發(fā)布時(shí)間：2020-05-04 17:29

【摘要】：在進(jìn)行運(yùn)動(dòng)想象時(shí),大腦皮層會(huì)出現(xiàn)與實(shí)際運(yùn)動(dòng)時(shí)相似神經(jīng)電生理現(xiàn)象,能直接激活感覺運(yùn)動(dòng)腦皮層促進(jìn)其重組或重建,因此可以借助運(yùn)動(dòng)想象來幫助因腦疾病造成運(yùn)動(dòng)功能障礙患者實(shí)現(xiàn)康復(fù),而且運(yùn)動(dòng)想象時(shí)不同動(dòng)作想象腦電信號(hào)的識(shí)別結(jié)果也可以作為一種控制策略,實(shí)現(xiàn)腦機(jī)交互。因此對運(yùn)動(dòng)想象的運(yùn)動(dòng)皮層狀態(tài)進(jìn)行分析和不同動(dòng)作想象的模式識(shí)別都具有現(xiàn)實(shí)意義和科學(xué)研究價(jià)值。本文從當(dāng)前腦電信號(hào)模式識(shí)別和運(yùn)動(dòng)想象時(shí)運(yùn)動(dòng)皮層狀態(tài)的研究現(xiàn)狀出發(fā),對不同視聽覺引導(dǎo)條件的腦電(Electroencephalogram,EEG)信號(hào)進(jìn)行分析。本文的研究重點(diǎn)主要是,不同視聽引導(dǎo)下運(yùn)動(dòng)想象皮層的狀態(tài)分析和不同動(dòng)作想象EEG信號(hào)的模式識(shí)別。主要研究內(nèi)容和創(chuàng)新點(diǎn)包括以下幾個(gè)方面:(1)四組不同視聽覺引導(dǎo)條件運(yùn)動(dòng)想象實(shí)驗(yàn)設(shè)計(jì)。四組實(shí)驗(yàn)分別是,單一運(yùn)動(dòng)想象,聽覺、視覺和視聽聯(lián)合引導(dǎo)運(yùn)動(dòng)想象。在實(shí)驗(yàn)中視覺引導(dǎo)選擇了同步播放視頻動(dòng)作,聽覺引導(dǎo)選擇了基于聽覺認(rèn)知的聲音“左”和“右”。對不同引導(dǎo)條件下的運(yùn)動(dòng)皮層狀態(tài)和動(dòng)作模式識(shí)別進(jìn)行對比分析。(2)運(yùn)動(dòng)皮層狀態(tài)分析。選擇AR功率譜模型對整個(gè)頻段上的信號(hào)能量的變化進(jìn)行整體分析,觀察運(yùn)動(dòng)皮層狀態(tài)在整個(gè)頻域上的表現(xiàn)和能量分布情況;以事件相關(guān)去同步/事件相關(guān)同步(Event Related Desynchronization/Event Related Synchronization,ERD/ERS)現(xiàn)象出現(xiàn)的神經(jīng)機(jī)制和m節(jié)律信號(hào)是由運(yùn)動(dòng)皮層產(chǎn)生為依據(jù),選擇μ節(jié)律信號(hào)的時(shí)域和頻域ERD量化值作為運(yùn)動(dòng)皮層活躍測度,對不同視聽引導(dǎo)條件下的運(yùn)動(dòng)皮層狀態(tài)進(jìn)行分析,結(jié)果表明:視聽聯(lián)合引導(dǎo)下運(yùn)動(dòng)皮層的活躍度最高,視覺引導(dǎo)次之,聽覺引導(dǎo)較低,單一運(yùn)動(dòng)想象最低;而且視覺對皮層狀態(tài)的影響大于聽覺對皮層狀態(tài)的影響。(3)EEG信號(hào)特征提取。針對傳統(tǒng)共空間模式(Common Spatial Pattern,CSP)方法中存在的導(dǎo)聯(lián)太少特征分類精度不高以及特征提取中頻域信息體現(xiàn)不充分的問題,提出了一種基于平穩(wěn)小波包變換(Stationary Wavelet Packet Transformation,SWPT)的CSP方法,對EEG信號(hào)進(jìn)行SWPT分解重構(gòu),選取每個(gè)導(dǎo)聯(lián)中按特征節(jié)律波劃分的四個(gè)頻段分解信號(hào),三個(gè)導(dǎo)聯(lián)共12個(gè)信號(hào)作為CSP方法的輸入信號(hào),分類結(jié)果表明該方法明顯優(yōu)于CSP方法,一定程度上解決了既想EEG導(dǎo)聯(lián)少,又要識(shí)別精度高的問題。針對多元多尺度熵計(jì)算中,多導(dǎo)聯(lián)腦電信號(hào)導(dǎo)致計(jì)算量過大以及特征缺乏魯棒性的問題,采用了一種改進(jìn)的多元多尺度熵(Improved Multivariate Multi-scale Entropy,IMMSE)算法,算法中多元延遲向量的擴(kuò)展方法提升了計(jì)算效率,仿真結(jié)果表明該方法在EEG中提取的特征具有良好的可分性。(4)分類器設(shè)計(jì)。針對當(dāng)前腦電信號(hào)模式分類時(shí)存在的正確率較低的瓶頸問題,引入差分進(jìn)化算法對最小二乘支持向量機(jī)分類算法進(jìn)行優(yōu)化,比較了該差分-最小二乘支持向量機(jī)與支持向量機(jī)、最小二乘支持向量機(jī)的分類情況,識(shí)別率在IMMSE、SWPT-CSP兩種特征上都有大幅提升。當(dāng)特征為IMMSE時(shí),分別提高2.75%和4.25%;特征為SWPT-CSP時(shí),分別提高4.75%和5.25%。并對不同特征和不同引導(dǎo)條件的分類識(shí)別率進(jìn)行了分析,實(shí)驗(yàn)結(jié)果表明:CSP、SWPT-CSP和IMMSE三種特征中,SWPT-CSP分類效果最好、IMMSE次之、CSP最低;四種不同的引導(dǎo)條件中,分類識(shí)別率:視聽引導(dǎo)視覺引導(dǎo)聽覺引導(dǎo)單一運(yùn)動(dòng)想象,并且視覺引導(dǎo)對分類識(shí)別率的影響大于聽覺引導(dǎo)。
【圖文】：

MI-BCI康復(fù)應(yīng)用

生的生理基礎(chǔ)構(gòu)智能最核心的器官，由 140 億個(gè)神經(jīng)細(xì)胞組成，分為大腦、小腦和腦干三個(gè)部分，其，也是腦的主要部分。其中大腦由大腦縱裂胼胝體連接起來，雖然都是大腦的組成部區(qū)別。例如語言、計(jì)算、分析等事情通�？臻g概念等則是右腦來處理。不過這樣的差實(shí)際上很多功能都要由兩個(gè)半球的共同參蓋者一層灰色的物質(zhì)，稱為大腦皮層。皮其中凸出的部分，腦溝是凹下去的部分，這腦的表面積。其中的中央溝、頂枕裂和大腦葉和顳葉四個(gè)部分。這四個(gè)葉區(qū)在結(jié)構(gòu)和功.1 所示。
【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】：2018
【分類號(hào)】：R318

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李范強(qiáng);吳巧云;黃日荷;;針刺、推拿聯(lián)合運(yùn)動(dòng)想象療法對腦卒中偏癱患者肢體功能的影響[J];生物醫(yī)學(xué)工程學(xué)進(jìn)展;2016年04期

2 武峙璇;趙麗波;劉瑋;于杰;;運(yùn)動(dòng)想象療法對早期腦梗死患者康復(fù)治療有效性的研究[J];中國衛(wèi)生標(biāo)準(zhǔn)管理;2017年04期

3 任靜;郭佳琪;;探討運(yùn)動(dòng)想象療法對腦卒中偏癱患者平衡功能恢復(fù)的影響[J];中國衛(wèi)生標(biāo)準(zhǔn)管理;2017年09期

4 朱海平;馮玲;;運(yùn)動(dòng)想象療法對腦卒中偏癱患者上肢運(yùn)動(dòng)功能恢復(fù)的影響[J];中國高等醫(yī)學(xué)教育;2017年08期

5 陳麗娜;;針灸聯(lián)合運(yùn)動(dòng)想象療法對腦卒中偏癱患者康復(fù)進(jìn)程的作用分析[J];中醫(yī)臨床研究;2016年03期

6 曾令雄;;運(yùn)動(dòng)想象療法在腦卒中偏癱患者下肢功能康復(fù)治療中的效果觀察[J];健康之路;2017年10期

7 董一璇;;運(yùn)動(dòng)想象療法在療養(yǎng)院腦卒中偏癱康復(fù)訓(xùn)練中的應(yīng)用[J];中國民間療法;2013年01期

8 葛晴霞;郭根平;章慧霞;;運(yùn)動(dòng)想象療法在腦卒中偏側(cè)忽略訓(xùn)練中的應(yīng)用[J];中國康復(fù)理論與實(shí)踐;2013年02期

9 嚴(yán)樹嬋;曾少良;金勤劍;;運(yùn)動(dòng)想象療法在冠心病介入治療患者心臟康復(fù)中的應(yīng)用[J];中國當(dāng)代醫(yī)藥;2013年14期

10 葉依露;賴W毩，

本文編號(hào)：2648745