本文選題：腦電　切入點(diǎn)：符號(hào)動(dòng)力學(xué)　出處：《南京大學(xué)》2017年博士論文　論文類型：學(xué)位論文

【摘要】：腦疾病診斷和類智腦科學(xué)是當(dāng)前重要的研究方向,中國(guó)、美國(guó)以及歐盟都相繼推出了大腦研究計(jì)劃。我們對(duì)大腦的了解還很有限,目前主要研究方向包括認(rèn)知原理、疾病診斷以及類智工程的研究等,大腦是如何感知外界環(huán)境,比如注意力、學(xué)習(xí)、短期記憶、長(zhǎng)期記憶、大腦的決策機(jī)制、意識(shí)的形成以及對(duì)語(yǔ)言的認(rèn)知等等都有待進(jìn)一步研究。腦電信號(hào)具有高達(dá)毫秒級(jí)的時(shí)間分辨率,頭皮EEG信號(hào)可無(wú)創(chuàng)采集,是研究大腦疾病和認(rèn)知生理學(xué)的重要手段。近年來(lái),認(rèn)知腦電分析一直是腦電分析中的難點(diǎn),這是因?yàn)?一方面,腦電信號(hào)是大量神經(jīng)元突觸后電位經(jīng)顱骨低通濾波后在頭皮的綜合表現(xiàn),是各功能區(qū)神經(jīng)電活動(dòng)在時(shí)、空兩域高度融合的結(jié)果,因此,單導(dǎo)聯(lián)所探測(cè)的腦電信號(hào)并不僅僅來(lái)自于電極所在的局部位置的神經(jīng)元,各個(gè)導(dǎo)聯(lián)間也并不完全相互獨(dú)立;另一方面,大腦在認(rèn)知活動(dòng)中,不同功能區(qū)的復(fù)雜交互與去同步,使得認(rèn)知腦電信號(hào)幅度微小,信噪比低,因而對(duì)于腦電認(rèn)知成分分析和特征提取相對(duì)困難。近年來(lái)機(jī)器學(xué)習(xí)和深度學(xué)習(xí)在多個(gè)領(lǐng)域都取得了矚目的成就,這些方法可以用來(lái)幫助對(duì)腦科學(xué)進(jìn)行研究,同時(shí)腦科學(xué)的進(jìn)步也會(huì)促進(jìn)機(jī)器學(xué)習(xí)和深度學(xué)習(xí)的發(fā)展,比如在圖像自動(dòng)識(shí)別領(lǐng)域使用的卷積神經(jīng)網(wǎng)絡(luò)就是一種仿大腦神經(jīng)元活動(dòng)的方法。一般的認(rèn)知實(shí)驗(yàn)都需要使用事件刺激或手工從腦電信號(hào)中去除偽跡,這都影響其在實(shí)時(shí)反饋中的應(yīng)用,也不利于使用深度學(xué)習(xí)的方法對(duì)腦電信號(hào)進(jìn)行分析。本文提出了基于分立導(dǎo)聯(lián)特征的拓?fù)鋱D、全局皮層連接的拓?fù)鋱D以及提出了基于枕葉導(dǎo)聯(lián)的耦合系數(shù)對(duì)多種認(rèn)知任務(wù)下的腦電信號(hào)進(jìn)行了分析,具體工作主要包括:(1)一方面為了研究注意力活動(dòng)和視覺(jué)刺激對(duì)大腦的哪些部位帶來(lái)影響;另一方面,試圖尋找一種方法能夠在沒(méi)有人工干預(yù)以及不需要手工去除偽跡的情況下,區(qū)分出不同的大腦活動(dòng)。注意力實(shí)驗(yàn)包括三種任務(wù)狀態(tài):字符辨識(shí)、睜眼放松和閉眼放松,前兩種狀態(tài)是對(duì)比注意力集中狀態(tài)下的大腦活動(dòng),后兩種是驗(yàn)證我們提出的方法能夠檢測(cè)到視皮層在視覺(jué)刺激下信號(hào)節(jié)律能量的變化及其非線性動(dòng)力學(xué)性質(zhì)的差異。從非線性的角度,本文使用了基于符號(hào)化樣本熵的拓?fù)鋱D對(duì)腦電信號(hào)進(jìn)行分析,發(fā)現(xiàn)在P4、02、T6和C4導(dǎo)聯(lián)位置有著更高的符號(hào)化樣本熵值,右側(cè)大腦在字符辨識(shí)的腦活動(dòng)中起著比較關(guān)鍵的作用,這一點(diǎn)與神經(jīng)科學(xué)的結(jié)論相一致。也對(duì)整個(gè)測(cè)試組進(jìn)行了統(tǒng)計(jì)檢驗(yàn),所有測(cè)試者都有一致的結(jié)論。尤其在P4和02導(dǎo)聯(lián)位置,注意力集中狀態(tài)下明顯有更大的符號(hào)化樣本熵值,而傳統(tǒng)樣本熵的結(jié)果不夠一致。在時(shí)頻域上,我們提出了相對(duì)節(jié)律能量方法對(duì)實(shí)驗(yàn)結(jié)果進(jìn)行分析,結(jié)果發(fā)現(xiàn)在注意力集中狀態(tài)下,Gamma節(jié)律相對(duì)能量在P4、02和T6也有明顯的增加。在分析睜眼狀態(tài)和閉眼狀態(tài)時(shí),睜眼狀態(tài)下的alpha節(jié)律能量要明顯低于閉眼狀態(tài),從神經(jīng)生理學(xué)知道,視覺(jué)刺激是從視網(wǎng)膜經(jīng)外側(cè)膝狀體到達(dá)大腦后端的視皮層,在睜眼狀態(tài)下alpha節(jié)律的去同步得到加強(qiáng),使用基于符號(hào)化樣本熵的拓?fù)鋱D也得到了一致的結(jié)果。最后,我們從物理和生理兩個(gè)角度進(jìn)行了討論。符號(hào)化樣本熵和節(jié)律相對(duì)能量反映了 EEG動(dòng)力學(xué)的兩個(gè)不同方面,節(jié)律相對(duì)能量反映的是在特定節(jié)律上的頻譜分布,而樣本熵或符號(hào)化樣本熵是對(duì)均勻或集中分布的衡量,與特定的節(jié)律沒(méi)有關(guān)系,因此兩個(gè)參數(shù)描述的信息可以相互補(bǔ)充。(2)提出了基于改進(jìn)Pearson相關(guān)系數(shù)構(gòu)成的腦功能網(wǎng)絡(luò)對(duì)工作記憶下的腦電信號(hào)進(jìn)行分析。設(shè)計(jì)了工作記憶實(shí)驗(yàn),包含三種實(shí)驗(yàn)任務(wù):工作記憶狀態(tài)、安靜放松狀態(tài)和控制狀態(tài)。腦電信號(hào)是非平穩(wěn)的,采樣率的不同會(huì)給相關(guān)性帶來(lái)影響,在不同的頻率范圍進(jìn)行相關(guān)系數(shù)比較時(shí),很難說(shuō)大的相關(guān)系數(shù)就代表大的相關(guān)性,為了避免這兩個(gè)問(wèn)題,本文對(duì)Pearson相關(guān)進(jìn)行了調(diào)校,一方面只對(duì)某些節(jié)律使用Pearson相關(guān),另一方面使用替代數(shù)據(jù)產(chǎn)生對(duì)應(yīng)節(jié)律下相關(guān)系數(shù)的閾值。然后提出了兩個(gè)參數(shù),一個(gè)是連接強(qiáng)度,代表相關(guān)系數(shù)超過(guò)閾值的節(jié)點(diǎn)間的連接;另一個(gè)參數(shù)是節(jié)點(diǎn)強(qiáng)度,表示一個(gè)節(jié)點(diǎn)上所有與其有連接的連接強(qiáng)度之和。然后利用這兩個(gè)參數(shù)構(gòu)成腦功能網(wǎng)絡(luò)拓?fù)鋱D對(duì)工作記憶狀態(tài)下的腦電信號(hào)進(jìn)行分析,我們?cè)赽eta和gamma節(jié)律上得到比較有意義的發(fā)現(xiàn),a)將記憶和控制狀態(tài)與安靜狀態(tài)比較時(shí),beta節(jié)律的拓?fù)鋱D顯示,在T5/T6和01/02上有很強(qiáng)的連接強(qiáng)度,表示與視覺(jué)相關(guān)的腹側(cè)流會(huì)產(chǎn)生較大的激活,這與其它文獻(xiàn)報(bào)道保持一致;b)gamma節(jié)律的拓?fù)鋱D可以看到,左右半腦的內(nèi)部連接強(qiáng)度得到加強(qiáng),而左右半腦間的前后連接變得較弱;c)從將記憶任務(wù)和控制任務(wù)進(jìn)行比較的gamma拓?fù)鋱D上,可以看到在T6導(dǎo)聯(lián)的節(jié)點(diǎn)強(qiáng)度得到加強(qiáng),這給在記憶的形成中,顳葉參與信息的聯(lián)系和處理提供了有力的證據(jù)。更值得一提的是,這是從長(zhǎng)時(shí)間跨度上(1秒到1分鐘)和整個(gè)大腦皮層的空間跨度上捕捉到與工作記憶相關(guān)的腦功能網(wǎng)絡(luò)的連接變化。(3)提出延時(shí)符號(hào)化聯(lián)合熵的方法,將其歸一化到[0,1]的區(qū)間上獲得耦合系數(shù),并用該參數(shù)檢測(cè)腦功能區(qū)域的耦合強(qiáng)度。首先將該方法在經(jīng)典的非線性動(dòng)力學(xué)系統(tǒng)Henon序列進(jìn)行數(shù)值驗(yàn)證,結(jié)果表明符號(hào)化聯(lián)合熵準(zhǔn)確地檢測(cè)出了兩個(gè)Henon系統(tǒng)的耦合度。使用延時(shí)符號(hào)化聯(lián)合熵對(duì)睜眼和閉眼兩種實(shí)驗(yàn)狀態(tài)下的耦合進(jìn)行了分析,在有延時(shí)的情況下,閉眼狀態(tài)的耦合度明顯高于睜眼狀態(tài),在P3、P4、T5和T6尤其明顯。通過(guò)與替代數(shù)據(jù)產(chǎn)生的閾值比較,我們認(rèn)為睜眼狀態(tài)下,延時(shí)耦合強(qiáng)度非常微弱、同步性很小,相反,閉眼狀態(tài)下,導(dǎo)聯(lián)之間有相對(duì)明顯的延時(shí)耦合。我們認(rèn)為符號(hào)化聯(lián)合熵在腦電分析中有如下優(yōu)點(diǎn):1)將4Hz以上的信號(hào)作為整體進(jìn)行分析,而傳統(tǒng)方法需要將腦電信號(hào)分解到不同的頻段;2)該方法在實(shí)驗(yàn)過(guò)程中基本不需要人工干預(yù),非常適合對(duì)腦電信號(hào)進(jìn)行連續(xù)分析;3)與傳統(tǒng)的聯(lián)合熵進(jìn)行比較,符號(hào)化聯(lián)合熵也受益于等概率符號(hào)化方法,能夠排除概率分布的影響、抵御瞬時(shí)大幅度干擾,而且從幅度域上看,它具有變分辨率的特性,在幅度分布集中的地方采用更多的符號(hào)代替,也就有更高的分辨率,而當(dāng)幅度分布稀疏時(shí),采用比較少的符號(hào),即分辨率較低。通過(guò)對(duì)經(jīng)典的Henon數(shù)據(jù)進(jìn)行數(shù)值驗(yàn)證,該算法不僅能夠檢測(cè)兩個(gè)序列間的耦合強(qiáng)度,而且能夠檢測(cè)到耦合的時(shí)間延時(shí)點(diǎn),我們認(rèn)為從符號(hào)化聯(lián)合熵尺度歸一化得到的耦合系數(shù)不僅能很好地檢測(cè)出兩種大腦活動(dòng)狀態(tài)下耦合性的差別,而且該方法對(duì)其它動(dòng)力學(xué)系統(tǒng)或生理信號(hào)也同樣適用。
[Abstract]:......
【學(xué)位授予單位】：南京大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2017
【分類號(hào)】：R318;TN911.7

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 ;腦電信號(hào)處理的研究取得階段性成果[J];河北師范大學(xué)學(xué)報(bào);1987年01期

2 李志瑞;張文杰;;通用腦電信號(hào)處理——微機(jī)系統(tǒng)初探[J];河北師范大學(xué)學(xué)報(bào);1988年Z1期

3 孟欣，，歐陽(yáng)楷;腦電信號(hào)的幾個(gè)非線性動(dòng)力學(xué)分析方法[J];北京生物醫(yī)學(xué)工程;1997年03期

4 吳小培,馮煥清,周荷琴,王濤;獨(dú)立分量分析及其在腦電信號(hào)預(yù)處理中的應(yīng)用[J];北京生物醫(yī)學(xué)工程;2001年01期

5 李英遠(yuǎn),周衛(wèi)東;徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)在腦電信號(hào)建模中的應(yīng)用[J];山東生物醫(yī)學(xué)工程;2002年02期

6 劉大路,江朝暉,馮煥清,王聰;基于腦電信號(hào)時(shí)空分布信息的思維特征研究[J];北京生物醫(yī)學(xué)工程;2004年02期

7 許崇濤,沈民奮,李慧,朱國(guó)平;雙譜分析方法在腦電信號(hào)分析中的應(yīng)用[J];中國(guó)行為醫(yī)學(xué)科學(xué);2004年03期

8 湯曉軍,宋卓,楊卓,張濤;雙任務(wù)事件中腦電信號(hào)的熵計(jì)算(英文)[J];生物物理學(xué)報(bào);2005年05期

9 蔣辰偉;章悅;曹洋;朱國(guó)行;顧凡及;王斌;;腦死亡與腦昏迷腦電信號(hào)的復(fù)雜度研究[J];生物物理學(xué)報(bào);2008年02期

10 李谷;范影樂(lè);龐全;;基于排列組合熵的腦電信號(hào)睡眠分期研究[J];生物醫(yī)學(xué)工程學(xué)雜志;2009年04期

相關(guān)會(huì)議論文 前10條

1 薛蘊(yùn)全;王秋英;王宏;;腦電信號(hào)的動(dòng)態(tài)時(shí)空響應(yīng)拓?fù)鋱D[A];中國(guó)儀器儀表學(xué)會(huì)第三屆青年學(xué)術(shù)會(huì)議論文集（上）[C];2001年

2 王裕清;粱平;郭付清;張登攀;;腦電信號(hào)診斷專家系統(tǒng)的研究[A];中國(guó)生理學(xué)會(huì)第21屆全國(guó)代表大會(huì)暨學(xué)術(shù)會(huì)議論文摘要匯編[C];2002年

3 朱林劍;包海濤;孫守林;梁豐;;新型腦電信號(hào)采集方法與應(yīng)用研究[A];大連理工大學(xué)生物醫(yī)學(xué)工程學(xué)術(shù)論文集（第2卷）[C];2005年

4 許濤;朱林劍;包海濤;;基于思維腦電信號(hào)的假手的研究[A];提高全民科學(xué)素質(zhì)、建設(shè)創(chuàng)新型國(guó)家——2006中國(guó)科協(xié)年會(huì)論文集（下冊(cè)）[C];2006年

5 李愛(ài)新;孫鐵;郭炎峰;;基于人工神經(jīng)網(wǎng)絡(luò)的腦電信號(hào)模式分類[A];自動(dòng)化技術(shù)與冶金流程節(jié)能減排——全國(guó)冶金自動(dòng)化信息網(wǎng)2008年會(huì)論文集[C];2008年

6 童珊;黃華;陳槐卿;;混沌理論在腦電信號(hào)分析中的應(yīng)用[A];中國(guó)生物醫(yī)學(xué)工程學(xué)會(huì)第六次會(huì)員代表大會(huì)暨學(xué)術(shù)會(huì)議論文摘要匯編[C];2004年

7 李凌;曾慶寧;堯德中;;利用兩級(jí)抗交叉串?dāng)_自適應(yīng)濾波器提取誘發(fā)腦電信號(hào)[A];中國(guó)生物醫(yī)學(xué)工程學(xué)會(huì)第六次會(huì)員代表大會(huì)暨學(xué)術(shù)會(huì)議論文摘要匯編[C];2004年

8 葛家怡;周鵬;王明時(shí);;睡眠腦電信號(hào)樣本熵的研究[A];中國(guó)生物醫(yī)學(xué)工程進(jìn)展——2007中國(guó)生物醫(yī)學(xué)工程聯(lián)合學(xué)術(shù)年會(huì)論文集（下冊(cè)）[C];2007年

9 李麗君;黃思娟;吳效明;熊冬生;;基于運(yùn)動(dòng)想象的腦電信號(hào)特征提取與分類[A];中國(guó)儀器儀表學(xué)會(huì)醫(yī)療儀器分會(huì)2010兩岸四地生物醫(yī)學(xué)工程學(xué)術(shù)年會(huì)論文集[C];2010年

10 葛家怡;周鵬;王明時(shí);;睡眠腦電信號(hào)樣本熵的研究[A];天津市生物醫(yī)學(xué)工程學(xué)會(huì)2007年學(xué)術(shù)年會(huì)論文摘要集[C];2007年

相關(guān)重要報(bào)紙文章 前1條

1 張文清　記者 王春;意念控制車速及左右轉(zhuǎn)彎前行[N];科技日?qǐng)?bào);2008年

相關(guān)博士學(xué)位論文 前10條

1 彭宏;普適化腦電信息感知關(guān)鍵問(wèn)題的研究[D];蘭州大學(xué);2015年

2 吳玉鵬;AR譜在皮層癇樣腦電信號(hào)分析應(yīng)用[D];河北醫(yī)科大學(xué);2015年

3 馬小飛;認(rèn)知任務(wù)下的腦電動(dòng)力學(xué)分析[D];南京大學(xué);2017年

4 吳畏;基于統(tǒng)計(jì)建模的多導(dǎo)聯(lián)腦電信號(hào)時(shí)空建模方法研究[D];清華大學(xué);2012年

5 孫宇舸;腦—機(jī)接口系統(tǒng)中腦電信號(hào)處理方法的研究[D];東北大學(xué);2012年

6 周群;腦電信號(hào)同步：方法及應(yīng)用研究[D];電子科技大學(xué);2009年

7 趙麗;基于腦電信號(hào)的腦-機(jī)接口技術(shù)研究[D];天津大學(xué);2004年

8 李春勝;腦電信號(hào)混沌特性的研究與應(yīng)用[D];東北大學(xué);2011年

9 歐陽(yáng)高翔;癲癇腦電信號(hào)的非線性特征識(shí)別與分析[D];燕山大學(xué);2010年

10 繆曉波;基于腦電信號(hào)的認(rèn)知?jiǎng)恿W(xué)系統(tǒng)研究——線性/非線性方法及動(dòng)態(tài)時(shí)—頻—空分析[D];重慶大學(xué);2004年

相關(guān)碩士學(xué)位論文 前10條

1 于洪;基于腦電信號(hào)的警覺(jué)度估計(jì)[D];上海交通大學(xué);2007年

2 蔣潔;基于高性能計(jì)算的腦電信號(hào)分析[D];燕山大學(xué);2010年

3 張志琴;腦電信號(hào)的復(fù)雜性分析[D];中南大學(xué);2009年

4 許鳳娟;腦電信號(hào)采集與分析系統(tǒng)的設(shè)計(jì)[D];長(zhǎng)春理工大學(xué);2011年

5 曹銘;意識(shí)障礙患者腦電信號(hào)的非線性動(dòng)力學(xué)評(píng)價(jià)分析[D];杭州電子科技大學(xué);2012年

6 薛吉星;多通道腦電信號(hào)采集與處理系統(tǒng)研究[D];華南理工大學(xué);2015年

7 劉靜;基于加權(quán)排序熵的多通道腦電信號(hào)同步算法研究[D];燕山大學(xué);2015年

8 陳澤濤;基于腦電信號(hào)分析的AD早期評(píng)估系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];燕山大學(xué);2015年

9 王歡;基于非平穩(wěn)時(shí)間序列分析方法的腦電信號(hào)模式識(shí)別[D];蘇州大學(xué);2015年

10 王瓊穎;腦電信號(hào)的非線性動(dòng)力學(xué)分析及其在睡眠分期中的應(yīng)用[D];哈爾濱工業(yè)大學(xué);2015年

本文編號(hào)：1594093