作為阿爾茲海默癥（Alzheimers Disease,AD）的前期階段,輕度認知障礙（Mild Cognitive Impairment,MCI）的診斷日益受到社會各界的廣泛關(guān)注。其中,腦電（electroencephalogram,EEG）數(shù)據(jù)的耦合特征成為了AD和MCI早期識別的重要生物標(biāo)記。但是目前的方法大多只針對兩兩腦區(qū)之間的耦合關(guān)系,較少考慮其他通道對這耦合關(guān)系的影響,基于此本文提出了一種多維EEG信號耦合特征提取方法并通過實驗找到了最適合用于此特征分類的快速學(xué)習(xí)網(wǎng)（fast learning network,FLN）分類器。首先,本文研究了與排序條件互信息耦合特征最佳組合的FLN分類方法。將排序條件互信息（permutation conditional mutual information,PCMI）提取到的耦合特征輸入到多種主流分類器中,對具有遺忘性輕度認知障礙（amnestic Mild Cognitive Impairment,aMCI）的II型糖尿�。╰ype 2 diabetes mellitus,T2DM）患者與對照（NC）組不同腦區(qū)不同頻段的EEG信號進行分... 

【文章來源】：燕山大學(xué)河北省

【文章頁數(shù)】：85 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題背景及研究的目的與意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 MCI腦電數(shù)據(jù)分類研究現(xiàn)狀
        1.2.2 MCI腦電信號耦合特征分析研究現(xiàn)狀
    1.3 本文的研究目標(biāo)與主要研究內(nèi)容
    1.4 本文的組織結(jié)構(gòu)
第2章 腦電數(shù)據(jù)識別方法基礎(chǔ)
    2.1 常用腦電信號分類的基本方法
        2.1.1 快速學(xué)習(xí)網(wǎng)絡(luò)FLN
        2.1.2 極限學(xué)習(xí)機ELM
        2.1.3 支持向量機SVM
        2.1.4 BP神經(jīng)網(wǎng)絡(luò)
    2.2 常用耦合特征提取的基本方法
        2.2.1 PCMI方法
        2.2.2 GCA方法
        2.2.3 MVGC方法
    2.3 本章小結(jié)
第3章 基于PCMI與FLN的EEG數(shù)據(jù)分類方法
    3.1 PCMI與傳統(tǒng)分類器構(gòu)成最優(yōu)分類方法實驗
        3.1.1 受試者樣本
        3.1.2 預(yù)處理
        3.1.3 實驗過程
    3.2 本章小結(jié)
第4章 基于MPCMI的EEG數(shù)據(jù)耦合特征提取方法
    4.1 MPCMI方法
    4.2 模型仿真分析
        4.2.1 多通道神經(jīng)元群模型
        4.2.2 仿真數(shù)據(jù)實驗
    4.3 MCI真實EEG數(shù)據(jù)實驗
        4.3.1 樣本
        4.3.2 預(yù)處理過程
        4.3.3 分類實驗過程
    4.4 本章小結(jié)
第5章 基于MPCMI的EEG信號分類方法
    5.1 基于PCMI的EEG信號分類方法實驗結(jié)果與分析
        5.1.1 alpha1頻段結(jié)果
        5.1.2 alpha2頻段結(jié)果
    5.2 基于MPCMI的EEG信號耦合特征仿真實驗結(jié)果與分析
        5.2.1 延遲時間與嵌入維數(shù)對MPCMI與PCMI方法的影響
        5.2.2 耦合系數(shù)對MPCMI、PCMI、MVGC與GCA方法的影響
        5.2.3 頻段對MPCMI、PCMI、MVGC與GCA方法的影響
        5.2.4 噪聲對MPCMI、PCMI、MVGC與GCA方法的影響
        5.2.5 基于MNMM模型的對比實驗結(jié)果分析
    5.3 基于MPCMI的真實EEG信號分類方法實驗結(jié)果
        5.3.1 alpha1頻段
        5.3.2 alpha2頻段
        5.3.3 基于MPCMI的真實EEG信號分類方法實驗結(jié)果分析
    5.4 本章小結(jié)
結(jié)論
參考文獻
攻讀碩士學(xué)位期間承擔(dān)的科研任務(wù)與主要成果
致謝


【參考文獻】：
期刊論文
[1]Multi-channel neural mass modelling and analyzing[J]. CUI Dong 1 , LI XiaoLi 2 , JI XueQing 3 & LIU LanXiang 3 1 Institute of Information Science and Engineering, Yanshan University, Qinhuangdao 066004, China; 2 Institute of Electrical Engineering, Yanshan University, Qinhuangdao 066004, China; 3 The No.1 Hospital of Qinhuangdao, Qinhuangdao 066000, China.  Science China（Information Sciences）. 2011(06)

博士論文
[1]新型人工智能技術(shù)研究及其在鍋爐燃燒優(yōu)化中的應(yīng)用[D]. 李國強.燕山大學(xué) 2013



本文編號：3150305