發(fā)布時(shí)間：2017-04-26 14:15

  本文關(guān)鍵詞：基于腦電分析技術(shù)的腦損傷區(qū)域判別及可視化方法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：大腦具有結(jié)構(gòu)對(duì)稱性和功能的對(duì)側(cè)性，反映腦功能狀態(tài)的腦電信號(hào)electroencephalogram (EEG)也具有對(duì)稱性，基于此，可以通過對(duì)腦電數(shù)據(jù)的分析處理，實(shí)現(xiàn)對(duì)患者大腦損傷部位的判別，并進(jìn)一步繪制出患者的腦電地形圖，實(shí)現(xiàn)對(duì)損傷部位的可視化。本論文提出一種基于對(duì)稱導(dǎo)聯(lián)腦電特征參數(shù)分析技術(shù)實(shí)現(xiàn)對(duì)大腦損傷部位的判別方法。相對(duì)于傳統(tǒng)的影像技術(shù)，該方法具有分辨率高，無輻射傷害，費(fèi)用低廉，易操作，可床邊檢查等優(yōu)勢(shì)，可作為臨床腦損傷檢查的輔助手段。 本文的主要工作內(nèi)容如下： （1）數(shù)據(jù)的采集和預(yù)處理。通過與武警浙江總隊(duì)杭州醫(yī)院合作，采集45例腦部損傷病人的腦電數(shù)據(jù)為病例組和10個(gè)健康人的腦電數(shù)據(jù)為正常對(duì)照組，并對(duì)腦電數(shù)據(jù)進(jìn)行預(yù)處理。 （2）基于對(duì)稱導(dǎo)聯(lián)腦電特征參數(shù)分析的大腦損傷部位判別研究。選取非線性特征參數(shù)近似熵approximate entropy (ApEn)和線性特征參數(shù)慢波系數(shù)slowwave coefficient (SWC)作為特征參數(shù)，，以腦損傷病人對(duì)稱導(dǎo)聯(lián)特征參數(shù)值變化范圍作為標(biāo)準(zhǔn)判別大腦損傷部位，并通過隨機(jī)選取樣本進(jìn)行測(cè)試和CT影像診斷結(jié)果驗(yàn)證判別準(zhǔn)確性。結(jié)果表明：采用安靜和喚名狀態(tài)下根據(jù)近似熵值判斷的準(zhǔn)確率分別為89.68%、91.86%；對(duì)應(yīng)慢波系數(shù)判別準(zhǔn)確率分別為90.68%、92.70%。 （3）大腦損傷部位的可視化研究。采用移動(dòng)平均插值法分別畫出線性特征參數(shù)平均功率譜密度和非線性特征參數(shù)樣本熵、近似熵等的地形圖brainelectrical area map（BEAM），以CT影像對(duì)損傷和非損傷腦區(qū)的診斷作為金標(biāo)準(zhǔn)，通過計(jì)算正確率、假陽性和假陰性判斷線性與非線性兩者的可視化表征效果。結(jié)果表明：1、所研究的5種非線性特征參數(shù)表征的可視化效果由優(yōu)到次依次為樣本熵Sample entropy(SampEn),近似熵、排列熵Permutation entropy(PmEn),復(fù)雜度CO Complexity C0,復(fù)雜度LZCComplexity LZC；2、非線性特征參數(shù)樣本熵、近似熵的可視化效果優(yōu)于線性特征參數(shù)平均功率譜密度；結(jié)論：非線性動(dòng)力學(xué)參數(shù)樣本熵、近似熵在腦損傷部位可視化表征方面表現(xiàn)優(yōu)于傳統(tǒng)的平均功率譜密度這種線性特征參數(shù)，并且損傷部位樣本熵值變化范圍對(duì)損傷部位的檢查有一定的輔助診斷價(jià)值。
【關(guān)鍵詞】：腦損傷 EEG BEAM 對(duì)稱導(dǎo)聯(lián)
【學(xué)位授予單位】：杭州電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：R651.15;R741.044
【目錄】：

• 摘要5-6
• ABSTRACT6-7
• 目錄7-9
• 第一章 緒論9-13
• 1.1 研究背景及研究意義9-10
• 1.2 國內(nèi)外研究進(jìn)展10-11
• 1.3 本文組織結(jié)構(gòu)11-12
• 1.4 本章小結(jié)12-13
• 第二章 腦電信號(hào)的分析處理方法介紹13-24
• 2.1 腦電信號(hào)的預(yù)處理13-17
• 2.1.1 腦電信號(hào)噪聲13-14
• 2.1.2 腦電信號(hào)的預(yù)處理方法和步驟14-17
• 2.2 腦電特征參數(shù)提取17-23
• 2.2.1 慢波系數(shù)17
• 2.2.2 平均功率譜密度17-18
• 2.2.3 近似熵18
• 2.2.4 樣本熵18-20
• 2.2.5 排列熵20-21
• 2.2.6 復(fù)雜度 C021-22
• 2.2.7 復(fù)雜度 LZC22-23
• 2.3 本章小結(jié)23-24
• 第三章 病例選取與采集方案24-29
• 3.1 病例選取24-25
• 3.2 腦電信號(hào)的采集25-28
• 3.3 本章小結(jié)28-29
• 第四章 基于對(duì)稱導(dǎo)聯(lián)腦電特征參數(shù)分析處理的腦部損傷部位判別29-39
• 4.1 方法29-32
• 4.1.1 對(duì)稱導(dǎo)聯(lián)分組30
• 4.1.2 對(duì)稱導(dǎo)聯(lián)比值計(jì)算30-31
• 4.1.3 對(duì)稱導(dǎo)聯(lián)比值差異性分析方法31
• 4.1.4 腦損傷區(qū)域判別標(biāo)準(zhǔn)的確定方法31-32
• 4.2 結(jié)果和結(jié)論32-38
• 4.2.1 損傷組和非損傷組導(dǎo)聯(lián)的 CP 值差異性分析32
• 4.2.2 單個(gè)導(dǎo)聯(lián) CP 值差異性分析32-33
• 4.2.3 腦損傷判別標(biāo)準(zhǔn)33-34
• 4.2.4 SESA 的準(zhǔn)確性和可靠性驗(yàn)證34-37
• 4.2.5 結(jié)論37-38
• 4.3 本章小結(jié)38-39
• 第五章 大腦損傷部位的可視化研究39-52
• 5.1 方法39-41
• 5.1.1 腦電地形圖的繪制39-40
• 5.1.2 腦電地形圖可視化效果比較方法40-41
• 5.2 結(jié)果和結(jié)論41-51
• 5.2.1 腦電特征參數(shù)的可視化表征效果比較41-45
• 5.2.2 損傷腦區(qū)的樣本熵范圍45-51
• 5.3 本章小結(jié)51-52
• 第六章 研究工作總結(jié)和展望52-54
• 6.1 工作總結(jié)52-53
• 6.2 工作展望53-54
• 致謝54-55
• 參考文獻(xiàn)55-60
• 附錄60-62
• 1、 單導(dǎo)聯(lián)慢波系數(shù)的統(tǒng)計(jì)分析結(jié)果60
• 2、患者損傷導(dǎo)聯(lián)情況表60-62
• 3、標(biāo)準(zhǔn)確定的方法（以 Fp1 or Fp2 為例）62
• 4、作者在讀期間發(fā)表的學(xué)術(shù)論文及參加的科研項(xiàng)目62

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前4條

1 曾浩;杜玉曉;;一種腦電地形圖快速成像方法研究[J];電子世界;2012年01期

2 趙啟斌;張麗清;CICHOCKI Andrzej;;三維虛擬現(xiàn)實(shí)環(huán)境中基于EEG的異步BCI小車導(dǎo)航系統(tǒng)[J];科學(xué)通報(bào);2008年23期

3 吳東宇;劉霖;宋玖駿;袁英;李廣慶;蔡劌;宋為群;王茂斌;;腦電非線性分析評(píng)價(jià)卒中患者的意識(shí)障礙[J];中國腦血管病雜志;2008年09期

4 李軼;趙波;楊文偉;李景琦;徐偉棟;徐瑩;沈蔡嫻;厲力華;楊勇;;基于對(duì)稱導(dǎo)聯(lián)EEG特征分析的腦損傷部位判別[J];科學(xué)通報(bào);2013年21期

  本文關(guān)鍵詞：基于腦電分析技術(shù)的腦損傷區(qū)域判別及可視化方法研究，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：328607