复杂系统与复杂性科学;2010年04期
9 连玉龙;刘继文;张晨;袁芳;;基于中小学教师人群的脑力劳动者职业紧张评价体系的初步研究[J];卫生研究;2010年05期
10 戴俊明;余慧珠;吴建华;吴翠娥;傅华;;不同职业紧张因子与抑郁症状的关联分析[J];卫生研究;2010年03期
相关博士学位论文 前1条
1 叶柠;基于脑电信号的脑—机接口的关键技术与实验研究[D];东北大学;2010年
本文编号:2893230
本文链接:https://www.wllwen.com/yixuelunwen/yufangyixuelunwen/2893230.html
最近更新
教材专著