【摘要】：大腦是一個(gè)復(fù)雜的信息系統(tǒng),大腦皮層上神經(jīng)元分布豐富,腦電信號(hào)是大腦皮層上的神經(jīng)活動(dòng)產(chǎn)生的且始終存在于中樞神經(jīng)系統(tǒng)的一種自發(fā)性電位活動(dòng),包含了大量生理和病理信息,通過對(duì)腦電信號(hào)或腦電節(jié)律信號(hào)的分析,可以為臨床腦疾病診斷提供依據(jù)。本文基于K-最近鄰網(wǎng)絡(luò)和模板法符號(hào)轉(zhuǎn)移熵進(jìn)行腦電節(jié)律信號(hào)分析,并在模板法符號(hào)轉(zhuǎn)移熵基礎(chǔ)上進(jìn)行多尺度分析,為臨床癲癇疾病診斷和腦電信號(hào)的動(dòng)態(tài)信息捕捉提供依據(jù)。本文主要有以下三方面內(nèi)容:一、基于K-最近鄰無向網(wǎng)絡(luò)的癲癇腦電節(jié)律信號(hào)分析本文基于k-最近鄰無向網(wǎng)絡(luò)對(duì)癲癇腦電δ節(jié)律信號(hào)進(jìn)行分析。將單導(dǎo)聯(lián)的癲癇腦電δ節(jié)律信號(hào)通過相空間重構(gòu)后,利用k-最近鄰無向網(wǎng)絡(luò)將此腦電節(jié)律信號(hào)構(gòu)建成網(wǎng)絡(luò),再將網(wǎng)絡(luò)轉(zhuǎn)換成新的時(shí)間序列分析其功率譜并將其與原始腦電節(jié)律信號(hào)功率譜進(jìn)行比較。結(jié)果表明研究經(jīng)過網(wǎng)絡(luò)變換后的時(shí)間序列的功率譜比直接研究原始腦電節(jié)律信號(hào)的功率譜更能夠區(qū)分癲癇患者和正常人。而直接研究該網(wǎng)絡(luò)的集聚系數(shù)也能區(qū)分正常人和癲癇患者。該研究可以為臨床癲癇診斷提供積極指導(dǎo)作用。二、基于改進(jìn)模板法的腦電節(jié)律信號(hào)轉(zhuǎn)移熵分析本文在傳統(tǒng)模板法的基礎(chǔ)上,運(yùn)用改進(jìn)的模板法分別分析了成年人與青少年的δ、θ、α和β四個(gè)腦電節(jié)律信號(hào)的轉(zhuǎn)移熵。實(shí)驗(yàn)結(jié)果表明,基于改進(jìn)模板法的δ、θ腦電節(jié)律信號(hào)的研究比傳統(tǒng)模板法更能夠?qū)η嗌倌旰统赡耆说哪X電信號(hào)進(jìn)行區(qū)分,且無論是改進(jìn)后的符號(hào)轉(zhuǎn)移熵還是傳統(tǒng)的符號(hào)轉(zhuǎn)移熵,成年人都較青少年的熵值大,而改進(jìn)后的熵值比傳統(tǒng)的符號(hào)轉(zhuǎn)移熵值更大,即改進(jìn)的模板法符號(hào)轉(zhuǎn)移熵更能反映腦電節(jié)律信號(hào)間的混沌程度。該研究有利于對(duì)大腦復(fù)雜動(dòng)態(tài)信息的獲取。三、基于多尺度模板法的腦電節(jié)律信號(hào)轉(zhuǎn)移熵分析本文在模板法轉(zhuǎn)移熵基礎(chǔ)上進(jìn)行多尺度分析了成年人與青少年、健康正常人與癲癇患者的δ和θ腦電節(jié)律信號(hào)。實(shí)驗(yàn)結(jié)果表明,適當(dāng)?shù)某叨纫蜃拥倪x擇可以提高不同生理或病理特征信號(hào)的區(qū)分度,為臨床診斷提供依據(jù)。
【學(xué)位授予單位】：南京郵電大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：R742.1;TN911.6

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王瑩;侯鳳貞;戴加飛;劉新峰;李錦;王俊;;基于自適應(yīng)模板法的腦電信號(hào)轉(zhuǎn)移熵分析[J];物理學(xué)報(bào);2015年08期

2 羅靜;徐浩;周雪忠;陳可冀;高蕊;;基于復(fù)雜網(wǎng)絡(luò)的不穩(wěn)定型心絞痛中藥配伍應(yīng)用規(guī)律研究[J];中國(guó)中西醫(yī)結(jié)合雜志;2014年12期

3 董澤芹;侯鳳貞;戴加飛;劉新峰;李錦;王俊;;基于Kendall改進(jìn)的同步算法癲癇腦網(wǎng)絡(luò)分析[J];物理學(xué)報(bào);2014年20期

4 姚文坡;劉鐵兵;戴加飛;王俊;;腦電信號(hào)的多尺度排列熵分析[J];物理學(xué)報(bào);2014年07期

5 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

6 向鄭濤;陳宇峰;李昱瑾;熊勵(lì);;基于多尺度熵的交通流復(fù)雜性分析[J];物理學(xué)報(bào);2014年03期

7 張學(xué)清;梁軍;;基于EEMD-近似熵和儲(chǔ)備池的風(fēng)電功率混沌時(shí)間序列預(yù)測(cè)模型[J];物理學(xué)報(bào);2013年05期

8 黃小娜;張軍英;;癲癇腦電信號(hào)的非線性分析方法[J];河西學(xué)院學(xué)報(bào);2010年02期

9 孟慶芳;周衛(wèi)東;陳月輝;彭玉華;;基于非線性預(yù)測(cè)效果的癲癇腦電信號(hào)的特征提取方法[J];物理學(xué)報(bào);2010年01期

10 賈愛賓;王敏;劉法勝;鮑承友;張曉;;腦電信號(hào)的小波變換去噪算法—基于中值的尺度相關(guān)閾值法[J];生物醫(yī)學(xué)工程學(xué)雜志;2009年06期

相關(guān)碩士學(xué)位論文 前4條

1 于俊;基于互模式熵的腦電信號(hào)分析[D];南京郵電大學(xué);2014年

2 馮富強(qiáng);基于奇異值濾波的醫(yī)學(xué)CT圖像噪聲和偽影去除研究[D];南京郵電大學(xué);2013年

3 張振中;基于ICA方法的腦電信號(hào)消噪及特征提取的研究[D];西北工業(yè)大學(xué);2007年

4 孫文鐸;十二導(dǎo)聯(lián)心電信號(hào)采集及分析系統(tǒng)的研究[D];吉林大學(xué);2006年

，

本文編號(hào)：2580851