神經(jīng)精神疾病會引起腦電的異常活動,進(jìn)而誘發(fā)大腦功能異常,如癲癇病、阿爾茲海默癥等,這些疾病通常難以檢測、診斷和治療,給患者乃至社會帶來了繁重的壓力。因此,異常腦電信號的分析成為神經(jīng)科學(xué)的重要研究方向之一。大腦不同節(jié)律的耦合狀態(tài)被證明與大腦的認(rèn)知、記憶等活動密切相關(guān),交叉頻率耦合分析從腦電信號不同節(jié)律之間相互作用的角度刻畫其特征,具有明顯的優(yōu)點。本文提出利用交叉頻率相幅和多尺度相位耦合對異常腦電數(shù)據(jù)進(jìn)行分析,刻畫反映大腦不同狀態(tài)下的腦電特征。（1）對波恩大學(xué)的顱內(nèi)腦電數(shù)據(jù)和麻省理工學(xué)院的頭皮腦電數(shù)據(jù)采用相幅耦合的調(diào)制指數(shù)方法進(jìn)行了特征提取,發(fā)現(xiàn)健康對照組、癲癇發(fā)作間期和癲癇發(fā)作期的相幅耦合程度依次增強,被調(diào)制幅值的頻率依次升高;調(diào)制指數(shù)數(shù)值在癲癇發(fā)作間期和癲癇發(fā)作期中間存在明顯的上升趨勢,在癲癇發(fā)作期的中后段顯著下降,可以考慮作為預(yù)測癲癇發(fā)作起始和結(jié)束的參考。（2）通過支持向量機對兩類數(shù)據(jù)的特征進(jìn)行分類實驗,在健康對照組同癲癇發(fā)作期的分類實驗中,分類準(zhǔn)確率達(dá)到100%;對癲癇發(fā)作期和癲癇發(fā)作間期顱內(nèi)腦電數(shù)據(jù)和頭皮腦電數(shù)據(jù)進(jìn)行分類時,分別得到了 97.67%和97.50%的分類準(zhǔn)確率。上述... 

【文章來源】：天津大學(xué)天津市 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：76 頁

【學(xué)位級別】：碩士

【部分圖文】：

腦電?

——＾ｉ＾￣Ｊ??圖１－１腦電圖各節(jié)律示例??ｄｅｌｔａ節(jié)律（＜４Ｈｚ），幅值一般在ｌＯＯ＾ｉＶ左右，常在額部出現(xiàn)，主要出現(xiàn)在??睡眠期，很難在清醒狀態(tài)的腦電圖中觀測到，在腦疾病產(chǎn)生時可能會出現(xiàn)持續(xù)的??局灶性ｄｅｌｔａ波。??ｔｈｅｔａ節(jié)律（４－７Ｈｚ），多見于中央頂區(qū)、顳葉區(qū)，在困倦和睡眠的某一特定??階段出現(xiàn)，持續(xù)的局灶性ｔｈｅｔａ波也為異常狀態(tài)。??ａｌｐｈａ節(jié)律（８－１３Ｈｚ），幅值為ｌＯ－ｌＯＯ＾Ｖ，類正弦波形，是腦電信號中的基??本節(jié)律，在枕區(qū)幅值最高。Ａｌｐｈａ波是正常個體在安靜和閉目放松的清醒狀態(tài)時??最主要的節(jié)律，在睜眼時則會被抑制。??ｂｅｔａ節(jié)律（１４－３０ＨＺ）

常腦電發(fā)作機理具有重要意義。??１．４研究思路??本文的研宄思路如圖１－３所示。本文基于交叉頻率耦合方法，對異常腦電信??號進(jìn)行了研宄和分析。首先通過神經(jīng)集群模型產(chǎn)生的模型數(shù)據(jù)，驗證交叉頻率耦??合中相幅耦合的調(diào)制指數(shù)方法的可行性；對真實采集的阿爾茲海默癥數(shù)據(jù)、癲癇??患者顱內(nèi)癲癇數(shù)據(jù)、頭皮癲癇數(shù)據(jù)以及健康對照組腦電數(shù)據(jù)進(jìn)行預(yù)處理，進(jìn)而針??對處理后的數(shù)據(jù)進(jìn)行交叉頻率相幅耦合分析，并提取不同腦電狀態(tài)下相應(yīng)的調(diào)制??指數(shù)特征；基于提取的腦電特征，對支持向量機分類器進(jìn)行訓(xùn)練并通過訓(xùn)練得到??的分類器進(jìn)行分類實驗測試，驗證交叉頻率耦合方法對檢測癲癇腦電不同狀態(tài)的??分類效率；基于從三類真實腦電數(shù)據(jù)中提取到的調(diào)制指數(shù)特征，分析阿爾茲海默??癥患者與正常人腦電的交叉頻率耦合在不同腦區(qū)的差異，分析癲癇發(fā)作的腦電節(jié)??律變化機制

【參考文獻(xiàn)】：
期刊論文
[1]Approximate entropy and support vector machines for electroencephalogram signal classification[J]. Zhen Zhang,Yi Zhou,Ziyi Chen,Xianghua Tian,Shouhong Du,Ruimei Huang.  Neural Regeneration Research. 2013(20)
[2]支持向量機理論與算法研究綜述[J]. 丁世飛,齊丙娟,譚紅艷.  電子科技大學(xué)學(xué)報. 2011(01)
[3]說話人識別中支持向量機核函數(shù)參數(shù)優(yōu)化研究[J]. 劉祥樓,賈東旭,李輝,姜繼玉.  科學(xué)技術(shù)與工程. 2010(07)
[4]癲癇腦電的雙譜特性研究[J]. 李昌強,黃力宇,鞠烽熾,黃遠(yuǎn)桂,程敬之.  北京生物醫(yī)學(xué)工程. 2004(01)
[5]特征選擇和SVM訓(xùn)練模型的聯(lián)合優(yōu)化[J]. 陳光英,張千里,李星.  清華大學(xué)學(xué)報(自然科學(xué)版). 2004(01)
[6]雙譜分析在腦電信號處理中的應(yīng)用[J]. 陳力,吳祈耀.  北京理工大學(xué)學(xué)報. 1992(03)

博士論文
[1]癲癇腦電的分類識別及自動檢測方法研究[D]. 袁琦.山東大學(xué) 2014
[2]癲癇腦電信號的非線性分析[D]. 李紅利.天津大學(xué) 2012
[3]多通道腦電信號建模及同步分析[D]. 崔冬.燕山大學(xué) 2011

碩士論文
[1]基于混沌的癲癇腦電波分析與識別[D]. 王川.山東師范大學(xué) 2015
[2]基于閉環(huán)控制的神經(jīng)元及集群癲癇狀態(tài)的研究[D]. 張麗媛.天津大學(xué) 2014
[3]基于顱內(nèi)腦電的癲癇腦網(wǎng)絡(luò)研究[D]. 霍亞軍.電子科技大學(xué) 2014



本文編號：3488259