本文關(guān)鍵詞： 腦電 非線性動力學(xué) 復(fù)雜度 腦網(wǎng)絡(luò) 多元自回歸 仿射傳播　出處：《太原理工大學(xué)》2015年博士論文　論文類型：學(xué)位論文

【摘要】：本文研究的內(nèi)容是國家自然科學(xué)基金“抑郁癥EEG功能腦網(wǎng)絡(luò)構(gòu)建及異常特征分析研究”(No.61472270)和“多模態(tài)腦功能復(fù)雜網(wǎng)絡(luò)分析方法及應(yīng)用研究”(NO.61373101)中的重要組成部分，旨在探索人類在特定的大腦認知活動下，腦電信號的非線性動力學(xué)模式、因果腦網(wǎng)絡(luò)的動態(tài)變化屬性以及在聚類穩(wěn)定性理論下的模式識別。研究表明，人類的大腦是一個非線性、網(wǎng)絡(luò)化和非穩(wěn)定的復(fù)雜系統(tǒng)。腦電信號是來自于大腦這個復(fù)雜系統(tǒng)的生物電信號。人類的各種認知功能活動均是由大腦產(chǎn)生處理的。本文以腦電信號為手段，并將非線性動力學(xué)、腦網(wǎng)絡(luò)理論和聚類穩(wěn)定性理論應(yīng)用到腦電信號的分析中，力圖多角度、多層次的揭示情感腦電信號和非線性復(fù)雜度之間的關(guān)系、錯誤相關(guān)負電位腦電信號中腦網(wǎng)絡(luò)的因果變化規(guī)律和運動想象腦電信號的聚類穩(wěn)定性分析。具體來說，圍繞著以下三個方面來展開： （1）本文提出了一種基于非線性動力學(xué)理論的逐點Lempel-Ziv復(fù)雜度算法，并將其應(yīng)用在情感腦電信號的研究分析中。該算法以逐點求差的方式從小尺度和新的粗�；椒ㄉ系玫脚c情感活動相關(guān)的非線性復(fù)雜度模式，并通過計算復(fù)雜度提取情感腦電信號的非線性特征。通過統(tǒng)計分析，與傳統(tǒng)和多尺度Lempel-Ziv復(fù)雜度算法相比，實驗結(jié)果表明，該算法更加準確的描述了情感腦電信號的復(fù)雜結(jié)構(gòu)和成分，動態(tài)的刻畫了情感腦電信號的非線性特征。本文提出的逐點Lempel-Ziv復(fù)雜度算法在情感腦電信號的分析識別上能得到有效的應(yīng)用，為非線性動力學(xué)在腦電信號分析方面提出新的研究視角。 （2）本文提出了一種因果腦網(wǎng)絡(luò)的構(gòu)建方法，并將其應(yīng)用在錯誤相關(guān)負電位腦電信號的研究分析中。該方法是以獨立成分分析、多元自回歸模型和格蘭杰因果分析為基礎(chǔ)，進行大腦認知活動下多區(qū)域、多功能源的聯(lián)合分析。通過獨立成分分析分解觀測到的EEG信號，利用源定位方法獲取與大腦認知活動相關(guān)的獨立成分功能源，采用格蘭杰因果分析建立功能源之間的有效連接，在大腦源空間以多元自回歸模型進行腦電信號因果網(wǎng)絡(luò)的構(gòu)建。最終，將構(gòu)建的因果腦網(wǎng)絡(luò)方法應(yīng)用在錯誤相關(guān)負電位的腦電信號。實驗表明，這種方法能夠從有效連接的角度獲得大腦功能源之間的信息流向，并且能夠探測不同功能源之間的因果影響。因此，因果腦網(wǎng)絡(luò)的建立對于探索大腦認知活動下，大腦源空間的動態(tài)源屬性發(fā)生機制以及大腦神經(jīng)系統(tǒng)的瞬時信息流模型具有重要意義。 （3）本文提出了一種基于穩(wěn)定性理論的仿射傳播聚類分析方法，并將其應(yīng)用在運動想象腦電信號的模式識別和自動聚類。該算法是基于數(shù)據(jù)點之間相似度得到一組候選的聚類中心參考度，針對每個候選的聚類中心參考度，通過比較不同類別之間的標準化互信息來計算聚類的穩(wěn)定性。基于聚類穩(wěn)定性理論，獲得產(chǎn)生最穩(wěn)定結(jié)果的最好的共享聚類中心參考度。最后在運動想象腦電信號上應(yīng)用此算法，并與k-means等傳統(tǒng)基于聚類中心的聚類算法進行了對比研究。實驗結(jié)果表明，本文提出的算法獲得了更好的聚類性能，并且根據(jù)最佳穩(wěn)定性得到的聚類中心參考度可獲得穩(wěn)定的聚類結(jié)果。該研究表明提出的算法對于非穩(wěn)定的腦電信號的數(shù)據(jù)聚類具有很好的有效性和魯棒性，并為聚類分析在腦電信號的應(yīng)用指明了新的方向。 總之，本文的工作探討了情感腦電信號中的非線性復(fù)雜度特征，錯誤相關(guān)負電位腦電信號的因果腦網(wǎng)絡(luò)構(gòu)建及分析方法，運動想象腦電信號的聚類模式識別。本研究為腦電信號的非線性動力學(xué)和腦網(wǎng)絡(luò)分析提供了新的證據(jù)和視角，擴展了聚類穩(wěn)定性分析在腦電信號中的應(yīng)用，，是多領(lǐng)域、多學(xué)科進行交叉研究的新成果。
[Abstract]:The content of this paper is the analysis of the National Natural Science Foundation "depression EEG functional brain network construction and abnormal features of" (No.61472270) and "Research on the method and application of multi modal analysis of complex brain function network (NO.61373101) is an important part of the human brain to explore in specific cognitive activities, the nonlinear dynamic model of EEG signal, dynamic changes of brain networks and causal attributes in the clustering stability under the theory of pattern recognition. The results show that the human brain is a nonlinear, non complex network and system stability. The EEG signals are biological signals from the complex system of the brain. All human activities are cognitive function produced by the brain processing. The EEG as the means, and the nonlinear dynamics, the brain network theory and cluster theory is applied to the stability analysis of EEG signals In trying to multi angle, multi-level to reveal the emotional EEG signal and nonlinear relationship between the complexity and stability of clustering analysis of imagery EEG error relatednegativity EEG brain network causal variation and movement. Specifically, around the following three aspects:
(1) this paper presents a pointwise Lempel-Ziv nonlinear dynamics theory based on the complexity of the algorithm, and its application in the analysis of emotional EEG signals. The algorithm is based on Pointwise difference mode of small scale and a new coarse-grained method on non linear correlation with the complexity of the model of emotional activities and, by the computational complexity of the extraction of emotional EEG nonlinear characteristics. Through statistical analysis, compared with the traditional Lempel-Ziv algorithm and multi-scale complexity, the experimental results show that the algorithm is more accurate description of the complex structure and composition of emotional EEG, describe the nonlinear characteristics of EEG signals. This emotion the pointwise Lempel-Ziv complexity algorithm can be effectively applied in the analysis of emotion recognition of EEG signals, nonlinear dynamics of a new perspective in the analysis of EEG signals.
(2)鏈枃鎻愬嚭浜嗕竴縐嶅洜鏋滆剳緗戠粶鐨勬瀯寤烘柟娉

本文編號：1528880