本文關(guān)鍵詞：基于粗集理論和Informax ICA的聽、視覺誘發(fā)電位提取算法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：誘發(fā)電位是中樞神經(jīng)系統(tǒng)對外界刺激做出的電反應(yīng)。它所包含的信息對評價人體神經(jīng)功能、診斷神經(jīng)系統(tǒng)疾病等方面具有重要的意義。誘發(fā)電位具有微弱、強(qiáng)非線性、強(qiáng)耦合性、信噪比低等特征,從強(qiáng)干擾環(huán)境中提取0.1uV的聽、視覺誘發(fā)電位信號成為國內(nèi)外研究的前沿課題。目前,臨床上廣泛使用的是平均疊加技術(shù),它雖然簡單方便,但是需要測試多次,測試者易疲勞；且丟失大量的動態(tài)信息無法準(zhǔn)確描述誘發(fā)電位的動態(tài)特性。隨著生理信號領(lǐng)域多年的不斷發(fā)展,多種不同算法被深入研究用來提取誘發(fā)電位。小波閾值去噪法、建立人工神經(jīng)網(wǎng)絡(luò)非線性逼近誘發(fā)電位模型、分離信噪比高的獨(dú)成分分析算法,小波變換和獨(dú)立成分分析結(jié)合的WICA算法、小波結(jié)合神經(jīng)網(wǎng)絡(luò)算法等。本文重點研究了運(yùn)用粗集理論與Informax IC A相結(jié)合的方法來提取腦干聽覺誘發(fā)電位和翻轉(zhuǎn)模式視覺誘發(fā)電位。采集的誘發(fā)電位信噪比低,含有很多頻率高于誘發(fā)電位和與誘發(fā)電位頻帶相同并混合重疊的強(qiáng)噪聲信號。針對Informax ICA無法有效地提取低信噪比信號的缺陷,本文提出先將采集信號進(jìn)行粗集理論預(yù)處理,提高誘發(fā)電位信噪比,預(yù)處理后信號通過Informax ICA算法分離出頻帶相互重疊的誘發(fā)電位和噪聲,提取得到誘發(fā)電位波形。信號預(yù)處理時,根據(jù)聽、視覺誘發(fā)電位各自波形的特征,將極點時間間隔閾值%：分別設(shè)置為0.45ms、0.69ms來去除部分高頻噪聲。通過分析粗集預(yù)處理后信號的頻譜、功率譜密度估計、信噪比、均方差等參數(shù),并且與平均疊加預(yù)處理的信號相比較可知,粗集理論比平均疊加技術(shù)更有效的去除腦干聽覺誘發(fā)電位和翻轉(zhuǎn)模式視覺誘發(fā)電位中的高頻噪聲,提高信噪比。最后將基于粗集理論和InformaxICA相結(jié)合算法提取的誘發(fā)電位波形分別與平均疊加技術(shù)提取的波形、Informax ICA提取的波形進(jìn)行對比。分析、對比三種算法分別提取的腦干聽覺誘發(fā)波形的Ⅰ-Ⅲ、Ⅲ-Ⅳ/Ⅴ, Ⅰ-Ⅳ/Ⅴ峰間潛伏期和翻轉(zhuǎn)模式視覺誘發(fā)電位的P100波出現(xiàn)時間,基于粗集理論和Informax ICA相結(jié)合的方法能夠更真實、有效地提取到腦干聽覺誘發(fā)波形和翻轉(zhuǎn)模式視覺誘發(fā)電位波形,為臨床醫(yī)學(xué)檢測提供技術(shù)手段和體感誘發(fā)電位的提取提供新的思路。
【關(guān)鍵詞】：腦干聽覺誘發(fā)電位 翻轉(zhuǎn)模式視覺誘發(fā)電位 粗集理論預(yù)處理 Informax ICA
【學(xué)位授予單位】：廣東工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：R741.04;TP18
【目錄】：

• 摘要4-5
• Abstract5-7
• 目錄7-9
• Contents9-11
• 第一章 緒論11-19
• 1.1 研究背景及意義11-12
• 1.2 國內(nèi)外研究現(xiàn)狀12-17
• 1.3 論文主要研究內(nèi)容17-19
• 第二章 聽視覺誘發(fā)電位特性和EP采集系統(tǒng)19-30
• 2.1 誘發(fā)電位信號概述19-22
• 2.1.1 腦干聽覺誘發(fā)電位形成機(jī)理及特征19-21
• 2.1.2 翻轉(zhuǎn)視覺誘發(fā)電位形成機(jī)理及特征21-22
• 2.2 EP信號采集處理系統(tǒng)22-25
• 2.3 誘發(fā)電位信號采集25-29
• 2.3.1 BAEP信號的采集26-27
• 2.3.2 PRVEP信號的采集27-29
• 2.4 本章小結(jié)29-30
• 第三章 基于粗集理論的誘發(fā)電位預(yù)處理算法30-43
• 3.1 粗集理論30-34
• 3.1.1 粗集理論的發(fā)展30
• 3.1.2 粗集理論的應(yīng)用與價值30-31
• 3.1.3 粗集理論的基本概念31-34
• 3.2 基于粗集理論的誘發(fā)電位預(yù)處理34-42
• 3.2.1 粗集理論預(yù)處理誘發(fā)電位34-35
• 3.2.2 BAEP信號預(yù)處理結(jié)果與分析35-38
• 3.2.3 PRVEP信號預(yù)處理結(jié)果與分析38-42
• 3.3 本章小結(jié)42-43
• 第四章 獨(dú)立分量分析提取誘發(fā)電位43-58
• 4.1 ICA基本模型43-46
• 4.1.1 ICA基礎(chǔ)理論43-44
• 4.1.2 信息論基礎(chǔ)知識44-46
• 4.1.3 不確定性46
• 4.2 ICA獨(dú)立性判據(jù)46-53
• 4.2.1 互信息極小化判據(jù)48-51
• 4.2.2 極大似然估計判據(jù)51-52
• 4.2.3 高階統(tǒng)計量判據(jù)52-53
• 4.3 Informax ICA提取誘發(fā)電位結(jié)果與分析53-57
• 4.3.1 Infomax ICA提取誘發(fā)電位53-55
• 4.3.2 Infomax ICA提取BEAP波形結(jié)果與分析55
• 4.3.3 Infomax ICA提取PRVEP波形結(jié)果與分析55-57
• 4.4 本章小結(jié)57-58
• 第五章 基于粗集和Informax ICA的誘發(fā)電位提取58-69
• 5.1 EP信號采集與處理系統(tǒng)硬件完成情況58-60
• 5.2 基于粗集理論和Informax ICA算法的BAEP提取結(jié)果與分析60-64
• 5.3 基于粗集理論和Informax ICA算法的PRVEP提取結(jié)果與分析64-68
• 5.4 小結(jié)68-69
• 總結(jié)與展望69-71
• 參考文獻(xiàn)71-78
• 攻讀學(xué)位期間發(fā)表論文78-80
• 致謝8

【相似文獻(xiàn)】

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 王蓉;基于粗集理論和Informax ICA的聽、視覺誘發(fā)電位提取算法研究[D];廣東工業(yè)大學(xué);2015年

  本文關(guān)鍵詞：基于粗集理論和Informax ICA的聽、視覺誘發(fā)電位提取算法研究，，由筆耕文化傳播整理發(fā)布。

本文編號：325184