腦電信號(hào)是大量神經(jīng)元同步發(fā)生的突觸后電位總和行成的信號(hào),其中包含了大量的生理和病理信息,可以反映一個(gè)人的腦活動(dòng)狀態(tài)。大量研究表明,精神分裂癥病人和正常人的腦電信號(hào)特征區(qū)分明顯,因此借助腦電特征進(jìn)行精神分裂癥病人的診斷,已成為許多專家學(xué)者的研究課題。傳統(tǒng)的精神分裂癥診斷是基于心理醫(yī)生的主觀判斷,雖然借助了臨床診斷量表,但是結(jié)果的主觀性和誤判率仍然比較高。隨著機(jī)器學(xué)習(xí)技術(shù)的興起,這項(xiàng)技術(shù)被越來越多的研究者應(yīng)用到該類疾病診斷中,并已有不少研究人員證明了該課題研究的可行性及意義。近年來隨著腦機(jī)接口(BCI)技術(shù)的發(fā)展,腦電生理特征已成為監(jiān)測視覺,運(yùn)動(dòng),想象及病理的重要指標(biāo)。大多數(shù)基于腦電特征如ERP峰值幅度,功率譜等的精神分裂癥診斷的研究已經(jīng)取得了不錯(cuò)的結(jié)果。由于腦電特征數(shù)目遠(yuǎn)遠(yuǎn)大于被試數(shù)目,在構(gòu)建分類模型中往往會(huì)有精度不夠和過擬合的問題。因此,本研究在使用腦電特征進(jìn)行模型構(gòu)建之前,先使用特征選擇算法進(jìn)行特征篩選,不僅能減少特征冗余,而且大大提高了診斷模型的準(zhǔn)確率和魯棒性,同時(shí)也降低了診斷系統(tǒng)復(fù)雜度。本文主要使用了4種filter式特征選擇算法,分別是Relieff,MI,SD,mRMR,并對...

【文章頁數(shù)】：85 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
符號(hào)對照表
縮略語對照表
第一章 緒論
    1.1 研究背景、目的與意義
        1.1.1 研究背景
        1.1.2 研究目的
        1.1.3 研究意義
    1.2 腦電信號(hào)的雙水平分析方法
        1.2.1 腦電信號(hào)的雙水平分析方法概述
        1.2.2 腦電信號(hào)的雙水平分析方法研究現(xiàn)狀
    1.3 本課題的主要研究內(nèi)容與實(shí)驗(yàn)設(shè)計(jì)
第二章 雙水平特征提取方法介紹
    2.1 基于傳感器水平分析的P300特征集提取
        2.1.1 P300在精神分裂癥診斷中的價(jià)值
        2.1.2 P300特征提取
    2.2 基于傳感器水平分析的時(shí)域及頻域特征提取
    2.3 基于源水平分析的特征提取
        2.3.1 源定位分析方法介紹
        2.3.2 源定位分析方法在精神分裂癥中的應(yīng)用
        2.3.3 布羅德曼分區(qū)
    2.4 本章小結(jié)
第三章 精神分裂癥診斷系統(tǒng)構(gòu)建的相關(guān)算法介紹
    3.1 filter式特征選擇算法
        3.1.1 Relieff算法
        3.1.2 mRMR算法
        3.1.3 SD算法
        3.1.4 MI算法
    3.2 分類器選擇
    3.3 診斷模型評估
    3.4 本章小結(jié)
第四章 精神分裂癥診斷系統(tǒng)構(gòu)建
    4.1 實(shí)驗(yàn)設(shè)計(jì)
        4.1.1 實(shí)驗(yàn)對象
        4.1.2 odd-ball實(shí)驗(yàn)范式
        4.1.3 數(shù)據(jù)采集
    4.2 數(shù)據(jù)預(yù)處理
        4.2.1 數(shù)據(jù)檢查
        4.2.2 帶通濾波
        4.2.3 ICA去偽
        4.2.4 數(shù)據(jù)分段
    4.3 特征提取
    4.4 特征選擇
    4.5 模型構(gòu)建及評估
    4.6 本章小結(jié)
第五章 結(jié)果與分析
    5.1 雙水平特征集對分類結(jié)果的影響
    5.2 不同特征選擇算法對結(jié)果的影響
    5.3 最優(yōu)模型所使用的特征分析
    5.4 實(shí)驗(yàn)結(jié)果討論與分析
    5.5 本章小結(jié)
第六章 總結(jié)與展望
    6.1 工作總結(jié)
    6.2 工作展望
參考文獻(xiàn)
致謝
作者簡介



本文編號(hào)：3891313