發(fā)布時(shí)間：2022-11-05 15:20

　　疼痛,作為許多疾病的常見(jiàn)癥狀,會(huì)給患者帶來(lái)一定的痛苦。研究表明,疼痛可以通過(guò)客觀方式檢測(cè)出來(lái),尤其幫助失語(yǔ)病人,癱瘓病人等無(wú)法表達(dá)疼痛信息的患者做出疼痛的判斷,并能夠及時(shí)發(fā)現(xiàn)病人疼痛所在并采取相應(yīng)的處理措施,有利于趁早治療疾病,擺脫痛苦。部分檢測(cè)法存在機(jī)理未知、信號(hào)微弱、模型難以建立等缺點(diǎn)。故本文針對(duì)上述缺陷著重于研究一種基于腦電信號(hào)測(cè)量的突發(fā)性疼痛識(shí)別方法,搭建一套完整的疼痛實(shí)驗(yàn)平臺(tái)并不斷完善,最終識(shí)別出疼痛的存在并區(qū)分出產(chǎn)生的位置,在醫(yī)學(xué)方面及社會(huì)方面具有重大意義。本文先說(shuō)明了疼痛的本質(zhì)、目前研究現(xiàn)狀及檢測(cè)疼痛的意義;以腦電信號(hào)作為依據(jù),針對(duì)疼痛與腦電信號(hào)的關(guān)系基礎(chǔ)設(shè)計(jì)了突發(fā)性疼痛識(shí)別方案,給出識(shí)別方法的總體框圖。為保留腦電信號(hào)中被噪聲淹沒(méi)的有用信息,采用中值濾波、帶通濾波、帶阻濾波、希爾伯特-黃變換預(yù)處理的算法進(jìn)行預(yù)處理工作,大幅去除噪聲的同時(shí)保留了有用信息;為探究疼痛時(shí)相對(duì)于放松時(shí)信號(hào)特性的差異,分別采用功率譜密度、短時(shí)傅里葉變換、多重分形去趨勢(shì)波動(dòng)分析方法提取了放松與疼痛時(shí)的特征值并看出明顯區(qū)別;為識(shí)別具體疼痛信息,采用將提取出的特征值送入分類(lèi)器進(jìn)行學(xué)習(xí)分類(lèi)的工作,最終判斷出... 

【文章頁(yè)數(shù)】：75 頁(yè)

【學(xué)位級(jí)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和意義
        1.1.1 課題來(lái)源及研究背景
        1.1.2 研究的目的及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀及分析
        1.2.1 國(guó)外研究現(xiàn)狀
        1.2.2 國(guó)內(nèi)研究現(xiàn)狀
        1.2.3 研究現(xiàn)狀分析及存在的問(wèn)題
    1.3 本文的主要研究?jī)?nèi)容
第2章 基于腦電信號(hào)的疼痛識(shí)別方案設(shè)計(jì)
    2.1 引言
    2.2 方案的確定依據(jù)
        2.2.1 待測(cè)參數(shù)確定
        2.2.2 頻段確定
        2.2.3 預(yù)處理方案確定
        2.2.4 特征提取方案確定
        2.2.5 分類(lèi)方案確定
        2.2.6 數(shù)據(jù)采集方案確定
    2.3 總體設(shè)計(jì)方案
    2.4 本章小結(jié)
第3章 腦電信號(hào)的處理及分析算法
    3.1 引言
    3.2 腦電信號(hào)的預(yù)處理
        3.2.1 基線漂移處理
        3.2.2 高頻干擾處理
        3.2.3 工頻干擾處理
        3.2.4 眼電干擾處理
    3.3 疼痛的特征值提取
        3.3.1 功率譜密度
        3.3.2 短時(shí)傅里葉變換
        3.3.3 去趨勢(shì)波動(dòng)分析
    3.4 疼痛的特征分類(lèi)
    3.5 本章小結(jié)
第4章 疼痛實(shí)驗(yàn)平臺(tái)的搭建
    4.1 引言
    4.2 疼痛實(shí)驗(yàn)器材
        4.2.1 信號(hào)采集儀器
        4.2.2 疼痛刺激源
        4.2.3 腦電地形圖電極固定帽
        4.2.4 盤(pán)狀電極線
        4.2.5 電極耳夾線
        4.2.6 導(dǎo)電膏
    4.3 疼痛實(shí)驗(yàn)準(zhǔn)備
    4.4 本章小結(jié)
第5章 疼痛識(shí)別和定位的實(shí)測(cè)結(jié)果分析
    5.1 引言
    5.2 疼痛實(shí)驗(yàn)過(guò)程
    5.3 固定位置的疼痛識(shí)別實(shí)測(cè)結(jié)果
        5.3.1 預(yù)處理及特征提取結(jié)果
        5.3.2 特征分類(lèi)結(jié)果
    5.4 不同位置的疼痛實(shí)測(cè)結(jié)果
    5.5 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文
致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于腦電信號(hào)特征的駕駛疲勞檢測(cè)方法研究[J]. 祝亞兵,曾友雯,馮珍,時(shí)一凡,李奇.  長(zhǎng)春理工大學(xué)學(xué)報(bào)(自然科學(xué)版). 2016(05)
[2]基于神經(jīng)生理學(xué)的疼痛測(cè)量[J]. 陳睿,唐丹丹,胡理.  心理科學(xué). 2015(05)
[3]生物醫(yī)學(xué)信號(hào)處理研究綜述[J]. 胡廣書(shū),汪夢(mèng)蝶.  數(shù)據(jù)采集與處理. 2015(05)
[4]一種疼痛調(diào)控的新手段:經(jīng)顱直流電刺激[J]. 王靜,萬(wàn)有,李小俚.  中國(guó)疼痛醫(yī)學(xué)雜志. 2015(01)
[5]香港醫(yī)院急性疼痛管理見(jiàn)聞與體會(huì)[J]. 吳杏菊,張海燕,余春燕,莊彩蘭.  全科護(hù)理. 2014(14)
[6]疼痛與大腦活動(dòng)的關(guān)系:基于腦電圖的研究[J]. 王飛宇,吳松濤,王璟.  中國(guó)疼痛醫(yī)學(xué)雜志. 2013(07)
[7]基于典型相關(guān)分析和小波變換的眼電偽跡去除[J]. 趙春煜,邱天爽.  北京生物醫(yī)學(xué)工程. 2011 (05)
[8]磁刺激穴位鎮(zhèn)痛誘發(fā)的腦電信號(hào)特征成分及源定位[J]. 于洪麗,徐桂芝,楊碩,李文文,謝雪.  中國(guó)組織工程研究與臨床康復(fù). 2011(09)
[9]最大熵方法-功率譜密度分析法在時(shí)間序列資料研究中的應(yīng)用[J]. 羅同勇,周敦金,Ayako Sumi,余濱,陳邦華,余松林.  中國(guó)衛(wèi)生統(tǒng)計(jì). 2010(05)
[10]基于相位同步分析方法的抑郁癥腦電信號(hào)的研究[J]. 胡巧莉.  中國(guó)醫(yī)療器械雜志. 2010(04)

博士論文
[1]慢性痛認(rèn)知與治療的腦電信號(hào)分析[D]. 王娟.燕山大學(xué) 2015
[2]基于EEG與fMRI的痛覺(jué)機(jī)制與針灸鎮(zhèn)痛研究[D]. 童基均.浙江大學(xué) 2008

碩士論文
[1]基于短波分選設(shè)備的信號(hào)調(diào)制模式識(shí)別算法的研究[D]. 唐婉.南京理工大學(xué) 2016
[2]細(xì)胞黏附蛋白的篩選[D]. 侯東梅.中南民族大學(xué) 2015
[3]基于RPROP-DE算法的模糊RBF網(wǎng)絡(luò)非線性系統(tǒng)辨識(shí)[D]. 方力智.西南交通大學(xué) 2011
[4]基于Alpha波的腦—機(jī)接口技術(shù)研究[D]. 王國(guó)一.東北大學(xué) 2009
[5]想象運(yùn)動(dòng)的腦電特征提取及分類(lèi)研究[D]. 王蕊.北京工業(yè)大學(xué) 2009
[6]基于小波變換的圖像壓縮及容錯(cuò)編碼研究[D]. 馬俊.南京理工大學(xué) 2003



本文編號(hào)：3702847