本文關(guān)鍵詞：基于加權(quán)排序熵的多通道腦電信號同步算法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：腦電信號振蕩同步是大腦不同區(qū)域間進行信息傳送、處理以及功能整合的一個重要特征。對大腦不同區(qū)域腦電信號進行多通道同步分析,探索大腦各功能區(qū)域間相互協(xié)作的機制,深入理解大腦絮亂導致疾病的機理,對腦部神經(jīng)疾病診斷、預(yù)防和治療具有重要意義。本論文研究了多通道腦電信號同步算法,提出歸一化加權(quán)排序互信息全局同步指數(shù),并將該方法用于分析實際糖尿病患者輕度認知障礙的腦電信號。首先,對S估計器、同步索引、全局同步索引這三種多通道同步分析算法在時間窗寬度、信噪比和耦合系數(shù)方面進行模型仿真分析后,又對實際糖尿病腦電源信號的同步性進行研究,糖尿病遺忘型輕度認知障礙組和對照組的同步值統(tǒng)計分析結(jié)果表明,兩組在額區(qū)和顳區(qū)的delta和beta2頻段,以及枕區(qū)的theta和beta2頻段出現(xiàn)顯著性差異。其次,基于加權(quán)排序熵和互信息,提出歸一化加權(quán)排序互信息方法。應(yīng)用雙變量耦合模型對該方法在耦合系數(shù)、數(shù)據(jù)長度、延遲時間、嵌入維數(shù)和噪聲方面與歸一化排序互信息方法進行仿真分析對比,結(jié)果表明該方法性能明顯優(yōu)于歸一化排序互信息。將該方法與S估計器方法相整合,提出歸一化加權(quán)排序互信息全局同步指數(shù),非常適合用于多通道的腦電信號同步分析,且具有良好的可靠性和魯棒性。最后,應(yīng)用歸一化排序互信息全局同步指數(shù)和歸一化加權(quán)排序互信息全局同步指數(shù)對實際糖尿病患者分區(qū)后的腦電信號進行同步分析,統(tǒng)計分析發(fā)現(xiàn)兩組在后額區(qū)、中央?yún)^(qū)和枕區(qū)的歸一化加權(quán)排序互信息全局同步指數(shù)值存在顯著性差異。對同步與認知功能的皮爾森線性相關(guān)分析發(fā)現(xiàn)認知功能與腦電信號同步間存在一定的關(guān)聯(lián)。
【關(guān)鍵詞】：糖尿病 腦電信號 多通道同步分析 互信息 加權(quán)排序熵
【學位授予單位】：燕山大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：R741;TN911.7
【目錄】：

• 摘要5-7
• Abstract7-12
• 第1章 緒論12-18
• 1.1 研究背景及意義12
• 1.2 腦電信號的介紹12-14
• 1.2.1 腦電信號產(chǎn)生機理12-13
• 1.2.2 腦電信號的特點13-14
• 1.2.3 腦電信號的分類14
• 1.3 腦電信號同步分析研究現(xiàn)狀14-17
• 1.3.1 雙通道腦電信號同步分析方法14-15
• 1.3.2 多通道腦電信號同步分析方法15-17
• 1.4 論文的主要研究內(nèi)容17-18
• 第2章 腦電信號同步分析算法18-24
• 2.1 引言18
• 2.2 雙通道同步分析算法18-21
• 2.2.1 互相關(guān)函數(shù)18-19
• 2.2.2 相位同步法19
• 2.2.3 一致性19
• 2.2.4 雙通道香農(nóng)熵19-21
• 2.3 多通道同步分析算法21-23
• 2.3.1 同步似然21-22
• 2.3.2 Omega復雜度22-23
• 2.3.3 全區(qū)段同步化估計23
• 2.4 本章小結(jié)23-24
• 第3章 神經(jīng)量表篩查與腦電信號采集24-30
• 3.1 引言24-25
• 3.2 認知障礙量表評估25-27
• 3.3 納入和排除標準27-28
• 3.4 腦電信號的采集28-29
• 3.5 本章小結(jié)29-30
• 第4章 多通道同步算法的研究30-40
• 4.1 引言30
• 4.2 多通道同步分析方法30-32
• 4.2.1 S估計器30-31
• 4.2.2 基于相關(guān)矩陣的多通道同步方法31-32
• 4.3 模型仿真分析32-35
• 4.3.1 時間窗寬度對S估計器、SI和GSI的影響33-34
• 4.3.2 信噪比對S估計器、SI和GSI的影響34
• 4.3.3 耦合系數(shù)對S估計器、SI和GSI的影響34-35
• 4.4 糖尿病患者a MCI腦電源信號同步分析35-39
• 4.4.1 大腦皮層源信號35-36
• 4.4.2 皮層源信號同步分析36
• 4.4.3 同步及統(tǒng)計分析結(jié)果36-39
• 4.5 本章小結(jié)39-40
• 第5章 基于加權(quán)排序熵的多通道同步分析40-60
• 5.1 引言40
• 5.2 方法40-47
• 5.2.1 互信息40-42
• 5.2.2 排序熵42-43
• 5.2.3 加權(quán)排序熵43-45
• 5.2.4 加權(quán)排序互信息45-47
• 5.3 模型仿真分析47-51
• 5.3.1 耦合系數(shù)對算法的影響47-48
• 5.3.2 噪聲對算法的影響48-49
• 5.3.3 數(shù)據(jù)長度對算法的影響49-50
• 5.3.4 延遲時間和嵌入維數(shù)對算法的影響50-51
• 5.4 基于加權(quán)排序熵的全局同步指數(shù)51-52
• 5.5 糖尿病a MCI腦電信號的分析52-58
• 5.5.1 腦電信號同步分析53-54
• 5.5.2 同步值統(tǒng)計分析54-55
• 5.5.3 認知量表的統(tǒng)計分析55-56
• 5.5.4 同步與認知功能障礙的相關(guān)性56-58
• 5.6 本章小結(jié)58-60
• 結(jié)論60-62
• 參考文獻62-68
• 攻讀碩士學位期間承擔的科研任務(wù)與主要成果68-69
• 致謝69-70
• 作者簡介70

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前1條

1 邊志杰;路承彪;羅建平;崔冬;李小俚;;糖尿病誘發(fā)的認知功能損害研究[J];生物醫(yī)學工程學雜志;2013年04期

中國博士學位論文全文數(shù)據(jù)庫 前1條

1 崔冬;多通道腦電信號建模及同步分析[D];燕山大學;2011年

  本文關(guān)鍵詞：基于加權(quán)排序熵的多通道腦電信號同步算法研究，，由筆耕文化傳播整理發(fā)布。

本文編號：375906