本文選題：腦磁信號(hào) + 小波變換�。� 參考：《華中師范大學(xué)學(xué)報(bào)(自然科學(xué)版)》2017年03期

【摘要】：為了探究靜息態(tài)精神分裂癥患者腦磁信號(hào)的非線性動(dòng)力學(xué)特性,提出了一種將小波變換和近似熵相結(jié)合的特征提取方法.該方法首先通過小波變換,將10個(gè)正常人和10個(gè)精神分裂癥患者的腦磁信號(hào)進(jìn)行6層小波分解,提取對(duì)應(yīng)于腦磁信號(hào)θ波段和α波段的小波系數(shù),繼而計(jì)算和比較兩類人近似熵的分布情況.實(shí)驗(yàn)結(jié)果表明,相同情況下精神分裂癥患者M(jìn)EG信號(hào)的各腦區(qū)和各通道間的近似熵都普遍高于正常人,α波段的額葉和中央?yún)^(qū)域尤為突出.該結(jié)果為進(jìn)一步研究患者M(jìn)EG信號(hào)特征進(jìn)而建立相應(yīng)的分類診斷模型提供了思路.
[Abstract]:In order to explore the nonlinear dynamic characteristics of brain magnetic signals in patients with resting schizophrenia, a feature extraction method combining wavelet transform and approximate entropy is proposed. In this method, the brain magnetic signals of 10 normal persons and 10 schizophrenic patients are decomposed into six layers by wavelet transform, and the wavelet coefficients corresponding to theta and 偽 bands of the brain magnetic signals are extracted. Then the distribution of the approximate entropy of two kinds of people is calculated and compared. The experimental results show that the approximate entropy of MEG signals in schizophrenia patients is generally higher than that in normal controls under the same conditions, especially in the frontal and central regions of 偽 band. The results provide a way to further study the characteristics of MEG signal and establish the corresponding classification diagnosis model.
【作者單位】： 上海海事大學(xué)信息工程學(xué)院;
【基金】：第48批教育部留學(xué)回國人員科研啟動(dòng)基金項(xiàng)目
【分類號(hào)】：R749.3

【相似文獻(xiàn)】

相關(guān)期刊論文 前1條

1 吳東宇;彭享勝;劉霖;袁英;李廣慶;蔡劌;王茂斌;;近似熵和互近似熵腦電非線性分析在意識(shí)障礙評(píng)價(jià)中的應(yīng)用[J];中國康復(fù)醫(yī)學(xué)雜志;2008年08期

相關(guān)碩士學(xué)位論文 前1條

1 馬宏娟;基于互近似熵和互樣本熵的腦功能網(wǎng)絡(luò)構(gòu)建及應(yīng)用[D];西安電子科技大學(xué);2014年

，

本文編號(hào)：1891093