首页 > 文献资料
-
基于扩展Infomax ICA的ERP少次提取方法研究
事件相关电位(event related potential,ERP)提取是脑电研究的重点之一,目前临床上主要通过相干平均的方法来获取.由于脑电的非平稳性,使其需要大量重复刺激才能获得,对于受试者极不方便,也不利于ERP的实时检测.本文以反映大脑稀少认知事件的相关电位P300为例,采用扩展Infomax(extended informationmaximization)独立分量分析(independent component analysis,ICA)算法,先滤除眼动、工频干扰,再重构脑电数据,后经少次叠加即可得到与通常需多次相干平均结果相近的比较满意的P300波形.说明ICA算法在ERP的峰值和潜伏期模式识别上具有较为明显的效果,具有潜在的临床工程应用价值.
-
脑电分析在认知研究中的进展
通过脑电分析来认识脑的活动是一种有效的无创手段.近年来,随着认知科学研究的逐渐升温,将脑电信号分析应用于认知研究成为重要的手段之一.本文在对脑电信号处理方法以及认知研究现状等综述的基础上,重点介绍了脑电分析在认知研究中进展状况.文章指出由于EEG良好的时间分辨率等特性,深入研究EEG对于了解认知和思维过程、揭示大脑工作机理具有重要意义.
-
基于偏定向相干性(PDC)的脑卒中后抑郁症患者脑网络研究
探究脑卒中后抑郁症(PSD)患者脑网络异常.采集PSD患者及其对照组(卒中后无抑郁症(PSND)患者及健康人(CONT))各10例16导联静息态脑电信号进行偏定向相干性(PDC)分析,利用单尾单样本t检验构建这3类人群的平均脑网络图,并对所得脑网络进行基于图论的拓扑参数比较分析.结果表明,经统计学检验(P＜0.05),当PDC阈值取0.2时,三类人群平均脑网络节点度、平均集群系数及中介中心度参数差异明显.具体表现为脑卒中患者相对健康人出现了优势半球(左半球)信息流入的减弱,PSD患者相对PSND患者在与“情绪”相关的左额叶及左颞叶信息流出减弱.PSD患者相对CONT及PSND人群平均集群系数分别下降2.4％及1.8％,脑网络集团化程度减弱;网络核心节点个数分别增大2.2倍及1.6倍,且核心节点有所转移,枢纽节点核心地位下降.受脑卒中和抑郁情绪的影响,PSD患者的脑网络发生了异常改变.
-
基于去趋势波动分析(DFA)的脑卒中后抑郁症静息脑电特征提取与识别
为考察脑卒中后抑郁症(PSD)患者静息态脑电(EEG)特异性,通过去趋势波动分析(DFA),提取16导联EEG信号波动函数F(s)和区间长度s函数关系在双对数坐标中线性拟合斜率之标度指数α值,作为EEG信号的长程幂函数相关性特征参数.将3类人群(健康正常组10人、脑卒中后无抑郁症组4人、脑卒中后抑郁症组7人)的16导联EEG信号α值作为样本进行独立样本t检验,结果显示,健康人与脑卒中患者在顶叶、颞叶以及枕叶处α值存在显著性差异(P＜0.05)；利用支持向量机(SVM)分类器,将EEG信号DFA的α值放入16维特征空间在脑卒中患者组(含抑郁症与无抑郁症)内进行模式识别,可获得高90.9％的分类正确率,有望为临床PSD提供客观有效的辅助诊断新手段.
-
癫痫脑电特征波的综合检测分类方法研究
本文将小波变换、人工神经网络、专家规则判据等多种检测方法有机地结合起来,用于癫痫脑电特征波的检测与分类,以充分发挥不同方法的优势.这种综合检测分类方法是先将预处理的多导脑电时间序列经小波变换将脑电中癫痫特征波在不同尺度下分离出来,再对选出的癫痫嫌疑波进行特征参数提取,然后把特征参数送入已经训练好的人工神经网络进行分类识别,后再由专家规则判断筛选并作出检测分类统计报告.研究表明,该方法具有很好的信号特征提取和屏蔽随机噪声能力,获得了较好的检出率;尤其适合于非平稳、非线性生物医学信号的检测分类,值得进一步深入研究.
-
脑-机接口:大脑对外信息交流的新途径
基于脑电(EEG)的脑-机接口(BCI)是在人脑和计算机或其它电子设备之间建立不依赖于常规大脑信息输出通路(外周神经和肌肉组织)的全新对外信息交流和控制技术,概述了基于EEG的BCI技术的科学意义与应用前景,并介绍了BCI主要研究方法和类型.
关键词： 脑-机接口(BCI) 脑电(EEG) 信息交流与控制
