腦疲勞作為一種亞健康狀態(tài)正嚴(yán)重影響人們的生活質(zhì)量,如何有效地干預(yù)和改善腦疲勞狀態(tài)已成為世界范圍內(nèi)的研究熱點(diǎn)。神經(jīng)反饋訓(xùn)練方法通過對(duì)被訓(xùn)練者生理和心理的學(xué)習(xí)干預(yù),有效地刺激被訓(xùn)練者的神經(jīng)反應(yīng),可以實(shí)現(xiàn)輔助干預(yù)、幫助改善腦功能狀態(tài)。本文以神經(jīng)反饋訓(xùn)練輔助改善亞健康人群腦功能狀態(tài)為研究目標(biāo),結(jié)合多重分形去趨勢波動(dòng)、模糊熵、鎖相位分析方法,分別從腦功能分形特性、復(fù)雜程度和同步程度三個(gè)方面提取了反映腦功能狀態(tài)的特征參數(shù),基于遺傳算法優(yōu)化相關(guān)向量機(jī)分類器評(píng)估腦功能狀態(tài)改善效果。為了分析神經(jīng)反饋訓(xùn)練對(duì)于腦功能狀態(tài)多重分形強(qiáng)度的影響,提取訓(xùn)練前后腦電信號(hào)的分形特征量包括質(zhì)量指數(shù)、Hurst指數(shù)、奇異譜寬度,以訓(xùn)練前后狀態(tài)分類正確率作為訓(xùn)練效果指標(biāo)。三種參數(shù)的分類識(shí)別率均在80%以上,說明神經(jīng)反饋訓(xùn)練能夠改善腦功能狀態(tài),分形特征能夠作為分析大腦長程相關(guān)性的重要參數(shù)指標(biāo)。為了研究神經(jīng)反饋訓(xùn)練對(duì)大腦復(fù)雜程度的影響,針對(duì)腦電信號(hào)瞬時(shí)變化難以捕捉引起的信息丟失問題,提出了改進(jìn)模糊熵算法,通過限定指數(shù)函數(shù)的邊界寬度,來捕獲序列中的細(xì)節(jié)信息。改進(jìn)模糊熵特征變化顯著(P0.05),體現(xiàn)了腦電信號(hào)復(fù)雜程度的變化。進(jìn)一步,采用分類器識(shí)別訓(xùn)練前后的腦電信號(hào),分類正確率可達(dá)89.99%,表明神經(jīng)反饋訓(xùn)練可以提高大腦復(fù)雜程度,改進(jìn)模糊熵算法更加突出腦電信號(hào)的復(fù)雜信息。為了分析神經(jīng)反饋訓(xùn)練對(duì)大腦同步性的影響,在傳統(tǒng)鎖相位方法的基礎(chǔ)上,引入歐氏距離作為判定條件,以提高固有模態(tài)函數(shù)與原始信號(hào)間的相似性。與訓(xùn)練前相比,訓(xùn)練后的腦電同步特性顯著增加(P0.05),同時(shí),基于改進(jìn)鎖相位特征識(shí)別訓(xùn)練前后腦功能狀態(tài)差異,分類正確率為82.35%,說明神經(jīng)反饋訓(xùn)練可以改善腦功能狀態(tài)�；赩isual Studio、SQL Server和MATLAB,設(shè)計(jì)并實(shí)現(xiàn)了神經(jīng)反饋訓(xùn)練干預(yù)與評(píng)估腦功能狀態(tài)系統(tǒng),該系統(tǒng)包括登錄模塊、神經(jīng)反饋訓(xùn)練模塊、信號(hào)采集模塊、濾波及特征提取模塊,可實(shí)現(xiàn)對(duì)腦功能狀態(tài)的干預(yù)與評(píng)估。
【學(xué)位單位】：燕山大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2018
【中圖分類】：R338;TN911.6
【部分圖文】：

相關(guān)注意力信息。李雪飛等人采用中國兒童注意力水平測評(píng)量表以及兒童注意力家長評(píng)定量表篩選出注意力缺陷障礙兒童，對(duì)注意力不集中兒童進(jìn)行為期一個(gè)月的神經(jīng)反饋訓(xùn)練游戲（夢幻拔河、夢幻穿梭、藏寶閣）注意力訓(xùn)練，經(jīng)量表測試，注意力的廣度、穩(wěn)定性、分配和轉(zhuǎn)移都得到了提升。1.3 本文研究目的及主要內(nèi)容安排大腦活動(dòng)通常分為代謝和電磁兩類[38]。基于代謝方式描述大腦活動(dòng)的方法有：功能性磁共振成像和功能性近紅外光譜�；陔姶欧绞矫枋龃竽X活動(dòng)的方法有：腦磁圖描記術(shù)和腦電圖。其中，功能性磁共振成像和腦磁圖描記術(shù)主要用于醫(yī)學(xué)研究，在日�；顒�(dòng)中存在局限性；功能性近紅外光譜仍在發(fā)展階段。相比之下，腦電圖以它令人最熟知的非侵入式、費(fèi)用相對(duì)低廉和使用安全等特點(diǎn)廣泛應(yīng)用。本文基于多重分形、模糊熵和鎖相位方法，分別從腦電信號(hào)的分形性、復(fù)雜性和同步性三個(gè)側(cè)面，研究神經(jīng)反饋訓(xùn)練對(duì)于腦功能狀態(tài)的干預(yù)效果，基于相關(guān)向量機(jī)對(duì)干預(yù)效果進(jìn)行了評(píng)估。本文主要研究內(nèi)容的流程框圖如下：

燕山大學(xué)工程碩士學(xué)位論文第 2 章 腦電與神經(jīng)反饋基礎(chǔ)知識(shí).1 腦電信號(hào)的生理基礎(chǔ).1.1 大腦生理結(jié)構(gòu)及功能腦區(qū)腦電信號(hào)提供了關(guān)于大腦活動(dòng)時(shí)神經(jīng)元之間的電波動(dòng)信息，并實(shí)時(shí)測量大腦[39]。作為中樞神經(jīng)系統(tǒng)的一部分，大腦是由大腦、小腦、腦干（中腦、腦橋、）和間腦（下丘腦、丘腦）組成，如圖 2-1 所示。

第 3 章 腦電信號(hào)非線性特征提取與識(shí)別方法3.3.3 改進(jìn)鎖相位傳統(tǒng)的鎖相位方法是以經(jīng)驗(yàn)?zāi)B(tài)分解為前提，分解出多個(gè) IMF 分量。在特征提取過程中，通常選取前幾階的 IMF 分量進(jìn)行分析。針對(duì)此問題，本文提出了一種改進(jìn)鎖相位的方法，如圖 3-3 所示。以各個(gè) IMF 分量與未經(jīng) EMD 分解前的原始腦電信號(hào)間的相似性作為判定依據(jù)，確定有效的 IMF 分量，為此本文引入歐氏距離作為標(biāo)準(zhǔn)，度量各個(gè) IMF 分量與原始信號(hào)間的相似性。
【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 周暉;陶玲;錢志余;趙翠花;;低頻光誘發(fā)腦電在淺睡期的樣本熵復(fù)雜度分析[J];中國生物醫(yī)學(xué)工程學(xué)報(bào);2014年06期

2 李立;曹銳;相潔;;腦電數(shù)據(jù)近似熵與樣本熵特征對(duì)比研究[J];計(jì)算機(jī)工程與設(shè)計(jì);2014年03期

3 郭興明;袁志會(huì);;基于小波變換和經(jīng)驗(yàn)?zāi)Ｊ椒纸獾男囊粜盘?hào)研究[J];中國生物醫(yī)學(xué)工程學(xué)報(bào);2012年01期

4 丁世飛;齊丙娟;譚紅艷;;支持向量機(jī)理論與算法研究綜述[J];電子科技大學(xué)學(xué)報(bào);2011年01期

5 范金鋒;邵晨曦;王劍;楊明;王子才;;醉酒者腦電和正常腦電非線性特性的比較評(píng)估[J];中國生物醫(yī)學(xué)工程學(xué)報(bào);2008年01期

6 燕楠;王玨;魏娜;宗良;;基于樣本熵的注意力相關(guān)腦電特征信息提取與分類[J];西安交通大學(xué)學(xué)報(bào);2007年10期

7 許寶杰;張建民;徐小力;李建偉;;抑制EMD端點(diǎn)效應(yīng)方法的研究[J];北京理工大學(xué)學(xué)報(bào);2006年03期

8 王庭槐;生物反饋及其機(jī)理進(jìn)展[J];醫(yī)學(xué)信息;2002年10期

9 鄧擁軍,王偉,錢成春,王忠,戴德君;EMD方法及Hilbert變換中邊界問題的處理[J];科學(xué)通報(bào);2001年03期

10 王兆源,周龍旗;腦電信號(hào)的分析方法[J];第一軍醫(yī)大學(xué)學(xué)報(bào);2000年02期

本文編號(hào)：2840318