腦電圖（Electroencephalogram, EEG）是腦神經(jīng)細(xì)胞的電生理活動(dòng)在大腦皮層或頭皮表面的總體反映,包含了大量的生理和病理信息。近年來,與疼痛相關(guān)腦電信號(hào)的研究是當(dāng)前腦認(rèn)知和臨床治療領(lǐng)域的研究熱點(diǎn)和難點(diǎn)問題之一。文章使用卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network,CNN）和循環(huán)神經(jīng)網(wǎng)絡(luò)（Recurrent Neural Network,RNN）結(jié)合的CNN+Bi-LSTM網(wǎng)絡(luò)算法對(duì)疼痛和不痛的腦電信號(hào)進(jìn)行二分類,準(zhǔn)確率達(dá)到了97.1%,與此同時(shí)precision、recall、f1-score分別達(dá)到了97%、97%、97%。證明了兩種網(wǎng)絡(luò)結(jié)合對(duì)研究疼痛的腦電信號(hào)是可行的。 

【文章來源】：大眾科技. 2020,22(11)

【文章頁數(shù)】：5 頁

【部分圖文】：

ICA算法重構(gòu)后的腦電信號(hào)

-13-1數(shù)據(jù)預(yù)處理在復(fù)雜的環(huán)境中所采集的腦電信號(hào)（EEG）是由不同的信號(hào)源（等效源）產(chǎn)生的多路信號(hào)的混合信號(hào)。腦電信號(hào)受到心電、眼動(dòng)、肌電以及工頻等干擾。圖1顯示了常見腦電信號(hào)混入的偽跡成分[11]。雖然混入了多種干擾，本次的數(shù)據(jù)集采集的過程是在病人靜息狀態(tài)下，較多數(shù)的干擾來自工頻和眼電的干擾。(a)心電偽跡，(b)眨眼偽跡，(c)眼動(dòng)偽跡，(d)肌電偽跡，(e)脈搏偽跡，(f)工頻干擾圖1偽跡成分在腦電信號(hào)預(yù)處理階段，采用了濾波和眼電圖（EOG）來對(duì)偽影進(jìn)行去除。采用1到47Hz的帶通濾波器來去除工頻干擾，以及使用國(guó)內(nèi)外研究學(xué)者證明的有較好效果去除眼電偽跡的ICA算法[12-14]。借助EEGLAB自動(dòng)識(shí)別EOG組件。EEGLAB是ArnaudDelorme和ScottMakeig[15]發(fā)明的基于Matlab的工具箱，它是用于EEG信號(hào)分析的非常有用的工具。信號(hào)預(yù)處理的流程圖如圖2所示。EEG原始數(shù)據(jù)通過EEGLABBasicFIR濾波器進(jìn)行了1Hz～47Hz帶通濾波。圖3顯示了1個(gè)通道了帶通濾波前腦電圖功率譜的，圖4顯示了1個(gè)通道帶通濾波后的腦電圖功率譜，采集數(shù)據(jù)的儀器是14個(gè)通道，14個(gè)通道的信號(hào)經(jīng)過濾波后和單通道結(jié)果相似。然后，使用EEGLAB的runica函數(shù)通過ICA方法對(duì)14個(gè)通道的濾波后EEG數(shù)據(jù)進(jìn)行分解，并獲得14個(gè)獨(dú)立的分量信號(hào)。圖5顯示了ICA算法重構(gòu)后的腦電信號(hào)。圖2信號(hào)預(yù)處理的流程圖圖3單通道帶通濾波前腦電功率譜圖4單通道帶通濾波后腦電功率譜圖5ICA算法重構(gòu)后的腦電信號(hào)2算法人工神經(jīng)網(wǎng)絡(luò)：一般來說，人工神經(jīng)網(wǎng)絡(luò)有三層：輸入層、隱藏層?

擰?(a)心電偽跡，(b)眨眼偽跡，(c)眼動(dòng)偽跡，(d)肌電偽跡，(e)脈搏偽跡，(f)工頻干擾圖1偽跡成分在腦電信號(hào)預(yù)處理階段，采用了濾波和眼電圖（EOG）來對(duì)偽影進(jìn)行去除。采用1到47Hz的帶通濾波器來去除工頻干擾，以及使用國(guó)內(nèi)外研究學(xué)者證明的有較好效果去除眼電偽跡的ICA算法[12-14]。借助EEGLAB自動(dòng)識(shí)別EOG組件。EEGLAB是ArnaudDelorme和ScottMakeig[15]發(fā)明的基于Matlab的工具箱，它是用于EEG信號(hào)分析的非常有用的工具。信號(hào)預(yù)處理的流程圖如圖2所示。EEG原始數(shù)據(jù)通過EEGLABBasicFIR濾波器進(jìn)行了1Hz～47Hz帶通濾波。圖3顯示了1個(gè)通道了帶通濾波前腦電圖功率譜的，圖4顯示了1個(gè)通道帶通濾波后的腦電圖功率譜，采集數(shù)據(jù)的儀器是14個(gè)通道，14個(gè)通道的信號(hào)經(jīng)過濾波后和單通道結(jié)果相似。然后，使用EEGLAB的runica函數(shù)通過ICA方法對(duì)14個(gè)通道的濾波后EEG數(shù)據(jù)進(jìn)行分解，并獲得14個(gè)獨(dú)立的分量信號(hào)。圖5顯示了ICA算法重構(gòu)后的腦電信號(hào)。圖2信號(hào)預(yù)處理的流程圖圖3單通道帶通濾波前腦電功率譜圖4單通道帶通濾波后腦電功率譜圖5ICA算法重構(gòu)后的腦電信號(hào)2算法人工神經(jīng)網(wǎng)絡(luò)：一般來說，人工神經(jīng)網(wǎng)絡(luò)有三層：輸入層、隱藏層和輸出層。如圖6所示，神經(jīng)網(wǎng)絡(luò)的概念是受到人腦復(fù)雜網(wǎng)絡(luò)結(jié)構(gòu)的啟發(fā)[16]，神經(jīng)網(wǎng)絡(luò)是由一組被稱為節(jié)點(diǎn)或神經(jīng)元的連接單元組成的。就像大腦中的生物神經(jīng)元一樣，這些神經(jīng)元整合輸入信號(hào)，并將其傳遞給其他相連的神經(jīng)元。神經(jīng)元的輸出服從前一層神經(jīng)元的加權(quán)和。然而，神經(jīng)網(wǎng)絡(luò)模型容易產(chǎn)生平移和位移失真，從而導(dǎo)致分

【參考文獻(xiàn)】：
碩士論文
[1]基于雙通道時(shí)空特征深度學(xué)習(xí)的新生兒疼痛表情識(shí)別[D]. 耿惠惠.南京郵電大學(xué) 2019
[2]基于EEG的信號(hào)處理與疼痛識(shí)別研究[D]. 李冬.浙江大學(xué) 2019
[3]基于腦電信號(hào)分析客觀評(píng)估慢性腰背痛患者的研究[D]. 趙頎.安徽醫(yī)科大學(xué) 2018
[4]運(yùn)動(dòng)想象腦電信號(hào)的偽跡剔除算法及在線應(yīng)用研究[D]. 楊秋紅.昆明理工大學(xué) 2016
[5]腦電波信號(hào)的去偽跡研究[D]. 尹兵.南京郵電大學(xué) 2014



本文編號(hào)：3248002