本文選題：腦電　切入點：符號動力學(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、美國以及歐盟都相繼推出了大腦研究計劃。我們對大腦的了解還很有限,目前主要研究方向包括認知原理、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、長期記憶、大腦的決策機制、意識的形成以及對語言的認知等等都有待進一步研究。腦電信號具有高達毫秒級的時間分辨率,頭皮EEG信號可無創(chuàng)采集,是研究大腦疾病和認知生理學(xué)的重要手段。近年來,認知腦電分析一直是腦電分析中的難點,這是因為:一方面,腦電信號是大量神經(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)電活動在時、空兩域高度融合的結(jié)果,因此,單導(dǎo)聯(lián)所探測的腦電信號并不僅僅來自于電極所在的局部位置的神經(jīng)元,各個導(dǎo)聯(lián)間也并不完全相互獨立;另一方面,大腦在認知活動中,不同功能區(qū)的復(fù)雜交互與去同步,使得認知腦電信號幅度微小,信噪比低,因而對于腦電認知成分分析和特征提取相對困難。近年來機器學(xué)習(xí)和深度學(xué)習(xí)在多個領(lǐng)域都取得了矚目的成就,這些方法可以用來幫助對腦科學(xué)進行研究,同時腦科學(xué)的進步也會促進機器學(xué)習(xí)和深度學(xué)習(xí)的發(fā)展,比如在圖像自動識別領(lǐng)域使用的卷積神經(jīng)網(wǎng)絡(luò)就是一種仿大腦神經(jīng)元活動的方法。一般的認知實驗都需要使用事件刺激或手工從腦電信號中去除偽跡,這都影響其在實時反饋中的應(yīng)用,也不利于使用深度學(xué)習(xí)的方法對腦電信號進行分析。本文提出了基于分立導(dǎo)聯(lián)特征的拓撲圖、全局皮層連接的拓撲圖以及提出了基于枕葉導(dǎo)聯(lián)的耦合系數(shù)對多種認知任務(wù)下的腦電信號進行了分析,具體工作主要包括:(1)一方面為了研究注意力活動和視覺刺激對大腦的哪些部位帶來影響;另一方面,試圖尋找一種方法能夠在沒有人工干預(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。注意力實驗包括三種任務(wù)狀態(tài):字符辨識、睜眼放松和閉眼放松,前兩種狀態(tài)是對比注意力集中狀態(tài)下的大腦活動,后兩種是驗證我們提出的方法能夠檢測到視皮層在視覺刺激下信號節(jié)律能量的變化及其非線性動力學(xué)性質(zhì)的差異。從非線性的角度,本文使用了基于符號化樣本熵的拓撲圖對腦電信號進行分析,發(fā)現(xiàn)在P4、02、T6和C4導(dǎo)聯(lián)位置有著更高的符號化樣本熵值,右側(cè)大腦在字符辨識的腦活動中起著比較關(guān)鍵的作用,這一點與神經(jīng)科學(xué)的結(jié)論相一致。也對整個測試組進行了統(tǒng)計檢驗,所有測試者都有一致的結(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化樣本熵值,而傳統(tǒng)樣本熵的結(jié)果不夠一致。在時頻域上,我們提出了相對節(jié)律能量方法對實驗結(jié)果進行分析,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,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,視覺刺激是從視網(wǎng)膜經(jīng)外側(cè)膝狀體到達大腦后端的視皮層,在睜眼狀態(tài)下alpha節(jié)律的去同步得到加強,使用基于符號化樣本熵的拓撲圖也得到了一致的結(jié)果。最后,我們從物理和生理兩個角度進行了討論。符號化樣本熵和節(jié)律相對能量反映了 EEG動力學(xué)的兩個不同方面,節(jié)律相對能量反映的是在特定節(jié)律上的頻譜分布,而樣本熵或符號化樣本熵是對均勻或集中分布的衡量,與特定的節(jié)律沒有關(guān)系,因此兩個參數(shù)描述的信息可以相互補充。(2)提出了基于改進Pearson相關(guān)系數(shù)構(gòu)成的腦功能網(wǎng)絡(luò)對工作記憶下的腦電信號進行分析。設(shè)計了工作記憶實驗,包含三種實驗任務(wù):工作記憶狀態(tài)、安靜放松狀態(tài)和控制狀態(tài)。腦電信號是非平穩(wěn)的,采樣率的不同會給相關(guān)性帶來影響,在不同的頻率范圍進行相關(guān)系數(shù)比較時,很難說大的相關(guān)系數(shù)就代表大的相關(guān)性,為了避免這兩個問題,本文對Pearson相關(guān)進行了調(diào)校,一方面只對某些節(jié)律使用Pearson相關(guān),另一方面使用替代數(shù)據(jù)產(chǎn)生對應(yīng)節(jié)律下相關(guān)系數(shù)的閾值。然后提出了兩個參數(shù),一個是連接強度,代表相關(guān)系數(shù)超過閾值的節(jié)點間的連接;另一個參數(shù)是節(jié)點強度,表示一個節(jié)點上所有與其有連接的連接強度之和。然后利用這兩個參數(shù)構(gòu)成腦功能網(wǎng)絡(luò)拓撲圖對工作記憶狀態(tài)下的腦電信號進行分析,我們在beta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,beta節(jié)律的拓撲圖顯示,在T5/T6和01/02上有很強的連接強度,表示與視覺相關(guān)的腹側(cè)流會產(chǎn)生較大的激活,這與其它文獻報道保持一致;b)gamma節(jié)律的拓撲圖可以看到,左右半腦的內(nèi)部連接強度得到加強,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)進行比較的gamma拓撲圖上,可以看到在T6導(dǎo)聯(lián)的節(jié)點強度得到加強,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,這是從長時間跨度上(1秒到1分鐘)和整個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)提出延時符號化聯(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)檢測腦功能區(qū)域的耦合強度。首先將該方法在經(jīng)典的非線性動力學(xué)系統(tǒng)Henon序列進行數(shù)值驗證,結(jié)果表明符號化聯(lián)合熵準(zhǔn)確地檢測出了兩個Henon系統(tǒng)的耦合度。使用延時符號化聯(lián)合熵對睜眼和閉眼兩種實驗狀態(tài)下的耦合進行了分析,在有延時的情況下,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。通過與替代數(shù)據(jù)產(chǎn)生的閾值比較,我們認為睜眼狀態(tài)下,延時耦合強度非常微弱、同步性很小,相反,閉眼狀態(tài)下,導(dǎo)聯(lián)之間有相對明顯的延時耦合。我們認為符號化聯(lián)合熵在腦電分析中有如下優(yōu)點:1)將4Hz以上的信號作為整體進行分析,而傳統(tǒng)方法需要將腦電信號分解到不同的頻段;2)該方法在實驗過程中基本不需要人工干預(yù),非常適合對腦電信號進行連續(xù)分析;3)與傳統(tǒng)的聯(lián)合熵進行比較,符號化聯(lián)合熵也受益于等概率符號化方法,能夠排除概率分布的影響、抵御瞬時大幅度干擾,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代替,也就有更高的分辨率,而當(dāng)幅度分布稀疏時,采用比較少的符號,即分辨率較低。通過對經(jīng)典的Henon數(shù)據(jù)進行數(shù)值驗證,該算法不僅能夠檢測兩個序列間的耦合強度,而且能夠檢測到耦合的時間延時點,我們認為從符號化聯(lián)合熵尺度歸一化得到的耦合系數(shù)不僅能很好地檢測出兩種大腦活動狀態(tài)下耦合性的差別,而且該方法對其它動力學(xué)系統(tǒng)或生理信號也同樣適用。
[Abstract]:......
【學(xué)位授予單位】：南京大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2017
【分類號】：R318;TN911.7

【相似文獻】

相關(guān)期刊論文 前10條

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

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

3 孟欣，，歐陽楷;腦電信號的幾個非線性動力學(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;獨立分量分析及其在腦電信號預(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,周衛(wèi)東;徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)在腦電信號建模中的應(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;基于腦電信號時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,朱國平;雙譜分析方法在腦電信號分析中的應(yīng)用[J];中國行為醫(yī)學(xué)科學(xué);2004年03期

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

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

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

相關(guān)會議論文 前10條

1 薛蘊全;王秋英;王宏;;腦電信號的動態(tài)時空響應(yīng)拓撲圖[A];中國儀器儀表學(xué)會第三屆青年學(xué)術(shù)會議論文集（上）[C];2001年

2 王裕清;粱平;郭付清;張登攀;;腦電信號診斷專家系統(tǒng)的研究[A];中國生理學(xué)會第21屆全國代表大會暨學(xué)術(shù)會議論文摘要匯編[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)新型國家——2006中國科協(xié)年會論文集（下冊）[C];2006年

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

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

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

8 葛家怡;周鵬;王明時;;睡眠腦電信號樣本熵的研究[A];中國生物醫(yī)學(xué)工程進展——2007中國生物醫(yī)學(xué)工程聯(lián)合學(xué)術(shù)年會論文集（下冊）[C];2007年

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

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

相關(guān)重要報紙文章 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];科技日報;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分析應(yīng)用[D];河北醫(yī)科大學(xué);2015年

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

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

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

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

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

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

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

10 繆曉波;基于腦電信號的認知動力學(xué)系統(tǒng)研究——線性/非線性方法及動態(tài)時—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;基于腦電信號的警覺度估計[D];上海交通大學(xué);2007年

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

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

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

5 曹銘;意識障礙患者腦電信號的非線性動力學(xué)評價分析[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同步算法研究[D];燕山大學(xué);2015年

8 陳澤濤;基于腦電信號分析的AD早期評估系統(tǒng)的設(shè)計與實現(xiàn)[D];燕山大學(xué);2015年

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

10 王瓊穎;腦電信號的非線性動力學(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：1594093