【摘要】：孤獨(dú)癥譜系障礙是一種涉及社交、情緒、認(rèn)知和行為的異質(zhì)神經(jīng)發(fā)育障礙。近些年來,隨著孤獨(dú)癥患病人數(shù)逐年遞增,孤獨(dú)癥人群越來越受到國內(nèi)外的廣泛關(guān)注,但目前發(fā)病機(jī)制仍不明確,臨床診斷主要依靠行為觀察和評估量表的方式,具有一定主觀性,因此客觀指標(biāo)對于孤獨(dú)癥評估診斷具有重要意義。而腦電圖(EEG)作為一種非侵入性的記錄工具,主要用于測量與大腦皮層突觸活動相關(guān)的神經(jīng)生理變化,已經(jīng)廣泛用于神經(jīng)障礙研究。本文主要從功率譜密度、信息熵和連接性三個方面進(jìn)行多方法腦電特征提取以及分類算法研究,通過對孤獨(dú)癥兒童識別,研究提取腦電特征的有效性。首先,本文采集了51名孤獨(dú)癥兒童(3-7歲)和50名年齡匹配的正常兒童的5分鐘睜眼靜息態(tài)腦電信號。經(jīng)過篩選,最終被試組由45名孤獨(dú)癥兒童和44名正常兒童組成。然后對腦電信號進(jìn)行預(yù)處理,去除工頻、眼電、肌電等偽跡,得到較為干凈的腦電信號數(shù)據(jù)。然后將預(yù)處理后的數(shù)據(jù)分別從功率譜密度、信息熵和連接性三個方面進(jìn)行特征提取。功率譜密度主要從相對功率和快慢波比進(jìn)行分析,信息熵主要從近似熵、樣本熵、排序熵、小波熵以及多尺度熵角度分析,而連接性主要分析腦電信號的相干性和相位同步指數(shù)。對于每種方法所提取的特征,選用支持向量機(jī)(SVM)求出單一特征量的分類準(zhǔn)確率,比較各指標(biāo)的分類精度,然后經(jīng)過置換檢驗(yàn)方法進(jìn)行特征選擇,找到最佳特征子集,進(jìn)行特征融合,使用SVM算法根據(jù)特征子集對兩組兒童進(jìn)行分類,建立有效分類模型。結(jié)果表明孤獨(dú)癥兒童功率譜與正常兒童有顯著差異。孤獨(dú)癥組delta頻段相對功率明顯增加,alpha頻段明顯降低,在全腦的分類準(zhǔn)確率分別為70.33%、73.00%。此外,孤獨(dú)癥組近似熵、樣本熵和小波熵明顯低于正常對照組;小波熵作為衡量孤獨(dú)癥腦電信號復(fù)雜度最有效的方法,分類精度達(dá)到70.80%。近似熵、樣本熵、和排序熵的分類準(zhǔn)確率分別為58.40%、65.20%、68.50%。連接性方法顯示孤獨(dú)癥組在delta頻段相干性結(jié)果和相位同步指數(shù)顯著增加;相干性和相位同步指數(shù)分類準(zhǔn)確率分別為72.80%、71.90%。最后綜合所有分析方法,經(jīng)過特征選擇選取了13個指標(biāo)組成有效特征子集,最終分類精度達(dá)到91.01%。本文從臨床應(yīng)用角度出發(fā),挖掘能夠有效識別孤獨(dú)癥兒童與正常兒童差別的腦電特征,經(jīng)過特征融合建立分類模型,對于孤獨(dú)癥臨床輔助診斷提供了另一種客觀有效的方法,希望未來對孤獨(dú)癥早期發(fā)現(xiàn)提供幫助。
【學(xué)位授予單位】：河北大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：TN911.7;TP391.41

【參考文獻(xiàn)】

相關(guān)期刊論文 前1條

1 張峰;石現(xiàn)峰;張學(xué)智;;Welch功率譜估計算法仿真及分析[J];西安工業(yè)大學(xué)學(xué)報;2009年04期

本文編號：2742419