【摘要】：腦電信號(hào)(Electroencephalogram,EEG)是由大腦細(xì)胞群進(jìn)行生命活動(dòng)所產(chǎn)生的一種自發(fā)性的電活動(dòng),其中隱藏了許多的與人類意識(shí)活動(dòng)相關(guān)的信息,人類對(duì)于腦電信號(hào)的研究一直處于一個(gè)增長(zhǎng)的態(tài)勢(shì),伴隨著機(jī)器學(xué)習(xí)技術(shù)的發(fā)展以及人類對(duì)于醫(yī)療健康的需求,越來(lái)越多的國(guó)家開始重視并大力發(fā)展以大腦為研究對(duì)象的腦計(jì)劃項(xiàng)目,通過分析腦電信號(hào),來(lái)解密腦電信號(hào)中所隱藏的潛在信息。腦電信號(hào)分析的一個(gè)重要的方面就是通過提取有用的信息來(lái)理解腦電信號(hào)。利用這些提取的特征,可以判斷他們所反映的模式或者異常,進(jìn)而對(duì)腦電信號(hào)進(jìn)行分類或者回歸。因此,如何更加有效的提取特征并轉(zhuǎn)化為有用的信息成為當(dāng)前國(guó)內(nèi)外研究的熱點(diǎn)。目前,對(duì)于腦電信號(hào)的特征提取主要利用機(jī)器學(xué)習(xí)的方法,該方法無(wú)需進(jìn)行過多的人為參與,僅僅通過訓(xùn)練即可獲得有效的特征,本文以機(jī)器學(xué)習(xí)的方法為基礎(chǔ),針對(duì)腦電信號(hào)當(dāng)中的P300信號(hào),先是提出了一種半監(jiān)督判別分析(Semi-supervised Discriminant Analysis,SDA)的特征提取方法,然后在此基礎(chǔ)上又提出了 一種收縮半監(jiān)督判別分析(Semi-supervised Regularized Discriminant Analysis,SRDA)的特征提取方法,不斷提高了在小樣本情況下的識(shí)別準(zhǔn)確率。對(duì)于麻醉手術(shù)中的腦電信號(hào),設(shè)計(jì)了一種基于長(zhǎng)短期記憶網(wǎng)絡(luò)(Long Short-Term Memory,LSTM)的腦電信號(hào)特征提取與麻醉深度監(jiān)測(cè)模型,借助于該模型對(duì)于時(shí)序信號(hào)的優(yōu)勢(shì),對(duì)腦電信號(hào)進(jìn)行特征提取,進(jìn)而監(jiān)測(cè)麻醉深度。本文的主要?jiǎng)?chuàng)新和貢獻(xiàn)主要在以下三個(gè)方面:(1)提出了基于半監(jiān)督判別分析的特征提取方法。該算法在原始的線性判別分析(Linear Discriminant Analysis,LDA)的基礎(chǔ)上,對(duì)目標(biāo)函數(shù)進(jìn)行了改進(jìn)。首先通過一個(gè)關(guān)系矩陣將有標(biāo)簽數(shù)據(jù)與無(wú)標(biāo)簽數(shù)據(jù)進(jìn)行連接,然后將該矩陣作為懲罰項(xiàng)對(duì)目標(biāo)函數(shù)進(jìn)行優(yōu)化,從而得到新的目標(biāo)函數(shù)。該算法在BCI競(jìng)賽III數(shù)據(jù)集上進(jìn)行了測(cè)試,取得了優(yōu)于傳統(tǒng)方法的識(shí)別準(zhǔn)確度。(2)提出了基于收縮半監(jiān)督判別分析的特征提取方法。該方法在半監(jiān)督判別分析的基礎(chǔ)上進(jìn)行了改進(jìn),對(duì)數(shù)據(jù)的總體散度進(jìn)行收縮,進(jìn)而優(yōu)化目標(biāo)函數(shù),從而提高小樣本下的識(shí)別準(zhǔn)確率。(3)設(shè)計(jì)了一種基于長(zhǎng)短期記憶網(wǎng)絡(luò)(Long-Short Term Memory,LSTM)的腦電信號(hào)麻醉深度特征提取模型,該算法首先對(duì)腦電信號(hào)進(jìn)行預(yù)處理,然后提取腦電信號(hào)的熵特征,頻譜特征作為輸入放到LSTM網(wǎng)絡(luò)中進(jìn)行訓(xùn)練,將多個(gè)特征融合為一個(gè)特征,最終將特征進(jìn)行回歸處理,得到麻醉深度指數(shù)。實(shí)驗(yàn)結(jié)果表明,該方法具有更高的預(yù)測(cè)準(zhǔn)確率。為麻醉深度監(jiān)測(cè)的進(jìn)一步發(fā)展找到了方向。
【學(xué)位授予單位】：山東大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：R318;TN911.7
【圖文】：

其應(yīng)用場(chǎng)景的不同，提取的特征形式也有所不同，在腦－機(jī)接口系統(tǒng)中，對(duì)于腦電逡逑信號(hào)的特征提取往往轉(zhuǎn)換為固定的類別特征，將不同的類別作為指令對(duì)外界設(shè)備逡逑進(jìn)行控制。其主要的形式如圖１－１所示：逡逑邐＂１邋邐邋邐逡逑數(shù)據(jù)預(yù)處理邐？特征提取邋邐？分類逡逑腦－機(jī)接口系統(tǒng)逡逑信號(hào)采集邐ｆ邋邋邋逡逑邐＾＾邐傳輸逡逑！逡逑邐逡逑圖ｉ－ｉ腦－機(jī)接口逡逑而在麻醉深度監(jiān)測(cè)的系統(tǒng)中，對(duì)于腦電信號(hào)的特征提取往往是轉(zhuǎn)換為一個(gè)麻逡逑醉指標(biāo)，通常在０－１００（０代表麻醉，１００代表清醒）之間，其主要形式如圖１－２所逡逑示：逡逑數(shù)據(jù)預(yù)處理邐？特征提取邐？回歸逡逑Ｖ邐Ｊ邐邐邋邐邐／逡逑信號(hào)采集邐顯示逡逑邐邐邋

方式是指在頭皮出安放電極采集腦電信號(hào)，該方法采集腦電設(shè)備簡(jiǎn)單，安全方便，逡逑盡管信噪比較低，但可以通過后期的處理減小這一影響。對(duì)于電極的安放采用國(guó)際逡逑上通用的標(biāo)準(zhǔn)放置，其標(biāo)準(zhǔn)如圖２－１所示：逡逑９＠邋０邋Qi邋＠邋＠邋？逡逑＇邋＠！０技泛Qi逡逑圖２－１電極放置圖［３°］逡逑２．１．３腦電信號(hào)的噪聲及去噪逡逑對(duì)于腦電信號(hào)的采集，在任何情況下都會(huì)不可避免的受到噪聲的影響，通常，逡逑采集的腦電信號(hào)中噪聲分為兩類，一類是由受試者本身的生理活動(dòng)產(chǎn)生的噪聲，如逡逑眨眼、眼動(dòng)、心動(dòng)、呼吸等都會(huì)對(duì)腦電信號(hào)的采集過程產(chǎn)生干擾。另一類是外界環(huán)逡逑境所引起的噪聲，采集儀器本身使用交流電會(huì)產(chǎn)生工頻干擾，而設(shè)備的接觸不良也逡逑會(huì)導(dǎo)致采集信號(hào)出現(xiàn)波動(dòng)的情況，外界環(huán)境的電磁干擾同樣會(huì)引起采集的誤差。逡逑為了減少腦電信號(hào)中的噪聲影響，需要對(duì)腦電信號(hào)進(jìn)行去噪處理，較早的去噪逡逑方式是使用偽跡減法［３１］，這種方法需要假設(shè)采集到的信號(hào)是真實(shí)的腦電信號(hào)與噪逡逑聲信號(hào)的線性組合，而且對(duì)于噪聲可以通過設(shè)備獲取，該方法常常用作眼動(dòng)噪聲的逡逑去除。主成分分析的方法也是去噪方法的一種［３２］

【參考文獻(xiàn)】

相關(guān)期刊論文 前2條

1 應(yīng)樂安;王成燾;;腦電信號(hào)非線性分析的人體生理學(xué)與解剖學(xué)基礎(chǔ)[J];自然雜志;2008年02期

2 龍飛,吳小培,范羚;基于獨(dú)立分量分析的腦電噪聲消除[J];生物醫(yī)學(xué)工程學(xué)雜志;2003年03期

本文編號(hào)：2717828