本文關(guān)鍵詞：紡錘波自動檢測算法平臺的構(gòu)建及其在智力研究中的應(yīng)用，，由筆耕文化傳播整理發(fā)布。

【摘要】：睡眠不僅僅是一個休息狀態(tài),它是大腦和機體自我修復(fù)的一種方式,對大腦記憶重構(gòu)以及體內(nèi)激素都有調(diào)節(jié)作用。所以睡眠及其機制研究一直是項重要的學(xué)術(shù)研究。睡眠的調(diào)節(jié)作用大多與節(jié)律有關(guān)。睡眠節(jié)律中的紡錘波是一種重要的節(jié)律,也是近年來研究的熱點。睡眠紡錘波在臨床上也十分重要,例如在一些疾病(精神分裂癥、自閉癥、癲癇、智障、睡眠障礙和神經(jīng)退化疾病等)中會發(fā)現(xiàn)紡錘波密度的變化。因為睡眠紡錘波是由大腦一些區(qū)域的相互作用產(chǎn)生的(包括丘腦網(wǎng)狀核、丘腦神經(jīng)元、海馬和皮質(zhì)),在清醒階段,這些回路同時又和學(xué)習(xí)、行為覺醒以及感覺門控有關(guān),所以紡錘波的特性會影響這些回路并且可以作為診斷的生物標(biāo)記。紡錘波檢測是紡錘波研究中的重中之重。傳統(tǒng)的檢測紡錘波方法是人眼檢測,一直以來這種方法是紡錘波檢測的“金標(biāo)準(zhǔn)”,然而,實驗記錄的腦電信號通常是巨大的,這種人眼檢測成為了睡眠研究中非�？菰锖头敝氐墓ぷ�,非常耗時,為此人們研究了各種時頻分析方法用來檢測紡錘波。本文中實現(xiàn)了前人在文章中發(fā)表過的四種紡錘波自動檢測算法,包括基于RMS、功率譜二階導(dǎo)、匹配追蹤(MP)和AR模型四種算法,并將檢測結(jié)果與“金標(biāo)準(zhǔn)”進行比對,分析算法性能,比較優(yōu)缺點。實驗結(jié)果表明:RMS算法檢測結(jié)果綜合性能比較好,時間最短,召回率(平均72%以上個別達到100%以上)和準(zhǔn)確率(平均達到64%以上,個別達到100%)較高,功率譜二階導(dǎo)自動檢測算法的召回率(平均達到80%以上)最高,但因為假陽性(FT)偏高,導(dǎo)致準(zhǔn)確率低,而MP算法最耗時,AR模型自動檢測的各項指標(biāo)比較平均。在算法的穩(wěn)定性上,RMS算法的各項方差最小,最穩(wěn)定,MP算法各項方差值最大,最不穩(wěn)定。綜合四種算法的比較,最終選擇RMS進行紡錘波檢測,并對紡錘波特征(密度,數(shù)量,幅值等)進行計算最后與智力做相關(guān)。實驗包括兩項內(nèi)容,第一項是腦電采集,第二項是智力采集。40名健康被試完成以上兩項實驗。智力結(jié)果統(tǒng)計表明被試的智力水平范圍在97-128之間,紡錘波計算結(jié)果表明個體之間紡錘波個數(shù)標(biāo)準(zhǔn)差較大,密度標(biāo)準(zhǔn)差較小。在校準(zhǔn)后,Fz電極紡錘波數(shù)量與全IQ顯著相關(guān)(p=0.011),F4電極紡錘波數(shù)量和操作IQ顯著相關(guān)(p=0.012),Fp1、Fp2、F3、F4、Fz電極密度與操作IQ值顯著相關(guān)(p0.012),各電極紡錘波數(shù)量和密度均與言語IQ值不相關(guān),而紡錘波的幅值基本與所有IQ值均不相關(guān)。研究結(jié)果基本可前人的研究相一致。本文的研究結(jié)果為實驗室對腦電、影像和行為三者之間的研究奠定了一定的平臺基礎(chǔ)并提供了理論依據(jù)。
【關(guān)鍵詞】：紡錘波 RMS 功率譜二階導(dǎo) 匹配追蹤 AR模型
【學(xué)位授予單位】：西安電子科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：R338
【目錄】：

• 摘要5-6
• ABSTRACT6-11
• 符號對照表11-12
• 縮略語對照表12-16
• 第一章 緒論16-22
• 1.1 睡眠研究背景及意義16
• 1.2 腦電信號的發(fā)現(xiàn)16-18
• 1.3 腦電信號的特點18-19
• 1.4 腦電信號的采集19
• 1.5 紡錘波的研究背景19-20
• 1.6 課題研究意義和主要內(nèi)容20-22
• 第二章 紡錘波綜述22-38
• 2.1 紡錘波的定義22-23
• 2.2 紡錘波的動態(tài)特性23-25
• 2.2.1 N2階段和SWS階段的紡錘波23-24
• 2.2.2 紡錘波在睡眠周期中的變化24-25
• 2.3 紡錘波的形成機制25-26
• 2.3.1 丘腦和丘腦皮層25
• 2.3.2 腦干機制25-26
• 2.4 紡錘波研究背景26-38
• 2.4.1 紡錘波與delta波的關(guān)系26-27
• 2.4.2 睡眠剝奪的影響27-28
• 2.4.3 紡錘波和生理期28-29
• 2.4.4 紡錘波的重要性以及與K復(fù)合波的關(guān)系29-30
• 2.4.5 紡錘波與個體發(fā)育30-31
• 2.4.6 紡錘波與年齡增長31-32
• 2.4.7 紡錘波的區(qū)域性32-35
• 2.4.8 紡錘波的個體間差異和個體內(nèi)穩(wěn)定性35
• 2.4.9 紡錘波與智力35-38
• 第三章 紡錘波自動檢測和平臺搭建38-56
• 3.1 紡錘波識別的“金標(biāo)準(zhǔn)”38-39
• 3.2 紡錘波自動檢測性能評估方法39
• 3.3 紡錘波自動檢測算法39-50
• 3.3.1 基于RMS算法的睡眠紡錘波自動檢測39-42
• 3.3.2 基于功率譜二階導(dǎo)的睡眠紡錘波自動檢測42-45
• 3.3.3 基于匹配追蹤（MP）的睡眠紡錘波自動檢測45-47
• 3.3.4 基于AR模型的睡眠紡錘波自動檢測47-48
• 3.3.5 四種算法綜合比較48-50
• 3.4 軟件平臺構(gòu)建50-56
• 3.4.1 數(shù)據(jù)導(dǎo)入和顯示51-52
• 3.4.2 睡眠階段劃分52-53
• 3.4.3 數(shù)據(jù)自動截取和階段統(tǒng)計分析53-54
• 3.4.4 紡錘波手動檢測54-55
• 3.4.5 紡錘波自動檢測55
• 3.4.6 其他功能擴展55-56
• 第四章 實驗設(shè)計56-64
• 4.1 腦電實驗56-61
• 4.1.1 電極選擇和安放56
• 4.1.2 導(dǎo)聯(lián)方式選擇56-57
• 4.1.3 實驗儀器介紹57-59
• 4.1.4 被試選擇59
• 4.1.5 實驗流程59-61
• 4.2 智力測驗61-64
• 4.2.1 韋氏成人智力表61-62
• 4.2.2 測驗內(nèi)容62-63
• 4.2.3 補充內(nèi)容63-64
• 第五章 結(jié)果和分析64-74
• 5.1 智力結(jié)果分析64-65
• 5.2 睡眠階段劃分65-68
• 5.3 睡眠參數(shù)計算68
• 5.4 紡錘波檢測結(jié)果統(tǒng)計68-69
• 5.5 紡錘波與三組智力相關(guān)性69-74
• 5.5.1 紡錘波數(shù)量與智力相關(guān)性69-71
• 5.5.2 密度與3組智力值相關(guān)性71-72
• 5.5.3 平均幅度與3組智力值相關(guān)性72-74
• 第六章 總結(jié)與展望74-76
• 6.1 總結(jié)74
• 6.2 不足與展望74-76
• 參考文獻76-86
• 致謝86-88
• 作者簡介88-89

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前1條

1 封洲燕,鄭筱祥;多分辨率小波信號分解用于大鼠睡眠紡錘波的分析[J];中國生物醫(yī)學(xué)工程學(xué)報;2004年02期

中國重要會議論文全文數(shù)據(jù)庫 前1條

1 王雀良;潘集陽;王絲絲;劉亞平;彭博;石順治;;慢性心理生理性失眠患者睡眠紡錘波特征的對照研究[A];中華醫(yī)學(xué)會精神病學(xué)分會第九次全國學(xué)術(shù)會議論文集[C];2011年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前4條

1 石倩蓉;基于大眾外包方法的紡錘波檢測可行性分析[D];西安電子科技大學(xué);2015年

2 烏煥菊;紡錘波自動檢測算法平臺的構(gòu)建及其在智力研究中的應(yīng)用[D];西安電子科技大學(xué);2015年

3 譚大坤;基于深度學(xué)習(xí)的睡眠紡錘波檢測[D];西安電子科技大學(xué);2015年

4 王雀良;慢性心理生理性失眠患者睡眠紡錘波特征的對照研究[D];暨南大學(xué);2011年

  本文關(guān)鍵詞：紡錘波自動檢測算法平臺的構(gòu)建及其在智力研究中的應(yīng)用，由筆耕文化傳播整理發(fā)布。

本文編號：483925