首页 > 文献资料
-
D Y D型脑电地形图仪打印不正常故障的修理
我院购置的DYD型脑电图仪是应用电子计算机信息处理技术,对脑电信号进行二次处理,将定量脑电波参数值以图形的形式表达出来,直观综合性较强,定位准确,为颅内病变的诊断,以及大脑功能定量分析的研究提供了先进的,无创而科学的手段.该机配置了长城386微机和CR-3240打印机(4色彩打印机).正常情况下能从显示屏上看到:功率谱地形图、视觉诱发电位地形图、体感诱发电位地形图、棘波地形图.同时可存取,打印脑地形图.
-
脑电图机漂移抖动故障的检修
脑电图机是一台高增益、高灵敏度、高共模抑制比、低噪声的精密医用电子仪器.因此哪怕是一些很小的故障和干扰,都会造成描记的漂移或干扰.再加之脑电信号是一种慢频率、低幅度的微弱信号,其记录频率又恰好落在交流电的共频范围内,因此对放大电路和电源电路要求也非常高.笔者从几例不同的漂移故障入手,介绍一下漂移和干扰故障的诊断与检修.
-
三维脑地形图仪的工作原理及常见故障的维修
三维脑地形图仪是一种描记大脑生物电的电子仪器.它可将微弱的脑电活动信号进行不失真的放大,并进行处理、分析、存储,再通过显示器和打印机将脑电信号描记下来.它不仅可以打印出被检查者的16道脑电图,也可以打印出各种分析、处理后的结果.
-
日本光电EEG7300脑电图机故障维修
故障现象:通电后机器面板显示正常,除第五笔外其他所有笔向上偏转一小角度,不能定标,无法记录脑电信号.
-
用近似熵方法监测脑电信号分析麻醉深度
根据基本物理思想可以认为，麻醉期间脑电信号的无序度将会降低，可以作为评估镇静程度的指标。近似熵作为一种有效的复杂性分析方法，适合作为麻醉中脑电信号的复杂性测度，研究中分析了麻醉实验中记录的40例脑电信号，计算了其近似熵测度的分布。结果表明，脑电信号近似熵可以对麻醉和清醒两种状态进行划分。
-
基于脑电超慢涨落信号探究心身疾病肝郁气滞证脑内神经递质特征
目的 从脑内神经递质活性改变方面探究心身疾病肝郁气滞证的生物学标记. 方法 本研究以"证病结合" "以方测证"为研究方法,采用脑电信号非线性分析法——脑电超慢涨落分析法为技术手段,把经柴胡疏肝散加减治疗2～8周后疗效为显效、临床痊愈的主证为肝郁气滞证的患者治疗前的脑电超慢涨落图和健康人对照组的脑电超慢涨落图加以对照分析,比较两组脑内5-羟色胺(5-hydroxytryptamine,5-HT)、多巴胺(dopamine,DA)、去甲肾上腺素(norepinephrine,NE)的激活情况. 其中,肝郁气滞证患者27例,健康人对照组23例. 结果 与健康人对照组比较,肝郁气滞证患者在C4脑区的5-HT激活水平下降(P＜0. 05),在F4、C4脑区DA激活水平下降(P＜0. 05),在C3、P3脑区NE激活水平升高(P＜0. 05).结论 心身疾病肝郁气滞证在脑电超慢涨落图上有脑内神经递质活性的规律性表现. 初步从脑电生理学和脑内神经递质活性改变方面,揭示出心身疾病肝郁气滞证的生物学标记.
-
基于判别混合高斯模型的信息积累方法及在脑机接口中的应用
设计有效的学习算法快速准确地对脑电信号(eelectroencephalogram,EEG)进行连续预测是脑机接口(brain-computer interface,BCI)研究的关键之一.本文提出了一种新颖的基于判别混合高斯模型(discriminative gaussian mixture model,DGMM)的信息积累方法.该方法通过区分度权值对分类器在各时段的输出进行积累,从而达到提高脑电信号分类精度的作用.在两个运动想象数据集上的实验结果表明该方法能够提高BCI系统的性能,具有较好的实用性.
-
基于脑电信号时空分布信息的思维特征研究
通过对几种特定形式的思维状态下,脑电信号不同频段能量的时空分布的计算和分析,发现了思维状态对脑电信号的能量分布影响具有不对称性.同时利用这种脑电信号能量的时空分布信息对思维状态进行神经网络分类,并对去除眼动等干扰信号前后的分类结果进行比较.结果表明,这种时空分布信息能有效的表征思维状态的类型,并对干扰信号具有一定的抑制作用,是一种研究脑电和思维认知关系的有效方法.
-
基于典型相关分析和小波变换的眼电伪迹去除
目的 针对脑电信号中眼电伪迹去除尚存在的问题,提出一种基于典型相关分析与小波变换的(wavelet-enhanced canonical correlation analysis,wCCA)自动去除眼电伪迹的算法.方法 首先,充分利用脑电信号和眼电伪迹的空间分布特征,将基于典型相关分析的盲源分离算法分别应用于左右脑区的混合信号中,从而保证典型相关分析分解得到的第一个典型相关变量(即左右脑区之间的公共成分),就是眼电伪迹分量.然后为了恢复泄漏在该伪迹分量中的脑电成分,对伪迹分量进行小波阈值滤波,将高于某一阈值的小波系数置零,而保留低于阈值的系数.结果 与其他三种基于盲源分离去除眼电伪迹的方法相比较,该方法在有效地自动去除眼电伪迹的同时,很好地保留了潜在的脑电信号,去除效果明显优于其他三种方法.结论 由于该算法简单,处理速度较快,因此应用于实时的脑机接口系统中更具优越性,为后续脑电信号的特征提取和分类分析提供了良好的基础.
-
脑电中眼电伪迹的自动识别与去除
目的 为改善脑电中眼电伪迹的去除效果,基于脑电的非平稳性和模糊特点,提出一种将离散小波变换与二阶盲辨识相结合,并以模糊熵为眼电伪迹判别准则的眼电伪迹去除方法.方法 首先,采用离散小波变换对含噪的脑电信号进行多分辩分析,获得平稳性更好的多尺度小波系数;进而,选择同层的小波系数构成小波系数矩阵,并基于二阶盲辨识对其盲源分离,得到源信号的估计;进一步以模糊熵为判别依据,实现眼电伪迹的自动判别与剔除.实验数据采用BCI Competition IV公开数据库,使用信噪比、相关系数及均方根误差等常用伪迹判别指标进行衡量.结果 本文方法相对于常用的眼电伪迹去除方法在多个性能指标上均取得大值.结论 本文提出的眼电伪迹去除方法,实现了眼电伪迹的自动精确判断与剔除,并表现出很好的稳定性.
-
基于ERP和稳态诱发电位的听觉和触觉整合研究
目的 通过记录与分析单一听觉、单一触觉和混合听触觉条件下的头皮脑电信号,探究一种研究大脑听觉和触觉整合现象的分析方法,为研究听觉和触觉整合的神经机制提供基础.方法 首先构建听觉和触觉双模态刺激的头皮脑电记录系统,通过采集13例正常受试者在单一模态和混合模态条件下的头皮脑电信号,分别比较不同条件下听觉和触觉事件相关动作电位(event-related potential,ERP)与稳态诱发电位(steady-state evoked potential,SSEP)的差异.结果 听觉和触觉整合的ERP信号峰值比单一听觉和单一触觉条件下的幅值更强,脑电响应的潜伏期显著提前,并且混合模态下的稳态诱发电位的能量显著高于单一模态.结论 事件相关动作电位信号峰值的潜伏期与幅值以及稳态响应的能量可作为衡量听觉和触觉整合的参数指标,对听觉和触觉整合的研究具有参考意义.
-
自回归模型和隐马尔可夫模型在癫痫脑电识别中的应用
目的 研究自回归(autoregressive model,AR)模型和隐马尔可夫模型(hidden Markov model,HMM)在癫痫脑电(electroencephalogram,EEG)识别中的应用,以期减轻医生工作量,减少人工识别主观因素的影响.方法 使用基于联合信息准则(combined information criterion,CIC)的佳阶数AR模型对脑电信号进行特征提取,连续密度隐马尔可夫模型(continuous density hidden Markov model,CD-HMM)作为正常脑电和癫痫脑电的分类工具,对南京军区总医院的临床脑电数据(8组采样频率为512 Hz的16导正常、癫痫脑电信号)进行分析和识别.实验时对每一例样本选取T3、T4、FP1、FP2、C3、C4六个导联的数据.使用训练集中的15段样本进行HMM建模,剩下35段用作测试.结果 癫痫脑电的识别率可达90%.结论 AR模型结合HMM建模的方法对正常脑电信号和癫痫脑电的识别率较高,在脑-机接口设备的开发中有一定的应用前景.
-
基于相位斜率指数的脑电信号方向研究
目的 将相位斜率指数(phase-slope index,PSI)算法应用在健康及癫痫患者的脑电数据上,分析导联间信息流的方向和强度,拟为临床医学研究癫痫提供借鉴方法 .方法首先在相位斜率指数理论方法的基础上研究了不同脑区间的信息流向的因果关系,并取合适的阈值2作为有效结果 ;然后对来自军区总医院采集的健康人和癫痫患者的新脑电数据进行分析,用t检验方法考量健康数据和癫痫数据所得到的有效结果百分比是否具有显著性差异.结果左右区没有明确的方向,前后区在alpha频段有清晰的从前到后的方向;在宽带方法(所有频率)下,健康人数据所得到的有效结果百分比与癫痫患者数据所得到的有效结果百分比的差异无统计意义;在窄带方法(alpha频段)下,健康人数据所得到的有效结果百分比要高于癫痫患者数据所得到的有效结果百分比.结论 基于相位斜率指数的脑电信号研究方法得出两种信号的有效结果百分比的差异有统计意义,对临床医学分析癫痫数据具有借鉴意义.
-
基于Jensen熵的运动想象脑电信号稳态子空间分析
目的 虽然稳态子空间分析(stationary subspace analysis,SSA)算法在脑电研究领域取得了一定的成效,但目前该算法还不够完善,脑电数据分类误差还比较大,因此要想更好地研究脑电信号,就必须进一步加强算法优化,减少分类误差.本文提出了一种基于Jensen熵(Jensen-Shannon divergence,JSD)的稳态子空间分析算法,并将改进后的算法应用到二类和四类运动想象脑电信号中.方法 将JSD代替原SSA算法中的KL散度(Kullback-Leibler divergence,KLD),对改进后的算法(以下简称为JSSA算法)进行模拟仿真,然后将SSA算法和JSSA算法应用到二类和四类运动想象脑电信号中,对Graz2003和Graz2008数据集进行分类提取,并用t检验方法考量SSA算法和JSSA算法所得到的分类准确率是否有显著提高.结果 相比于普通算法,SSA算法可以提高运动想象脑电数据的分类准确率,而且基于JSSA算法比基于SSA算法能使运动想象脑电信号分类效果更加准确.结论 基于Jensen熵的运动想象脑电信号稳态子空间分析算法相比于SSA算法准确率更好,从而可以使运动想象脑电分类准确率更高.
-
基于脑电信号的抑郁情绪倾向研究
目的 对在校大学生的脑电信号(electroencephalography,EEG)进行研究,以期找到对抑郁情绪倾向预测具有可行的高识别率的情绪特征.方法 首先通过14导脑电设备采集19位高校大学生(女6、男13)的脑电信号并对其进行贝克抑郁量表的测试,按测试结果 将其分为实验组和正常组.然后使用Eeglab工具包对采集到的数据进行预处理,得到干净的脑电信号.后采用事件相关频谱扰动(ERSP)对其进行时频分析,以讨论在时间-频率域内的能量变化与抑郁情绪倾向预测的关系.结果在负性图片刺激下,在Alpha、Beta波段均发现时间窗为50～150 ms、350～450 ms时正常组和实验组之间差异具有统计学意义.在正性图片刺激下,Alpha波段在时间窗为150～250 ms、350～450 ms时正常组和实验组之间差异具有统计学意义,Beta波段在时间窗为300～400 ms时差异具有统计学意义.结论 在正负性图片的刺激下,Alpha、Beta波段的部分特殊时间段中存在可识别抑郁情绪倾向的特征值,可为今后研究抑郁情绪倾向性提供一定的参考依据.
-
基于AR模型和Lempel-Ziv复杂度的癫痫发作预报
目的 癫痫是由多种病因引起的慢性脑功能障碍综合征,及时的发作预报,对于建立新的治疗方法和改善患者的生活质量有着至关重要的作用.目前大部分脑电分析算法存在计算速度慢、适应性差等问题,无法满足癫痫脑电发作预报的要求.方法 本文应用自回归模型对脑电信号进行特征提取,支持向量机(support vector machine,SVM)作脑电各个时期分类器,并与Lempel-Ziv复杂度分析计算相结合,准确识别发作前期,以实现癫痫的发作预报.结果 应用弗莱堡大学数据对上述方法的有效性进行验证.仿真结果表明,该方法得到的发作漏检率、误报率较低,预报提前时间较长.结论 将AR模型和Lempel-Ziv复杂度相结合,对癫痫发作预报的实现,有一定参考价值和意义.
关键词： 癫痫 脑电信号 自回归模型 Lempel-Ziv复杂度 发作预报 -
脑电信号的多重分形去趋势波动分析
目的 利用一种多重分形去趋势波动分析方法探索脑电信号的波动和不规则信息中隐藏的规律.方法 数据来源于德国波恩大学医学中心的数据库,分别对睁眼、闭眼、正常人、癫痫未发作期和发作期患者的脑电信号进行计算,求出各自的奇异谱宽度△α和Hurst指数,并对各组数据的均值和方差做统计分析.结果 奇异谱宽度△α可以有效区分不同的脑电状态.结论 脑电信号的多重分形去趋势波动分析方法有助于癫痫疾病的早期诊断.
-
手机辐射对脑电信号影响的研究
目的 研究手机辐射对脑电信号的影响.方法首先通过调查问卷调查在校大学生手机使用状况及使用感受.根据调查问卷选取使用量较多的3款手机Nokia 6220C、Samsung GT - S3930C和Nokia 7610,用NBM - 520电磁辐射分析仪测量各手机不同状态下的电磁波强度.在参与调查的人群中选取11名被试参加试验,用NT9200数字脑电仪分别记录被试在手机通话前、手机直接通话30min后、带手机耳机通话30min后的静息脑电信号,对比3种状态下各频段脑电信号的功率谱幅值,采用SPSS18.0软件进行统计分析.结果 手机直接通话30min后脑区的α1频段功率谱幅值均大于手机通话前与带耳机通话状态下的幅值.手机通话前各脑区的β2频段幅值均大于手机通话后与带耳机通话状态下的波幅.手机通话前、手机直接通话后与带耳机通话后各状态之间无显著性差异(P>0.05).结论 短时间的手机辐射对脑电信号影响不显著.
-
基于不同特征参数的脑电信号分类
分别以自回归(autoregression,AR)模型系数、相关系数和信息熵作为信号特征对不同思维作业脑电(EEG)信号进行分类,其中相关系数和信息熵均是首次用于思维作业EEG信号的特征提取.实验结果显示,采用信息熵作为EEG信号特征的分类准确率总体上明显高于采用另两种特征参数,且受提取特征的数据分段长度的影响小,有利于提高基于思维作业实时脑- 机接口的通信准确度和速率.同时,研究结果也进一步证实了高频信息可用于EEG的分类.
-
基于CSP的多类运动想象脑电特征自动选择算法
目的 在基于协方差矩阵近似联合对角化(joint approximation diagonalization,JAD)的多类共空间模式(common spatial pattern,CSp)运动想象检测滤波器的设计过程中,需要对关键特征向量进行选择.较常用的基于“高得分特征值准则”的特征向量选择方法会出现不同类数据的高得分特征值对应同一个特征向量,因此导致无效CSP滤波器的出现,进而影响系统识别率.本文在传统JAD方法上提出一种特征值自动选择方法以解决特征值选择无效问题.方法 基于BCI Competition 2005dataⅢa(BCI2005)和实验室自主采集三类运动想象脑电(EEG)数据集,对不同想象类别数据对应同一个特征向量的异常现象进行实验分析.结果 在两个数据集自测试下,本方法的三类运动想象平均识别率分别达到82.78％和85.92％,比传统JAD提高3.44％和3.25％.结论 基于CSP的多类运动想象脑电特征自动选择算法能够有效解决特征值选择无效问题,进而提升运动想象BCI系统的分类识别率.
