發(fā)布時(shí)間：2017-03-22 21:01

  本文關(guān)鍵詞：EEG癲癇信號(hào)的大腦連通性分析算法研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：在中國(guó),癲癇已成為神經(jīng)科僅次于頭痛的第二大常見(jiàn)病,它是一種反復(fù)發(fā)作的神經(jīng)性疾病。在所有患者中,約有30%的是抗藥性癲癇患者。對(duì)于這類患者,采用的治療手段是通過(guò)外科手術(shù)來(lái)切除致癇區(qū),而手術(shù)成功的關(guān)鍵在于精確定位致癇區(qū)。通過(guò)研究大腦的效應(yīng)連通性算法,用這些算法來(lái)分析記錄到的癲癇腦電信號(hào),可以為術(shù)前評(píng)估中致癇區(qū)的精確定位提供有效的幫助。因此,本文主要致力于研究大腦效應(yīng)連通性相關(guān)的模型和算法。Wiener-Granger因果方法(Wiener-Granger Causality Index, WGCI)是一種典型的數(shù)據(jù)驅(qū)動(dòng)的效應(yīng)連通方法。它是基于一個(gè)隨機(jī)過(guò)程的線性自回歸模型的方法,可以檢測(cè)到多個(gè)時(shí)間序列之間的因果影響關(guān)系。從它推廣出的PDC (Partial Directed Coherence)和NPDC (Nonlinear Partial Directed Coherence)方法可以在頻率域中分別檢測(cè)到信號(hào)之間線性和非線性的因果關(guān)系。這些方法都依賴于線性或者非線性自回歸模型,因此,自回歸模型的參數(shù)估計(jì)方法在其中起著至關(guān)重要的作用。OPS(Optimal Parameter Search)和FROLS (Forward Regression Orthogonal Least Squares)是分別針對(duì)于線性和非線性自回歸模型的參數(shù)估計(jì)方法,但是OPS方法中存在兩個(gè)地方的不足：1.算法的抗噪性不佳2.算法的計(jì)算過(guò)程中需要閾值來(lái)作為算法停止的條件,但閾值的選取沒(méi)有理論上的方法�；诖吮疚奶岢隽藘煞N基于gAIC (generalized Akaike Information Criterion)和OPS方法的改進(jìn)算法：1.對(duì)信號(hào)進(jìn)行加窗處理,以減少噪聲帶來(lái)的影響。2.將所有候選項(xiàng)根據(jù)權(quán)重值分為高低兩部分,選取高部分作為最終候選項(xiàng),以解決閾值難以選取的問(wèn)題。在實(shí)驗(yàn)部分,首先將OPS改進(jìn)方法應(yīng)用于線性自回歸模型,并以此改進(jìn)WGCI方法以提高原始方法的準(zhǔn)確率,隨后將FROLS方法應(yīng)用在非線性自回歸模型和生理模型,并在這個(gè)結(jié)果之上利用PDC和NPDC來(lái)檢測(cè)其信號(hào)之間的線性或非線性影響。
【關(guān)鍵詞】：癲癇 大腦效應(yīng)連通性 自回歸模型 參數(shù)估計(jì) 生理模型 非線性部分定向相干
【學(xué)位授予單位】：東南大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：R742.1
【目錄】：

• 摘要5-6
• Abstract6-9
• 第一章 緒論9-12
• 1.1 研究背景9-10
• 1.2 主要研究?jī)?nèi)容10-11
• 1.3 論文組織結(jié)構(gòu)11-12
• 第二章 連通性定義與相關(guān)算法介紹12-18
• 2.1 引言12
• 2.2 大腦連通性12-14
• 2.3 基于數(shù)據(jù)驅(qū)動(dòng)的效應(yīng)連通性方法14-15
• 2.4 自回歸模型參數(shù)估計(jì)15-17
• 2.4.1 自回歸模型的階數(shù)估計(jì)16
• 2.4.2 自回歸模型的系數(shù)估計(jì)16-17
• 2.5 本章小結(jié)17-18
• 第三章 大腦效應(yīng)連通性算法18-36
• 3.1 引言18
• 3.2 時(shí)域上的Wiener-Granger因果18-20
• 3.2.1 二維情況18-19
• 3.2.2 多維情況19-20
• 3.3 線性自回歸模型的階數(shù)估計(jì)方法20-22
• 3.3.1 AIC和BIC準(zhǔn)則20-21
• 3.3.2 gAIC和gBIC準(zhǔn)則21-22
• 3.4 線性自回歸模型參數(shù)估計(jì)的OPS方法及其改進(jìn)22-24
• 3.4.1 OPS方法22-23
• 3.4.2 改進(jìn)的OPS23-24
• 3.5 非線性自回歸模型參數(shù)估計(jì)的FROLS方法24-28
• 3.5.1 OLS方法24-26
• 3.5.2 FROLS算法26-28
• 3.6 頻率域上的因果關(guān)系檢測(cè)28-32
• 3.6.1 PDC方法28-29
• 3.6.2 非線性PDC方法29-32
• 3.7 癲癇生理模型32-35
• 3.8 本章小結(jié)35-36
• 第四章 實(shí)驗(yàn)與結(jié)論36-48
• 4.1 引言36
• 4.2 線性自回歸模型的參數(shù)估計(jì)及線性因果檢測(cè)36-41
• 4.2.1 OPS與加窗的改進(jìn)方法36-39
• 4.2.2 自適應(yīng)OPS方法39-40
• 4.2.3 用Granger因果來(lái)檢測(cè)信號(hào)之間的線性影響40-41
• 4.3 非線性模型的參數(shù)估計(jì)及非線性因果檢測(cè)41-45
• 4.3.1 非線性模型的FROLS參數(shù)估計(jì)方法41-43
• 4.3.2 用NPDC來(lái)檢測(cè)信號(hào)之間的非線性影響43-45
• 4.4 生理模型的NPDC實(shí)驗(yàn)45-47
• 4.5 實(shí)驗(yàn)結(jié)論47
• 4.6 本章小結(jié)47-48
• 第五章 總結(jié)與展望48-49
• 5.1 本文工作總結(jié)48
• 5.2 未來(lái)工作展望48-49
• 致謝49-50
• 參考文獻(xiàn)50-53

【相似文獻(xiàn)】

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前2條

1 李元左;韓正勇;;一類網(wǎng)絡(luò)圖的廣義連通性[A];復(fù)雜巨系統(tǒng)理論·方法·應(yīng)用——中國(guó)系統(tǒng)工程學(xué)會(huì)第八屆學(xué)術(shù)年會(huì)論文集[C];1994年

2 但媛;周濤;朱軍功;;山地城市道路網(wǎng)連通性改善策略——以重慶市主城區(qū)為例[A];多元與包容——2012中國(guó)城市規(guī)劃年會(huì)論文集(05.城市道路與交通規(guī)劃)[C];2012年

中國(guó)重要報(bào)紙全文數(shù)據(jù)庫(kù) 前4條

1 本報(bào)實(shí)習(xí)記者 柴莎莎;Wi-Fi的無(wú)縫連通性無(wú)可替代[N];網(wǎng)絡(luò)世界;2010年

2 高月英;拓展區(qū)域連通性 搶抓市場(chǎng)新機(jī)遇[N];云南政協(xié)報(bào);2010年

3 儲(chǔ)愛(ài)國(guó);局域網(wǎng)連通性測(cè)試簡(jiǎn)易方法[N];中國(guó)電腦教育報(bào);2004年

4 記者田學(xué)科;遠(yuǎn)程用戶安全連通性實(shí)現(xiàn)在即[N];科技日?qǐng)?bào);2002年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前3條

1 張昭;網(wǎng)絡(luò)可靠性研究：圖的高階連通性[D];新疆大學(xué);2003年

2 張小霞;圖的處處非零3-流及群連通性的研究[D];華中師范大學(xué);2013年

3 余桂東;圖的Hamilton性和連通性的譜刻畫[D];安徽大學(xué);2012年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 王雙琳;基于代數(shù)連通性的社會(huì)網(wǎng)絡(luò)影響傳播最大化模型研究[D];天津財(cái)經(jīng)大學(xué);2014年

2 吳國(guó)成;EEG癲癇信號(hào)的大腦連通性分析算法研究[D];東南大學(xué);2016年

3 蘇群英;井間連通性分析模型及其應(yīng)用研究[D];西安石油大學(xué);2013年

4 陳宗青;圖的兩類連通性參數(shù)[D];新疆大學(xué);2013年

5 孔玲;一類四次多項(xiàng)式填充Julia集的連通性[D];四川師范大學(xué);2009年

6 斯揚(yáng);姬塬油田鹽67區(qū)長(zhǎng)8儲(chǔ)層連通性研究[D];西安石油大學(xué);2015年

7 陳冬明;基于仿真實(shí)驗(yàn)的移動(dòng)自組織網(wǎng)絡(luò)鏈路連通性建模研究[D];哈爾濱工業(yè)大學(xué);2014年

8 閆丹丹;松花江下游沿江濕地水文連通性恢復(fù)研究[D];中國(guó)科學(xué)院研究生院（東北地理與農(nóng)業(yè)生態(tài)研究所）;2014年

9 謝茜;雙軌道圖的邊連通性[D];新疆大學(xué);2011年

10 黃毅;基于圖像分析的三維表面形貌連通性表征[D];合肥工業(yè)大學(xué);2007年

  本文關(guān)鍵詞：EEG癲癇信號(hào)的大腦連通性分析算法研究，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：262176