




已阅读5页,还剩48页未读, 继续免费阅读
(计算机应用技术专业论文)基于人工势场法的EEG分析.pdf.pdf 免费下载
版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领
文档简介
摘要 e e g 是脑电活动的记录,其中包含了大量的生理与病理信息。当大脑正常时,神经 细胞群放电是有规律的自发性放电,当大脑患有不同疾病时,如:脑肿瘤、脑炎、癫痫、 脑出血或缺血性疾病等,便可出现神经细胞群的异常放电,不同性质的放电情况在e e g 中表现出的曲线形态就不相同。所以e e g 是大脑疾病的临床诊断、大脑的功能探索领 域的一个非常重要的工具。e e g 信号又是非线性信号的一个典型的例子,e e g 分析对 于计算机信息处理领域也有着非常重要的意义。因此,e e g 分析是医学、计算机信息处 理领域的一个研究重点。即使是在同样的环境、同样的年龄、同样的身体素质等等,这 两个人的e e g 仍然还是不同,所以e e g 分析又是一个难度极大的课题。e e g 分析涉及 到医学领域、计算机领域两个方面的综合知识。 本文系统的研究了e e g 分析已有的各种方法,并提出了人工势场法在e e g 分析中的 可行性分析。人工势场法是论文工作的理论基础和基本策略。人工势场借鉴物理学中引 力场和电场的概念,人为合理地去创建一些类似于物理学中的场,即人工势场。本文将 e e g 图形图像信息转化成一系列的数据点( 这些数据点构成一个数域空间) ,将场的概 念引入到数域空间来,数域空间中的每个数据点看作是有辐射能力的点,这些点相互作 用影响,在数域空间形成一个场,这个场就是人工势场。论文中提出了形成“势”的函 数形式,指明了该函数各参数的意义,并对该函数以及各参数对场的影响进行了详细的 讨论。 本文将人工势场法的思想引入到e e g 分析中,把e e g 的四个重要特征( 波幅、频 率,相位、方差) 点作为场中的数据点来看待,形成了四类人工势场,再从场中提取特 征,这些特征不仅考虑了时频信息,还考虑了相位和方差的信息,而且人工势场法本身 简洁实用,在对e e g 分析的初步实验中取得了不错的实验结果。 关键词:人工势场;e e g 分析;信号处理 a b s t r a ( 了r e e gi st h er e c o r do ft h eb r a i n se l e c t r i c a la c t i v i t y i tc a r r i e sr e d u n d a n tp h y s i o l o g i c a la n d p a t h o l o g i c a li n f o r m a t i o ni n s i d et h eb r a i n i ft h eb r a i ni sn o r m a l , t h en e u r a lc e l l so r i g i n a t et h e e l e c t r i c a ls i g n a lr e g u l a r l y i ft h eb r a i ni sa b n o r m a l ,s u c ha ss e i z u r e ,e n c e p h a l o m a , a n dc e r e b r a l h e m o r r h a g e ,t h en e u r a lc d i so r i g i n a t et h ee l e c t r i c a ls i g n a li r r e g u l a r l y t h ed i f f e r e n tw a y o ft h e n e u r a lc e l l so r i g i n a t et h ee l e c t r i c a ls i g n a lc a l lb er e f l e c t e di nt h ep a t t e r no fe e gt h e r e f o r e , e e gi sav e r yi m p o r t a n tt o o li nt h ef i e l d so ft h ed i a g n o s i so fn e u r a ld i s e a s e sa n dt h e f u n c t i o n a lm e a s u r eo ft h eb r a i n a n dt h ee e g s i g n a li sac l a s s i c a le x a m p l eo fn o n l i n e a rs i g n a l , t h ee e ga n a l y s i sa l s op l a y sas i g n i f i c a n tr o l li nt h ef i e l do fp r o c e s s i n gg r a p h i cs i g n a lo f c o m p u t e r s oe e ga n a l y s i si st h ei m p o r t a n ts t u d yd i r e c t i o ni nc l i n i c a la n dc o m p u t e rf i e l d s b u te v e nt h o u g ht h es a n l ee n v i r o n m e n t ,t h es a m ea g e , t h es a m eh e a l t h ,e t c , t h ee e go ft h e t w op e r s o n sa r es t i l ld i f f e r e n t t h ee e g a n a l y s i si sa ne x t r e m e l yd i f f i c u l ts t u d y e e ga n a l y s i s n e e d sa m o u n to fe x p e ak n o w l e d g ei nc l i n i c a la n dc o m p u t e rf i e l d s t h ef e a t u r e , t h ea d v a n t a g ea n dd i s a d v a n t a g eo fe a c he e g a n a l y s i sm e t h o dw h i c h e x i t e d a r ed i s c u s s e d ah e wi d e at h a tu s e st h ea r t i f i c i a lp o t e n t i a lf i e l dm e t h o df o re e ga n a l y s i si s m e n t i o n e d , a n dt h e nt h ea n a l y s i so ft h ef e a s i b i l i t yf o rt h er e s e a r c hi sa l s og i v e ni nt h i st h e s i s a r t i f i c i a lp o t e n t i a li st h et h e o r yb a s i sa n dm e t h o d st os o l v et h ep r o b l e mi nt h et h e s i s t o s a t i s f yt h en e e do fs o l v i n gp r o b l e m s i ns o c i e t yw o r l d , t h ea r t i f i c i a l p o t e n t i a lu s e st h e c o n c e p t i o n “e x t r a c tp o t e n t i a l a n d “e l e c t r i cp o t e n t i a l ”i np h y s i c a lf o rr e f e r e n c et oc r e a t es o m e r a t i o n a la r t i f i c i a lp o t e n t i a lt h a tl i k e s “e x t r a c tp o t e n t i a l ”i nt h ep h y s i c a l a tf i r s t , t h es e r i e so f t h ed a t ac r e a t e db yd i g i t i z i n gt h ei m a g ea n dg r a p h i cf o r mad a t af i e l d a r t i f i c i a lp o t e n t i a lf i e l d i st h ef i e l dp r o d u c e db yt h ed a t aw h i c hi si nt h ed a t af i e l d , j u s ta se l e c t r i cf i e l di sp r o d u c e db y e l e c t r i cc h a r g e s t h ed a t ai nt h ed a t as p a c e 砒i n f l u e n c e db ye a c ho t h e r w er e c o m m e n da l l a r t i f i c i a lp o t e n t i a lf i e l df u n c t i o na n dd i s c u s st h em e a n i n go ft h ec a t e g o r i e si nt h ef u n c t i o n t h e c o n t o u rv i e wo ft h ea r t i f i c i a lp o t e n t i a lf i e l dp r o d u c e db ya l ld a t ai nas e tb yt h em e a n so f p o t e n t i a lf u n c t i o ns h o w sc l u s t e r i n ga p p a r e n t l y t h ep a p e ra p p f i e sa r t i f i c i a lp o t e n t i a lf i e l dm e t h o dt ot h ee e ga n a l y s i sa n dg e t sf o u r k i n d so ff i e l d sa s s o c i a t e dw i t ht h ea m p l i t u d e ,f r e q u e n c y ,p h a s ea n dv a r i a n c er e s p e c t i v e l y t h e nf e a t u r e sc a nb eg o t t e nf r o mt h e s ef o u rf i e l d sa n dt h e s ef e a t u r e su s en o to n l yt h e t i m e - f r e q u e n c y , b u ta l s ot h ep h a s ea n dv a r i a n c ei n f o r m a t i o n p r e l i m i n a r ye x p e r i m e n t sw e r e d o n eb yt h ee e g s i g n a la n dv e r yp r o m i s i n gr e s u l t sw e r ea t t a i n e d k e yw o r d s :e e g a n a l y s i s ;a r t i f i c i a lp o t e n t i a lh e l d ;s i g n a lp r o c e s s 长沙理工大学 学位论文原创性声明 本人郑重声明:所呈交的论文是本人在导师的指导下独立进行研究所 取得的研究成果。除了文中特别加以标注引用的内容外,本论文不包含任 何其他个人或集体已经发表或撰写的成果作品。对本文的研究做出重要贡 献的个人和集体,均已在文中以明确方式标明。本人完全意识到本声明的 法律后果由本人承担。 作者签名: 日期:年月日 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定,同意 学校保留并向国家有关部门或机构送交论文的复印件和电子版,允许论文 被查阅和借阅。本人授权长沙理工大学可以将本学位论文的全部或部分内 容编入有关数据库进行检索,可以采用影印、缩印或扫描等复制手段保存 和汇编本学位论文。 本学位论文属于 1 、保密口,在年解密后适用本授权书。 2 、不保密团。 ( 请在以上相应方框内打“4 ” 作者签名: 导师签名: 日期:年月日 日期:年月日 第一章绪论 1 1e e g 分析的目标和意义 脑电图( e l e c t r o e n c e p h a l o g r a m , e e g ) 是通过电极记录下来的神经细胞群无时无刻不 在进行的自发性、节律性、综合性放电活动。将神经细胞群活动的电位作为纵轴,时间 作为横轴,这样把电位与时间的相互关系记录下来的就是e e g 1 1 。e e g 中包含了大量的 生理与病理信息,当大脑正常时,神经细胞群放电是有规律的自发性放电,当大脑患有 不同疾病时,如:脑肿瘤、脑炎、癫痫、脑出血或缺血性疾病等,便可出现神经细胞群 的异常放电,不同性质的放电情况在e e g 中表现出的曲线形态就不相同。 从脑电图仪中得到e e g 后,如何确定它为正常或者异常,为异常情况时,属于什 么疾病引起的异常,这样的e e g 分析在临床诊断中起着越来越重要的作用,如通过分 析e e g 确定癫痫、早期发现脑肿瘤、睡眠分析及麻醉深度监护等。因此,e e g 分析( e e g a n a l y s i s ) 的目标就是要在尽可能去噪的前提下得出特征以便识别与诊断。 2 0 世纪3 0 年代末,技术可以支持长时间的记录e e g 信号后,就开始对进行e e g 分析翻。并且,随着医疗水平的提高,各大中型医院甚至一些小型医院均有脑电i 蟹仪这 样的设备。脑电图检查安全无痛,适用于任何年龄阶段的脑疾病患者,临床应用广泛, 病员数目巨大。单以癫痫病人为例1 3 1 ,就占总人数的o - 5 。准确地判断疾病的种类、不 同的发作类型,选择合适的药物和治疗方案,以及治疗效果的评价,都需要进行脑电图 检查。 传统的e e g 分析手段( 也是目前国内常用的e e g 分析手段) 通常是,临床医务工 作者采用目测标注法阅读分析e e g ,通过构成活动背景的波列以及瞬间单个波形的形 态,来考察脑电信号的活动模式,对脑疾病如癫痫进行诊断,这可以说是最基本的模式 识别的方法,用于对脑电信号进行特征提取,此法简单有效,一直沿用至今。但一次脑 电图检查,往往需要记录长达半个小时左右的脑电信号数据,记录指带大约有4 0 米, 需要大量的时间对这些数据进行分析,故传统的目测标注分析消耗了临床医务工作者大 量的时间、精力,以及记录耗材。而且诊断结果很大程度上取决于临床医务工作者的临 床经验,同一信号诊断的结果可能不同,因此带有很大的主观性。人们越来越迫切地认 识到脑电图信号地自动分析检测的必要性,随着计算机和信号处理技术的发展,为信号 分析检测提供了更多更有效的分析工具和方法。因此,e e g 分析的自动化工作也相继开 展起来。 e e g 分析也就成了临床医学中e e g 信号分析诊断的一个重要方面。同时,e e g 信 号是一种非平稳性比较突出的伪随机信号,个体差异较大,且幅度只有微伏级,这就使 得精确地提取脑电信号中蕴藏的特征成为生物医学信号处理中的一个难题。e e g 分析的 处理,促进了计算机科学与医学的更好的融合,更为计算机科学针对复杂非线性信号处 理提供了一个很好的研究领域。 1 2e e g 分析方法分类 从信号分析的角度来看e e g 信号是一种随机性很强的非平稳信号【1 1 。1 9 3 2 年,从 d i e t c h 首先用傅立叶变换进行了e e g 分析,接着e e g 分析中相继引入了频域分析、时 域分析等e e g 分析的经典方法。近年来,接着小波分析、匹配跟踪方法等也对e e g 信 号进行了比较多的研究,尤其是非线性动力学的发展,神经网络分析、混沌分析等方法 也用来进行e e g 分析。 e e g 分析的一个非常活跃的领域。不同的分析方法把e e g 信号看成不同的过程, 分析e e g 的方法可以分为两大类:( 1 ) 线性分析法;( 2 ) 非线性分析法。 1 3e e g 分析国内外研究现状 基于e e g 信号本身特点,及各个e e g 分析方法研究的侧重点的差异,因此目前国 内外都有研究者针对这两类e e g 分析方法分别进行分析、研究和探索。 1 3 1 线性分析 传统的e e g 分析一般采用的是线性分析法,该方法的基本思想为:尽管e e g 信号 是被认为是时变的、非平稳的过程,但- 4 , 段时间里,e e g 片段还是可以近似的看作一 个平稳的过程【4 】。线性分析法包括:时域分析法、频域分析法、时频分析法等; 1 时域分析法 时域分析主要是直接提取波形特征,比较直观。过去对e e g 信号进行分析主要是 靠医生目测尺量进行人工分析,实际上这正是早期的人工时域分析。由于中枢神经系统 的某些主要信息主要是反映在波形特征上,因此原始e e g 的时域分析,至今仍是提取 脑电图信息的重要途径【1 1 。在e e g 分析中,时域分析法也主要是分析e e g 波形的几何 性质,如幅度、均值、方差、偏歪度、峭度等。 时域分析法通常是试着用一个特定的数学表达式来对e e g 信号的时间序列进行建 模。目前应用的比较广泛的是a r ( 锄t o r e g r e s s i o n ) 模型。根据线性分析的e e g 信号的基 本思想,e e g 信号可以用a r 模型表示出来。这个模型的参数可以用来对e e g 进行识 别。陈香,杨基海等 5 1 分别以a r 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e e g 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e e g 信号的 特征提取。实验结果显示,采用信息熵作为e e g 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最小,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。 2 1 9 9 8 年,a n d e r s o n 等 6 1 根据多变量的自回归模型( m u f f - v a r i a b l ea u t o r c g r c s s i o n , m v a a ) 理论对两种意识任务下的自发脑电信号进行特征提取,利用前馈神经网络进行意识任务 进行分类,分类正确率高达9 1 4 。 时域分析法中另外一个模型将瞬态波形的尖度、斜率、周期、幅度等作为判别依据, 但是这些参数的度量比较烦琐,因此实际应用不大。 2 频域分析法 频域分析又称作谱分析,“谱”是指信号的某些参数在频域随频率的分布,如幅度 值、位相谱、能量谱、功率谱等。由于离散傅立叶变换的快速算法f f t 的出现,使信号 频谱计算变的简单、快速、易于实现,从而获得极为广泛的应用。由于e e g 信号的很 多主要特征是反映在频率特征上的,因此谱分析技术在e e g 信号处理中占有特殊重要 的位置。 功率谱估计是频域分析的主要手段。它的意义在于把幅度随时间变化的脑电波变换 为脑电功率随频率变化的谱图,从而可直观地观察到脑电节律的分布与变换情况。谱估 计法一般可分为经典方法与现代方法【1 1 。经典的谱估计方法是直接按定义用有限长数据 来估计,即以短时间段数据的傅氏变换为基础的周期法。主要有两种途径:( 1 ) 先估计 相关函数,再经过傅氏变换得到功率谱估计( 根据维纳辛钦定理) 。( 2 ) 把功率谱和 幅频特性的平方联系起来,即功率谱是幅频特性平方的总体均值与持续时间之比,是在 持续时间趋于无限时的极限值。这两种方法存在的共同问题是估计的方差特性不好,而 且估计值沿频率轴的起伏比较剧烈,数据越长,这种现象越严重。而参数模型估计方法 对数据处理能得到高分辨率的谱分析结果,从而为e e g 信号频域特征的提取提供了新 的有效手段,特别是对e e g 信号作动态特性分析中更显优越。因此在e e g 分析中应用 的较多的是a r 模型谱估计技术。功率谱分析【4 】可以有效地反映信号的二阶信息,却丢 失了包括位相信息在内的高阶信息,而这些信息对e e g 信号分析有时显得很有意义。 双谱分析法 7 1 中,双谱函数包含了信号的位相信息,但未给出位相信息。对于高斯 随机分布而言,双谱作为随机信号偏离高斯分布的一个测度,经过对实际e e g 数据检 验表明,不同功能状态下的e e g 对高斯分布的偏离度有较大差别。如利用ar 模型进 行双谱分析。双谱分析要求信号至少三阶平稳,因此对短数据e e g 信号才有意义。 目前临床上应用较为广泛的是脑电地形图分析方法1 1 1 ,它根据e e g 的频率识别脑电 中不同的节律,具体方法是将各导联信号求其功率谱,经过插值计算出整个头皮上的脑 电功率谱分布,绘出相应的功率谱等高线即所谓的脑电地形图,根据不同头皮部位上各 个频段的能量分布情况,对脑疾病进行诊断与定位。但是这些都是纯粹的频域分析方法, 不能得到信号的整体特性。 3 时频分析法 时域分析法不能提供任何频率信息,频域分析方法能够提供频率信息,却不知道在 3 哪个时间里,频率的信息发生的改变,因此无论是时域分析方法还是频域分析方法都不 能有效地反映脑电信号的特征。时频分析法把时间和频率结合起来进行处理。目前应用 的比较广泛的方法有c h o i w i l l i a m s 分布( c w d ) 8 l 和小波变换( 、) 1 7 打e 愀t r a n s f o r m ,w d l 9 】 等。 c w d 是时频分析法中一种方法,是一种能够有效抑制和消除交叉项的高分辨率时 频表示方法。宦飞,郑崇勋【加l 充分利用c w d 提供的e e g 信号在时间频率平面上的分 布信息,设计了一个自动识别睡眠e e g 中梭形波的方法。这种方法能够识别睡眠e e g 中的梭形波,提供梭形波的定量指标。另外,在觉醒状态( 也称为第0 期睡眠) 时,e e g 中主要以a 波为主,此时在采集的一段e e g 信号中基本上都是口波。与第0 期睡眠明 显不同的是,在第2 期睡眠e e g 中,通常是在慢波背景上出现一段连续的1 2 1 4 h z 梭 形波,在算法里利用这个条件,就能够区分e e g 中的口波和梭形波。 w r 是通过对信号进行小波分解,选取特定的尺度对所要检测的瞬态波形进行观察, 由于小波变换不仅能在整体上提供信号的全部信息而且又能提供在任意局部时间内信 号变化剧烈程度的信息【1 1 】。 在既好信号分析与处理过程中,瞬态信号的检测和定位具有非常重要的实际意义。 传统的瞬态脉冲检测方法是匹配滤波,但匹配滤波需要有关瞬态信号的先验知识,因而 在实际应用中受到一定的限制。吴小培,冯焕清等【1 2 1 用小波变换对含有瞬态干扰的脑电 信号进行多尺度分解,在某些尺度下,瞬态信号特征得以明显增强,用简单的阈值比较 就可以有效地检测并消除瞬态干扰。在缺乏先验知识的条件下,小波变换能有效检测出 脑电信号中短时、低能量的瞬态脉冲。郑效来邱天爽等【1 3 1 提到基于小波变换的脑电图 信号瞬间检测法能方便而有效地完成瞬间波形的检测与参数提取。信号x o ) 的连续小波 变换定义为:小波函数,a ) 0 称为尺度参数,b 称为平移参数。小波变换应用在棘波检 测上,有其自身的优点:1 ) 小波变换的“变焦距“a r i a b l cf o c u s ) ”性,即尺度因子a 由大 到小变化,滤波范围从低频到高频变化特性,对信号中的奇异点( 棘波) 定位很有效;2 ) 小波变换相当于一系列带通滤波器对信号滤波后的输出,通过对相应带通滤波器输出的 分析,可以较好地找到信号突变的位置。 随着小波变化的发展,薛建中,和卫星掣1 4 】将基于小波包变换的多尺度分析方法应 用于e e g 的特征提取。在对3 种意识任务的脑电信号进行多级小波包分解的基础上, 将不同尺度空间的能量信号作为特征值,组成不同意识任务的特征向量,并利用径向基 函数神经网络进行分类测试。结果表明,小波包变换方法的分类正确率高于自回归模型 方法,具有较强的稳定性。 但在具体应用中,w r 比较复杂,寻找母函数的好坏也决定信号的分解和特征提取。 尤其是母函数的选择一般只能通过尝试的方法进行,不利于在临床上的使用【1 ”q 。 目前临床工具中用的主要的还是传统的时间和频率的分析方法。尤其是在某些生理 状况下,e e g 信号的改变非常显著,而且已经清楚这种改变引起的原因,如癫痫发作时, 4 e e g 的波形和节律所引起的改变。这个时候用线性方法来进行e e g 识别是比较合适的。 1 3 2 非线性分析 e e g 信号是一个时变的、非平稳的信号,因此,一些非线性的方法更适合于e e g 的分 析,目前人工神经网络、支持向量机、混沌分析等都用于对e e g 的分析。 1 人工神经网络 人工神经网络( a r a f i c i a dn e u r a ln e t w o r k , a n n ) 是模拟人脑工作方式的一种模型,由 于其良好的自学习功能、自适应性和并行处理能力,神经网络被广泛应用于模式识别、 信号预测和特征提取等领域。神经网络的学习算法主要有两种:有监督学习和无监督学 习。有监督学习需要有“教师”进行训练,采用误差反向传播算法,考虑到网络的收敛 速度较慢,一般在更新权值时加入“动量项”以提高收敛速度。 郑效来,邱天爽等1 1 7 】将人工神经网络与统计学方法相比,神经网络在区分正常e e g 信号和非正常e e g 信号上,更近似于人的分析。主要是:一方面,神经网络通过训练 数据获取知识,并将“学到”的知识蕴含在各神经元与权值中,好像人脑的学习过程; 另一方面,神经网络强大的并行处理能力可以对多导e e g 信号同时处理。 在文献【1 8 】中,根据对4 1 份脑电图中用人工神经网络交叉识别网络输出峰值分布曲 线的分析,建立一套全自动判断脑电图中是否有癫痫样放电( e p i l e p t i f o r m d i s c h a r g e ,e d ) 的方法,即使存在一定量的假阳性的情况下,仍能作出正确判断。在文献【1 9 】中,根据 对a n n 识别e e g 的网络输出峰值分布曲线的分析,建立了一套利用a n n 自动检测e d 的算法,即由计算机自动挑选e d 模式,提取特征参数对网络进行训练,计算阈值,然 后用训练好的网络和阈值对e e g 进行识别。通过对典型的三种类型的癫痫患者的e d 进 行全自动识别,其平均识别率为9 0 9 ,平均假阳性率为1 5 7 。 郝冬梅,阮晓钢【驯为了提高对不同认知状态下e e g 信号的分类正确率,提出一种 g m d h 型神经网络及改进的训练算法。此网络结构在演化中生成,分类规则由简单多 项式表示,训练算法可防止出现过拟合。此网络用于区分算术运算和休息状态下的脑电 信号,正确率达到8 45 ,与标准前向型神经网络( f | m 叼比较,显示了较好的分类效果。 神经网络具有很强的非线性映射能力及自适应能力和容错能力,这些特性很适合应 用于模式识别领域【2 1 1 ,其应用于脑电分析以及脑电中癫痫特征波的识别检测,采用神经 网络方法成功与否的关键是网络特征参数的选取是否恰当。 2 支持向量机 支持向量机( s u p p o r tv e c t o rm a c h i n e ,s v m ) 是一种基于统计学习理论的新型学习 机。文章提出一种基于支持向量机的癫痫脑电特征提取与识别方法,充分发挥其泛化能 力强的特点,在与神经网络方法的比较中,表现出较低的漏检率和较好的鲁棒性。 s v m 理论作为一种新的机器学习方法,具有近似最优地解决模式分类问题的内在 5 能力,而且在没有问题域相关知识时设计的机器可以具有很好的性能。邱天爽,郑效来 等【2 2 1 提出一种基于s v m 的癫痫脑电信号的识别分类方法,充分发挥其泛化能力强的特 点,在对真实脑电信号处理中表现出良好的性能,漏检率为3 2 误检率为7 9 ,充分 说明了s v m 对脑电信号处理及相关问题有良好的应用前景。然而,对s v m 来说,得 到良好性能的代价是较大的计算复杂度,而且算法不能很好地控制支持向量的选择。 3 混沌分析 近年来,随着非线性动力学的发展,越来越多的证据表明大脑是一个非线性动力学 系统,脑电信号可以看作是它的输出。因此人们尝试把非线性动力学的一些方法,如分 维数、l o r e n z 散点图、l y a p u n o v 指数、复杂度等用于e e g 信号分析与识别。 e e g 信号的l o r e n z 散点图f 4 】是指以e e g 信号相邻两采样点的前一点值为横坐标, 后一点值为纵坐标绘制而成的图。资料表明,癫痫病人脑电信号相邻采样点的值较为接 近且整段脑电信号的值的分布范围较大,而正常人脑电信号的l o r e n z 散点图中的点大 多分布在一个范围较小的椭圆形区域。相关维数是传统意义上维数的推广,可以用来描 述系统的自由度。通过对正常人和癫痫病患者的e e g 信号、清醒和睡眠时的好信号 的相关维数分析,可以看到清醒时的相关维数较大,而随着睡眠深度的增加,相关维数 有所下降;正常人脑电信号的相关维数略高于癫痫病人脑电信号的相关维数。对癫痫病 人发病前和发病时的复杂度分析表明,癫痫病人发病前脑电的复杂度高于发病时的复杂 度。而对脑电信号的l y a p u n o v 指数的计算表明脑电信号具有混沌特征。初步研究表明 1 2 3 】,脑电动力学特性表现出极强的科学性和应用价值,它从物理学思想出发,提供了常 规分析方法所无法得到的信息,具有不受特殊点影响和可重复性的优点。 游荣义,陈忠等提出了一种新的e e g 信号相空间分析方法。通过计算相空间状 态点间的欧氏距离,定义相对嵌入维数的态密度和态方差,并与反映非线性动力学系统 混沌特性的关联维数作比较。对各种实测的脑电时间序列的计算结果表明,态密度和态 方差不仅计算简单,计算结果一致可靠,而且和关联维数相比,更能有效地反映非线性 动力学系统的某些特征。 4 综合方法 多种方法e e g 自动识别的方法结合起来处理e e g 信号,可以取各个方法的优点来 克服缺陷,郑效来,邱天爽等瞄】提出一种综合小波变换、非线性能量算子、时域特征提 取和神经网络等技术的癫痫棘波检测系统。利用小波变换突出相应频带的特征,采用非 线性能量算子突出棘波波形并利用神经网络的自学习能力判别棘波和伪差,在对真实脑 电数据的实验中,得到较好的正确率和误检率。 万柏坤,郑旭媛等 2 6 1 该文献中,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 6 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,最后再由专家规则判断筛选并作 出检测分类统计报告,获得了较好的检出率。 但这种多方法的综合使用 2 5 - 2 7 1 ,算法都比较复杂,尤其是某些参数的选取工作,严 重影响e e g 分析的结果,从而难于在临床应用中实现。 1 4 本文研究的可行性分析 首先,戴晓军、淦文燕、李德毅将数据场( 即人工势场法) 1 2 s - 2 9 和“势”函数引入 到数据挖掘研究,并应用到人脸图像识别 3 0 l 、联机签名鉴别【3 1 】中来。 将人工势场法的思想应用到图像处理中,在传统的直接以图像灰度值为数据“质量” 的方法上进行改进。作者试着对灰度求反,求平方等非线性变换,观察势值对特征值提 取的影响。试验证明作者的想法是有效的。 一 数据场和“势”函数在图像数据挖掘,人脸特征提取,可视化分类方面具有运算量 小,结构简单,效果明显的特点。论文以数据场和“势”函数的概念,把图像数据转换 到数据场,通过提取局部极大值点构造特征向量,从不同概念层次观察数据,实现数据 的降维和简约。试验显示图像数据经反片平方后增强了图像的对比度,突出了人脸眼睛, 眉毛,嘴巴等的特征,对表情的变化敏感。为人脸表情识别提供了一种新的思路。 从以上的分析和文献 2 8 3 1 中可以发现,运用数据场和“势”函数思想可以对数据 进行降维和简约,并且以可视化的形式实现数据的自然聚类,在数据挖掘,知识发现等 领域有着广泛的应用背景。 一方面,从之前所分析的e e g 分析方法来看,各e e g 分析法均存在着各自的优点 和缺点。线性分析法中,时域分析和频域分析提供的信息较为片面,因此不能有效地反 映e e g 信号的特征,而时频分析中常见的小波分析及c w d 不利于在临床上的应用;非 线性分析法中,若a n n 的网络参数的选取不当,该方法e e g 分析结果就会出现很大的 偏差,支持向量机较大的复杂度,使得临床应用不太可能,而混沌对e e g 分析的研究 还处于一个理论研究阶段。另一方面,从文献资料中可以看出,大部分的e e g 分析识 别都仅仅针对癫痫这一类病症,或者针对某个意识的分析,而没有将e e g 分析应用与 多病症的情况中。因此,参照李德毅等人工势场应用在其他图形图像信息方面的相似性, 尝试把单一病症的e e g 分析扩展到多病症中去,本文提出将人工势场法用于e e g 分析 的新思路。 1 5 本文研究范围及基本结构 本文的基本结构由四个部分组成: 第一部分:绪论 7 第一部分概要地阐述了论文的基本情况和技术背景,以及论文的主要研究内容和基 本结构,综述了当前的两大类e e g 分析方法的研究现状,以及各自的优缺点。 第二部分:e e g 信号 第二部分介绍了e e g 信号的基本成分,正常e e g 与异常e e g 的特点。为后续章 节提供了进行e e g 信号分析的依据。 第三部分:人工势场法 第三部分介绍了本文的基础理论人工势场法,包括人工势场法的基本概念,对 人工势场的定义、各参数的意义都做了详细的讨论,分析了人工势场的特点以及的应用, 为后续章节提供了理论基础。 第四部分:人工势场法在e e g 分析中的应用 第四部分用人工势场的方法进行了e e g 分析的研究。尝试用人工势场法进行e e g 的特征提取,这在e e g 分析领域尚属首次。并将e e g 分析扩展到了更多的病症中来, 而不仅仅局限于一个病症。基于人工势场法的e e g 分析中,提取了e e g 的四个特征: 幅值、频率、位相、。方差来形成四个人工势场,再从场中提取特征,经过两次数据场处 理和分类器分类,获得e e g 分析识别结果。此研究显示了人工势场的广泛应用,并可 以取得了良好效果。 第五部分:结束语 最后,论文的第五部分一对全文做了总结,列举了论文的主要研究内容和创新点 以及人工势场进行e e g 分析的主要优势,并探讨了进一步研究的工作。 8 第二章e e g 分析基础知识 人体脑组织本身就可以自发地产生生物电的活动【2 】。e e g 是头皮上通过电极将己存 在于脑细胞的电活动引出来,经放大以后记录在纸上,形成一定图形的曲线。它反映了 脑在任何时刻的功能状态。正常情况下,这些生物电活动非常微小( 百万分之一伏特) , 用一般的仪器记录不到。目前所用的脑电图机记录到的波形是放大了一百万倍后的结 果。当脑出现病变的时候,脑电图就会有相应的异常变化。自从1 9 2 9 年,德国的神经 心理学家d r h a n sb e r g e r ,首次发表了人类e e g 的研究( r e s e a r c ho nh u m a ne e g ) 后, e e g 就作为了医学领域的一个临床诊断和研究的工具。 2 1 e e g 的基本成分 e e g 是描记头皮上两个电极间脑细胞群电位差的一种记录,每一个电位差称为 “波”。其纵坐标上的变化反映其波幅( 电压) 的高度;横坐标上的变化反映其电位活 动时间的长短;电位活动间的时间关系称为位相。这些时间、波幅和位相等即为e e g 的基本成分。脑电图的分析主要是分析这些基本成分和它们之间的相互关系【3 2 - 3 3 。 ( 1 ) 频率:频率( f r e q u e n c y ) 为同一周期的脑波在一秒钟重复出现的次数。在e e g 中,当同一频率的脑波重复出现达一秒或一秒以上者称为节律( r h y t h m ) ,持续达5 秒 以上称为长程节律,不足一秒者称为短程节律。数个波连续出现者称之为活动( a c t i v i t y ) , 但常泛指各种频率的长短程的脑电变化。病脑的e e g 的节律和活动会出现异常,甚至 不出现调节情况,由此可以判断该病人的疾病类型或者病灶( 病源) 。因此频率在e e g 分析中,有着非常重要的作用。 ( 2 ) 波幅:波幅( a m p l i t u d e ) 又称振幅或电压,代表脑部电位活动的大小,是指 从波顶到波底间的垂直高度。当有异常高的波幅,或特别低的波幅情况出现时,都能反 映出该大脑的e e g 处于不太正常状态,有可能就是疾病的征兆,而且波幅检测方便、 分析起来相对简单,是很多e e g 分析方法中一个必不可少的方面。 ( 3 ) 位相:位相( p h r a s e ) 是指同一部位在同一导联中所导出的脑波,于前后不同 时间里的波的位置;或两个不同部位在同一时间( 某一瞬间) 里所导出的脑波的位置关 系,即时间关系。e e g 的位相有正相和负相之分,一般以基线为标准,朝上的波为伏相 波( 也叫阴性波) ,朝下的波为正相波( 也叫阳性波) 。在研究e e g 时,主要是观察同 一半球不同部位和两侧半球对称部位以同一速度所记录的脑波在某一瞬间的时间关系。 ( 4 ) 波形:波形( s h a p e ) 是由波的周期、波幅、位相等多种要素决定的,它们之间 不同的组合构成了不同的波形。病脑的e e g 有些脑波的波形与正常人的波形不同,有 的病脑的e e g 特别的棘波,有些则出现的慢波等等,这些都是e e g 分析的重要特征。 9 2 2e e g 的分类 对e e g 分类的定义,不同的作者有不同的分类。本文简单介绍临床上根据e e g 频 率的高低将波形分成以下四种的情况1 2 】: 芦波:频率在1 3 h z 以上,波幅约2 0 5 0 , v ,为6 波的一半,额部及中央区最明 显。 口波:频率在8 1 3 h z ,波幅2 5 7 5 # v ,以顶枕部最明显,双侧大致同步,重复 节律地出现口波称口节律。 0 波:频率为4 7 匕,波幅2 0 4 0 ,是儿童的正常脑电活动,两侧对称,颞 区多见。 6 波:频率为4 h z 以下,6 节律主要在额区,是正常儿童的主要波率,单个的和非 局限性的小于2 0 的6 波是正常的,局灶性的6 波则为异常。6 波和,波统称为慢波。 临床上常用病理波来检测识别一些疾病,而病理波是相对基本波的一个概念。所谓 基本波系指一次e e g 记录中居主要地位的波的成分。所谓病理波系指在正常生理条件 下不应该出现的波,可表现为频率、波幅、波形、位相、出现方式与出现部位等方面的 异常。常见的如下几种: ( 1 ) 棘波:是一种典型的突发性异常波,波的上升支均极陡峭,频率1 3 h z 以上, 波形如“棘”状。棘波的波幅大小各不相同,在a o o , v 以上的比较多。 ( 2 ) 尖波:波形与棘波相似,但频率较慢,通常在5 1 3 - z 之间,波幅比棘波高, 常在l o o u v 以上。波顶较钝,波形不如棘波尖锐,上升支较陡直,下降支较缓慢。 ( 3 ) 棘慢波综合:由棘波和慢波组合而成的一种特殊类型的癫痫发作波。在棘波 之后跟随一个2 5 h z 的慢波,或在慢波上升支上重叠有棘波,或在慢波之后跟随一个 棘波或在慢波的下降支上重叠有棘波。波幅通常在1 0 0 2 0 0 z v 左右。 2 3 正常和异常e e g e e g 和其他生理指标一样,有一定的衡量标准。正常e e g 有时也可见于一些非健 康入( 如患有神经系统或其他系统疾病) ,而健康人( 无脑部疾病) 的e e g 约有1 0 1 5 也会呈现轻度异常现象。定量分析e e g 时,一般以9 5 为一个限定范围来定义正 常e e g ,偏离这个范围的为异常。这也是e e g 分析研究的一个重要的前提。此时,e e g 的记录条件如下:( 1 ) 受检者生理条件在正常范围;( 2 ) 受检者在觉醒状态、精神安定、 闭目及无激磁条件下进行记录或者在睡眠中记录;( 3 ) 无任何药物影响等。这里仅对正 常和异常的e e g 作些简单描述。 2 3 1 正常e e g 的基本特征 正常e e g 一般为两种情况,清醒时和睡眠状态时,由于e e g 随睡眠深度的不同, 1 0 而有不同的变化,
温馨提示
- 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
- 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
- 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
- 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
- 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
- 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
- 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
最新文档
- 黑龙江地区中石化2025秋招面试半结构化模拟题及答案油气储运与管道岗
- 中国联通来宾市2025秋招供应链采购类专业追问清单及参考回答
- 小学语文必知的52组神话故事成语+歇后语释义
- 自贡市中石化2025秋招面试半结构化模拟题及答案安全环保与HSE岗
- 恩施自治州中石油2025秋招笔试模拟题含答案油气储运与管道岗
- 2025年内经选读考试试题及答案
- 阿拉善盟中石油2025秋招面试半结构化模拟题及答案炼油工艺技术岗
- 辽阳市中石化2025秋招笔试综合知识专练题库及答案
- 丽江市中石化2025秋招笔试模拟题含答案市场营销与国际贸易岗
- 国家能源资阳市2025秋招笔试思维策略题专练及答案
- 2025年护士资格证真题附答案详解
- 《泌尿系统感染:2025EAU指南》解读
- 2025至2030年中国保障房建设行业市场发展现状及投资方向研究报告
- 《无机化学》第六版 课件 第5章 原子结构与元素周期律
- 美的面包机使用说明书
- 公司内部人员诊断
- 20kV及以下配电网建设项目扩大工程量清单(2025年版)
- 2025-2030年N-甲基苯胺项目投资价值分析报告
- 海上风电关键技术创新
- 二年级上册书法教案全册
- 2025年柳州市城中区人民法院招录聘用人员考试试题
评论
0/150
提交评论