（计算机软件与理论专业论文）抑郁症脑电信号特征提取及分类研究.pdf

抑郁症脑电信号特征提取及分类研究 摘要 精神抑郁症是一种常见的、慢性复发性疾病，表现为心境显著和持久的低落，伴 有相应的思维和行为的改变。研究表明，抑郁症患者脑电信号( e e g ) 在节律、波形 幅度和功率谱等参数中存在着不同于健康人的特征。自发脑电信号含有丰富的频率成 分，不同的生理状态和病因下某些频段的能量在头皮不同区域的分布会发生变化，因 此可以提取不同频段上的能量作为分类器的特征参数实现抑郁症自发脑电信号的分 类。本文使用小波分析和特征向量法对抑郁症患者及健康人脑电信号进行特性分析和 特征提取，结合支持向量机分类器实现两类信号的准确分类。具体内容如下： 1 通过小波变换和小波包变换对原始采样信号进行多尺度小波分解，得到的不同 尺度的频带分量，提取e e g 在不同频段上的能量特征。小波变换是一种多尺度信号分 析方法，具有良好的时频局部化特性，非常适合于分析像e e g 这样非平稳信号的瞬态 特性和时变特性。小波包分解具有任意多尺度特点，避免了小波变换固定时频分解的 缺陷( 如高频段频率分辨率低) ，为时频分析提供了极大的选择余地，更能反映信号 的本质和特征。 2 将特征向量功率谱估计法应用到抑郁症脑电信号的特征提取中，我们对试验 对象的脑电信号功率谱幅度进行统计分析，选取功率谱幅度的最大值、最小值、平均 值和标准偏差作为信号的分类特征参数。特征向量法功率谱估计是基于矩阵特征分解 的一种非参数建模谱估计方法，它主要适用于混有白噪声的正弦信号的频率估计及功 率谱估计，甚至对于信噪比很低的信号，也能取得很高的谱分辨率。 3 在完成抑郁症患者和健康人脑电信号特征提取的基础上，我们使用支持向量 机对这两类信号进行分类研究。支持向量机是根据统计学理论提出的一种机器学习方 法，它集成了最大间隔超平面、m e r c e r 核、凸二次规划和松弛变量等多项技术。支持 向量机的方法根据结构风险最小化原则，提高学习机的泛化能力，它将优化问题转化 为求解一个凸二次规划的问题，二次规划所得的解是唯一的且为全局最优解，这样就 不存在一般神经网络的局部极值问题。支持向量机由于较好地解决了小样本、非线性、 高维数、局部极小点等实际问题，在若干具有挑战性的应用中，获得了目前为止最好 的性能。支持向量机已经逐渐成为解决模式分类问题的首选工具。 实验结果表明，采用以上三种特征提取方法提取的特征参数作为分类器的输入向 量均可以取得理想的效果，抑郁症脑电信号分类准确率达8 7 以上。该研究成果将为 精神抑郁症的病理临床诊断提供一种新的途径，为下一步基于自发脑电的抑郁症疾病 诊断实用系统开发奠定基础。 关键词：精神抑郁症；脑电信号；特征提取；小波分析；特征向量估计；支持 向量机 i i s t u d y o nf e a t u r e c l a s s i f i c a t i o no f e x t r a c t i o na n d m e l a n c h o l i ae e g a b s t r a c t m e l a n c h o l i ai sak i n do fc o m m o nd y s f u n c t i o nd i s e a s ec h a r a c t e r i z e db ya no b v i o u s r e d u c t i o ni ni n t e l l e c t u a la n dp h y s i o l o g i c a lv i g o r s o m er e l a t e d s t u d i e sf o u n dt h a t e l e c t r o e n c e p h a l o g r a m ( e e g ) s i g n a l so f m e l a n c h o l i cd i f f e rf r o mt h a to fh e a l t h yp e r s o n si n r h y t h m ，w a v ea m p l i t u d ea n dp o w e rs p e c t r u ma m p l i t u d e an u m b e ro ff r e q u e n c y c o m p o n e n t sa r ei n c l u d e di ns p o n t a n e o u se e g a n dt h ee n e r g yc o r r e s p o n d i n gt od i f f e r e n t f r e q u e n c yb a n d s ，w h i c h i sd e t e c t e di nd i f f e r e n tp h y s i o l o g i c a ls t a t e sa n dp a t h o g e n y ， c h a n g e sw i t ht h es c a l pa r e a t h u st h ee n e r g yc o r r e s p o n d i n gt o ac e r t a i nf r e q u e n c y s u b b a n dc a nb et a k e na saf e a t u r ep a r a m e t e ro ft h ec l a s s i f i e rt or e a l i z et h ec l a s s i f i c a t i o no f m e l a n c h o l i ae e g i nt h i sp a p e r , t h eu s eo fw a v e l e ta n a l y s i sa n de i g e n v e c t o re s t i m a t i o n w a sp r o p o s e df o rt h ee x t r a c t i o no fd i s c r i m i n a t i n gf e a t u r e sf r o mm e l a n c h o l i aa n dn o m a l p e o p l e se e g s u b s e q u e n t l y , w ea c h i e v e dt h ec l a s s i f i c a t i o nc o m b i n i n gw i t hs v m t h e m a i nw o r kd o n ei nt h i sd i s s e r t a t i o ni sa sf o l l o w s ： 1 t h ee e gr e c o r d i n g sw e r ed e c o m p o s e di n t ov a r i o u sf r e q u e n c yb a n d st h r o u g h m u l t i s c a l ed e c o m p o s i t i o nb yt h em e t h o do fw a v e l e tt r a n s a c t i o n ( w t ) a n dw a v e l e tp a c k a g e t r a n s a c t i o n ( w p t ) r e s p e c t i v e l y a n dt h e n ，w ee x t r a c t e dt h ee n e r g yf e a t u r eu s i n g w a v e l e t c o e f f i c i e n t s w ti sam u l t i s c a l es i g n a l a n a l y s i sm e t h o dw h i c hk e yf e a t u r ei st h et i m e - f r e q e n c yl o c a l s a t i o n ，a n di ti ss u i t a b l ef o rc a p t u r i n gt r a n s i e n tn a t u r eo f n o n s t a t i o n a r ye e g s i g n a l s w i t ht h et r a i to fa r b i t r a r ym u l t i s c a l ed e c o m p o s i t i o n ，w p tc o v e rt h es h o r t a g eo f f i x e dt i m e f r e q u e n c yd e c o m p o s i t i o ni nw t ( i e p o o rf r e q u e n c yr e s o l u t i o nf o rh i 曲 f r e q u e n c yc o m p o n e n o t h e r e f o r e ，w p th a sb e t t e rt i m e - f r e q u e n c y c h a r a c t r i s t i ca n d p r o v i d e sm o r ec h o i c ei nt i m e f r e q u e n c ys i g n a la n a l y s i s 2 b ya p p l y i n gt h em e t h o do fe i g e n v e c t o re s t i m a t i o nt ot h ef e a t u r ee x t r a c t i o no fe e g i i i s i g n a l ，w ec a r r yas t a t i s t i c a la n a l y s i so nt h ee e gp o w e rs p e c t r u ma m p l i t u d e a n dt h e n ，w e t a k et h em a x i m u m ，m i n i m u m ，m e a na n ds t a n d a r dd e v i a t i o no fe e gp o w e rs p e c t r u m a m p l i t u d ea sc h a r a c t e r i s t i cp a r a m e t e r s e i g e n v e c t o re s t i m a t i o ni san o n p a r a m e t r i cm e t h o d b a s e do na ne i g e n d e c o m p o s i t i o no ft h ec o r r e l a t i o nm a t r i xo ft h en o i s e c o r r u p t e ds i g n a l s i t i sb e s ts u i t e dt ot h es i g n a l sa s s u m e dt ob ec o m p o s e do fs e v e r a ls p e c i f i cs i n u s o i d sb u r i e di n n o i s e e v e nw h e nt h es i g n a l - t o - n o i s er a t i o ( s n r ) i sl o w ，t h ee i g e n v e c t o re s t i m a t i o nc a n s t i l lo b t a i nah i 曲r e s o l u t i o no ff r e q u e n c ys p e c t r a 3 h a v i n gf i n i s h e dt h ef e a t u r ee x t r a c t i o no ft h em e l a n c h o l i ca n dh e a l t h yp e r s o n s e e g ，w ea c h i e v e dt h ec l a s s i f i c a t i o no ft h e s et w ok i n d so fe e gb ys u p p o r tv e c t o r m a c h i n e ( s v m ) s v mi sam a c h i n el e a r n i n gm e t h o db a s e do ns t a t i s t i c st h e o r y , w h i c h i n c l u d e san u m b e ro ft e c h n i q u e ss u c ha st h el a r g e s ti n t e r v a lh y p e rp l a n e ，m e r c e rk e r n e l ， c o n v e xq u a d r a t i cp r o g r a m m i n ga n dr e l a x a t i o nv a r i a b l e se t c a c c o r d i n gt ot h ep r i n c i p l eo f m l 。m m m m g s t r u c t u r a lr i s k ，s v me n h a n c e st h eg e n e r a l i z a t i o nc a p a b i l i t yo fl e a r n i n g m a c h i n ea n dc o n v e r t st h eo p t i m i z a t i o np r o b l e mi n t oac o n v e xq u a d r a t i cp r o g r a m m i n g p r o b l e m s i n c et h es o l u t i o no ft h i sc o n v e xq u a d r a t i cp r o g r a m m i n gp r o b l e mi su n i q u ea n d g l o b a l ，l o c a le x t r e m u mp r o b l e me x i s t i n gi ng e n e r a ln e u r a ln e t w o r k sd o e s n to c c u r s i n c e p r a c t i c a lp r o b l e m ss u c h a sn o n l i n e a r p r o b l e m ，h i 曲d i m e n s i o np r o b l e ma n d l o c a l e x t r e m u mp r o b l e mh a v eb e e nr e s o l v e d ，s v mo b t a i n st h eb e s tp e r f o r m a n c ei nav a r i e t yo f p r a c t i c a la p p l i c a t i o n sw i t hm u c hc h a l l e n g e c o n s e q u e n t l y , s v mh a sg r a d u a l l yb e c o m ea s u p e r i o rt o o lt os o l v et h ep r o b l e mo fp a t t e r n c l a s s i f i c a t i o n e x p e r i m e n t sd e m o n s t r a t et h a tt a k i n gt h ef e a t u r ep a r a m e t e r , w h i c hi se x t r a c t e db yt h e a b o v et h r e ef e a t u r ee x t r a c t i o nm e t h o d s ，a st h ei n p u te i g e n v e c t o rc a na c h i e v ei d e a l c l s s s i f i c a t i o na c c u r a c yw h i c ha r r i v e s8 7 t h i sp a p e rp r e s e n t e dan e wm e t h o df o r m e l a n c h o l i ad i a g n o s e t h ep r e s e n tr e s e a r c hp r o v i d e sab a s i sf o rt h eo n g o i n gs t u d y r e s e a r c ho fm e l a n c h o l i cd i a g n o s eb a s e do ns p o n t a n e o u se e g ” k e yw o r d s ：m e l a n c h o l i a ；e e gs i g n a l s ；f e a t u r ee x t r a c t i o n ；w a v e l e ta n a l y s i s ； e i g e n v e c t o re s t i m a t i o n ；s v m i v 浙江师范大学学位论文独创性声明 本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得 的研究成果。论文中除了特另j j h 以标注和致谢的地方外，不包含其他人或其他机 构已经发表或撰写过的研究成果。其他同志对本研究的启发和所做的贡献均已在 论文中作了明确的声明并表示了谢意。本人完全意识到本声明的法律结果由本人 承担。 储签名：彬规事 嗍冲月v 日 学位论文使用授权声明 本人完全了解浙江师范大学有关保留、使用学位论文的规定，即：学校有权保留 并向国家有关机关或机构送交论文的复印件和电子文档，允许论文被查阅和借阅，可 以采用影印、缩印或扫描等手段保存、汇编学位论文。同意浙江师范大学可以用不同 方式在不同媒体上发表、传播论文的全部或部分内容。 保密的学位论文在解密后遵守此协议。 作者躲彬缪多导师龇 乙阢日期聊年循矿日 浙江师范大学学位论文诚信承诺书 我承诺自觉遵守浙江师范大学研究生学术道德规范管理条 例。我的学位论文中凡引用他人已经发表或未发表的成果、数据、 观点等，均已明确注明并详细列出有关文献的名称、作者、年份、 刊物名称和出版文献的出版机构、出版地和版次等内容。论文中未 注明的内容为本人的研究成果。 如有违反，本人接受处罚并承担一切责任。 乏节 r 刁气 历缪旷尸 吵一。沙 杉了 、再p 生 问 究曼形教 人 导 诺承 指 1 1 课题研究背景和意义 1绪论 抑郁症是一种常见的、慢性复发性疾病，表现为心境显著和持久的低落，伴有相 应的思维和行为的改变，具有反复发作的倾向，间歇期精神正常，不残留人格缺吲1 2 1 。 在我国目前有约5 的人存在不同程度的心理障碍，约1 5 的抑郁症患者死于自杀， 且近几年有上升趋势。抑郁障碍己成为我国( 特别是浙江等沿海经济发达地区) 日益 严重的公共卫生问题。世界卫生组织、世界银行和哈佛大学的一项联合研究表明，抑 郁症已经成为中国疾病负担的第二大疾病。专家推测，2 1 世纪是抑郁症发病的高峰。 但是由于以往对该病的认识不足，绝大部分的抑郁症患者没有得到正确的诊断治疗。 就目前的研究和发展水平，抑郁症患者没有特异性实验室检查的阳性结果。因此，现 阶段抑郁症诊断方式是通过对多种资料收集方法( 会谈、行为观察、心理测验、实验 室生理检查等) ，多种信息来源( 患者本人、亲友及门诊医生) 而获得的多种类型的 资料( 认知、情感、个性、社会功能等) 进行综合分析评价，以做出最为可靠的诊断 和症状严重程度的评估。然而，在实际临床工作中难以用如此费时、繁杂、又不经济 的诊断方式。 抑郁症的诊断同其他精神障碍的诊断一样，目前采用的主要有临床辅助检查和神 经心理检查( 又称神经心理测试) 。常用的诊断性精神检查工具有c i d i 等【3 1 ；常用的 精神症状评定量表，有b p r s 、抑郁诊断量表、躁狂评定量表及人格测量等 4 1 ，这些 测试内容多用于诊断功能性精神疾病，如精神分裂症、情感性精神障碍、神经症及人 格障碍等。神经心理测试用于诊断功能性精神疾病时确有一定的信度和效度。但该测 试因有一定的间接性( 即病人的病情有时由陪侍人代诉、医生掌握的多是间接情况) 和 相对性，因而影响了对病情的全面、准确掌握和治疗，故还有待进一步完善。临床辅 助检查因病而异，所用的方法各有优势。 1 绪论 脑电信号( e e g ) 是通过大脑皮层记录到的神经细胞的电活动信号，脑电波节律的 种类很多，而且变化多样。各种不同的情绪，心态都会影响脑电波的变化。研究表明， 抑郁症患者脑电信号在节律，波幅和功率等参数中表现出异常现象。美国m a i x n e r 认 为，慢波睡眠特别是万睡眠总量减少可能是抑郁症及其他精神障碍的特征，且在整夜 监测的睡眠中较稳定，推测其可能是素质异常的标记( 5 l 。l a u e r 发现，这种万睡眠总量 的减少与脑室大小有关联【5 】。有较多研究支持m m n 减小是抑郁症的素质标记，指出 抑郁症持久的m m n 减小与精神药物无关，并且在抑郁症的一级亲属中也出现【6 】。这 些特征使脑电的研究者相信在e e g 信号里必然蕴含着大量的对我们有用的信息。因 此，深入开展e e g 在诊断精神障碍方面的研究有重大意义。 1 2 国内外研究概况及发展趋势 早期的e e g 研究都是进行目视分析，这种简单的定性分析很难在复杂多变的脑电 波中直接发现具有诊断意义的信息。近年来，随着计算机技术的迅猛发展脑电的分析 进入了计算机分析的阶段，使得脑电波的定量分析有据可依【7 。1 1 。s h a g a s s 报告，抑郁 症患者多倾向于低口频率，而狂躁期的口频率或出现高幅慢波，但这些异常都缺乏特 异性。a b r a m s 和t a y l o r 研究了1 3 2 例抑郁病人的e e g ，发现有较多顶、枕叶的改变( 2 4 ) 且常有侧化现象( 7 1 左右) ，与年龄、病情严重程度有关。有研究者应用平均整合振 幅( m e a ni n t e g r a t e d a m p l i t u d e ，m i a ) 及病人内的方差变异分析，发现m i a 的左右半 球比值与抑郁症有关。病情恢复后，两半球差异减少。在抑郁症的诱发脑电研究方面， h e n i n g e r 发现，抑郁症患者体感诱发电位第7 波潜伏期缩短，第7 8 波振幅降低，而 视觉诱发电位9 波潜伏期延长。p e r r i s 证实，抑郁症患者两半球的视觉诱发电位波幅降 低与临床量表呈负相关。 魏有东等在对抑郁症患者脑电图进行分析得出其脑电图表现有如下特点【1 2 1 ：男 性和女性患者脑电图各种表现无显著差异( p 0 0 5 ) 。脑电图正常者以不规则脑电 图最多，其次依次为口波脑电图，波脑电图，低波幅脑电图。脑电图异常者以轻 度异常多见，其余为轻至中度和中度异常，其异常表现为口波频率，波幅和波形调节 不佳，以0 波活动增多为主，并在不规则脑电图中混有少量万波，部分患者脑电图两 侧不对称，偶见p 波弥散或弥散出现和口波阵发出现。脑电图异常率最高为躯体形 式障碍，其余依次为神经衰弱，焦虑症，疑病症和强迫症。但是各型神经性障碍脑电 2， l 绪论 图异常率无统计学显著差异( p 0 0 5 ) 。 目前的问题是，在以上脑电分析的基础上，能不能有效提取脑电的特征参数，实 现抑郁症患者和健康人脑电信号的自动分类? 在这一方面，数据挖掘技术为我们提供 了有利的工具。数据挖掘( d a t am i n i n g ) ，是指从数据中提取隐含在其中的、人们事先 未知的、潜在的有用信息和知识。从脑电分析和数据挖掘的角度研究抑郁症诊断的客 观标准无疑具有重要意义。利用数据挖掘技术实现抑郁症患者和健康人脑电的自动分 类主要涉及以下几个方面的技术：脑电数据的预处理、特征提取、分类器的构造以及 判别规则的抽取。 特征提取是以特征信号作为源信号，确定各种参数并以此为向量组成表征信号特 征的特征向量。特征参数包括线性方法( 时域信号( 如幅值) 和频域信号( 如频率) 两 大类) 和非线性方法，相应的特征提取方法也分为时域法、频域法和时频域方法【1 3 1 4 l 以及非线性动力学分析。这些分析方法利用e e g 波形的几何特性和功率谱特性成功 地应用于诊断某些器质性和功能性疾病，如癫痫、肿瘤、炎症等，成为脑功能检测的 一种重要的辅助手段【7 1 1 1 。近来许多人利用非线性动力学方法如混沌、多重分形参数 等对e e g 信号进行了研究并取得进展【1 5 垅】，尽管研究表明这些参数与抑郁疾病有相 关性的变化，但单个的参数无论是线性和非线性参数都不能发现与抑郁疾病相关的特 异性变化。这说明单个参数所包含的部分信息不足以描述抑郁疾病对脑活动的影响， 有理由认为利用现代信号分析技术挖掘e e g 中更多的信息，将时频、非线性参数和 脑区域空间描述信息综合起来分析，可以进一步揭示脑神经活动的潜在规律，为诊断 脑部异常活动提供更多的依据。 在分类器的构造上，人工神经网络和支持向量机是目前研究最多的两种算法。值 得指出的是，许多研究表明支持向量在众多领域的分类精度一般都高于神经网络，这 是由于支持向量机是在一种专门研究小样本情况下分类规律的理论，对有限样本情况 下的分类问题进行了系统的理论研究【2 3 2 5 1 ，很大程度上解决了模型选择与过学习问 题、非线性和维数灾难问题、局部极小点等问题，大大提高学习机的泛化能力，而具 有严密的数学理论基础。因此，支持向量机理论越来越受到广泛得重视。但是，支持 向量机在医学数据挖掘以及医学信息处理中的研究才刚刚起步，仍然存在许多问题值 得研究，国外以及我们的研究都表明核函数和参数的选择对提高分类器的性能具有重 3 i 绪论 要影响。目前，如何选择核函数和参数仍然没有很好的理论依据，主要依靠经验进行 选择。另外，医疗诊断中常常涉及到决策损失的问题，即将异常判断为正常和将正常 判断为异常所带来的后果的严重程度是有显著差别的，需要在构造分类器时，使得在 限定一类错误率的前提下使另一类的错误率达到最小。因此，优化各种参数使得分类 器的性能达到最优是一个值得深入研究的问题。 1 3 本文主要研究工作及创新点 1 3 1 本文主要研究工作 脑电信号是非平稳随机的非线性复杂信号，其处理分析在临床和医疗诊断中具有 举足轻重的作用。由于信号本身的特点，使分析处理成为一项有难度的课题。目前， 各种方法已经在e e g 信号分析中获得了广泛的应用，在一定程度上这些方法都取得了 较好的分析结果。但是不同的分析方法都有其本身的特点和某些局限性。因此，找出 一种能够扬长避短的方法是非常重要的，需要设计出一种更完善的研究e e g 的方法。 研究表明，抑郁症患者脑电信号在节律、波形幅度和功率谱等参数中存在着不同 于健康人的特征。自发脑电信号含有丰富的频率成分，不同的生理状态和病因下某些 频段的能量在头皮不同区域的分布会发生变化，因此可以提取不同频段上的能量作为 分类器的特征参数实现自发脑电信号的分类。本文主要研究工作就是使用小波分析和 特征向量法对抑郁症及健康人脑电信号进行特性分析和特征提取，结合支持向量机分 类器实现两类信号的准确分类。具体内容如下： ( 1 ) 通过小波变换和小波包变换对原始采样信号进行小波多尺度分解，得到不同 尺度的频带分量，可以提取e e g 在不同频段上的能量特征。小波变换是一种多尺度信 号分析方法，具有良好的时频局部化特性，非常适合于分析像e e g 这样非平稳信号的 瞬态特性和时变特性。小波包分解具有任意多尺度特点，避免了小波变换固定时频分 解的缺陷( 如高频段频率分辨率低) ，为时频分析提供了极大的选择余地，更能反映 信号的本质和特征。 ( 2 ) 将特征向量功率谱估计法应用到抑郁症脑电信号的特征提取中，我们对试验 对象的脑电信号功率谱幅度进行统计分析，选取功率谱幅度的最大值、最小值、平均 值和标准偏差作为信号的分类特征参数。特征向量法功率谱估计是基于矩阵特征分解 4 1 绪论 的一种非参数建模谱估计方法，它主要适用于混有白噪声的正弦信号的频率估计及功 率谱估计，甚至对于信噪比很低的信号，也能取得很高的谱分辨率。 ( 3 ) 在完成抑郁症患者和健康人脑电信号特征提取的基础上，我们使用支持向量 机对这两类信号进行分类研究。支持向量机( s v m ) 是根据统计学理论提出的一种机器 学习方法，它集成了最大间隔超平面、m e r c e r 核、凸二次规划和松弛变量等多项技术。 支持向量机的方法根据结构风险最小化原则，提高学习机的泛化能力，它将优化问题 转化为求解一个凸二次规划的问题，二次规划所得的解是唯一的且为全局最优解，这 样就不存在一般神经网络的局部极值问题。支持向量机由于较好地解决了小样本、非 线性、高维数、局部极小点等实际问题，在若干具有挑战性的应用中，获得了目前为 止最好的性能。支持向量机已经逐渐成为解决模式分类问题的首选工具。 实验结果表明，采用以上三种特征提取方法的提取特征参数作为分类器的输入向 量均可以取得理想的分类效果，准确率达8 7 以上。该研究成果将为精神抑郁症的病 理临床诊断提供一定的参考依据，为下一步基于自发脑电的抑郁症疾病诊断实用系统 开发奠定基础。 1 3 2 本文主要创新点 抑郁症作为一种高发的精神疾病，它所导致的疾病负担和不良后果愈来愈得到 重视。而能否建立客观的方便的辅助诊断手段或诊断指标，是目前研究者面临的最具 挑战性的任务。本研究具有鲜明的跨学科性，将小波分析和特征向量估计方法应用于 脑电信号特征提取，并结合支持向量机实现抑郁症脑电信号分类，在国内还没有相关 的报道。本文主要创新点如下： ( 1 ) 本文提出基于小波变换和小波包变换的多尺度方法对抑郁症患者脑电信号 进行特性分析和特征提取。通过小波变换和小波包变换对原始采样信号进行小波多尺 度分解，提取e e g 在不同频段上的能量特征。 ( 2 ) 本文提出基于特征向量法功率谱估计的抑郁症脑电信号特征提取方法。我们 对试验对象脑电信号的功率谱幅度作进行统计分析，选取功率谱幅度的最大值、最小 值、平均值和标准偏差作为信号的分类特征参数。 5 1 绪论 1 3 3 本文组织结构 本论文的内容安排如下： 第一章绪论部分，阐述了课题研究技术背景及意义，综述了当前的研究现状和 发展趋势，最后介绍了本文的主要内容和基本结构。 第二章主要是介绍了脑电信号产生机理、采集方法及特征等相关知识，综述了 脑电信号的时域、频域、时频和非线性动力学分析等主要e e g 分析与处理方法。 第三章提出了小波变换和小波包变换的多尺度抑郁症脑电信号分析方法并进行 脑电信号特征提取。通过小波变换和小波包变换对原始采样信号进行小波多尺度分解， 提取了e e g 在不同频段上的能量特征。 第四章提出了基于特征向量法功率谱估计的脑电信号特征提取方法。我们对试 验对象脑电信号的功率谱幅度作进行统计分析，选取功率谱幅度的最大值、最小值、 平均值和标准偏差作为分类信号的特征参数。 第五章在完成脑电信号特征参数提取的基础上，通过训练设计支持向量机分类 器实现抑郁症患者和健康人脑电信号进行分类识别，得到了较好的分类准确率。 第六章最后对本文的研究工作作了分析和总结，并对今后的研究工作方向提出 展望。 6 2 脑电信号分析基础 脑电信号分为自发脑电信号与诱发脑电信号，包含了大量的生理与病理信息，但 脑电信号的非平稳性与背景噪声都很强，因此脑电信号的分析与处理一直是非常吸引 人但又极其困难的研究课题。 2 1 脑电信号基础知识 2 1 1 脑电信号产生机理及采集方法 2 1 1 1 脑电信号及其产生机理 脑电是大脑神经元突触后电位的综合，脑电图( e e g ) 是通过电极记录下来的脑 细胞群的自发性、节律性电活动。研究脑电的历史可以追溯到1 8 世纪末期。在脑电 图发现以前，要知道中枢神经的机能状态只有观察末梢神经对刺激的反应。1 7 9 1 年， l g a l v a n i 发现当肌肉收缩时将有电流产生，认识到脑在活动时也可能同样有变化。 1 8 7 5 年，英国的r g a t o n 成功地在动物脑记录出电活动，而首次发现并精确地描述 了人脑电活动的是h a n sb e r g e r ，他在1 9 2 4 年开始研究人脑的电活动，1 9 2 9 年发表“关 于人脑电图论文。此后，如何从脑电信号中提取可靠的参数来反映大脑的功能状态 直是人们希望解决的课题【2 6 1 。 脑电图反映了大脑组织的电活动及大脑的功能状态，其基本特征包括周期、振幅、 相位等。关于脑电图的分类，国际上有几种不同的方法，一般说来，常用的分类变量 有：频率、电压、形态、同步性、周期性等。若按频带、振幅不同定义，一般可将脑 电分为下面几种波： ( 1 ) 万波，频带范围o 5 - - 4 h z ，振幅1 0 - - - 2 0 tv ，常在额部出现，其指数不超过 5 - - 8 ，见于儿童和成年人的睡眠时，在正常清醒的成人脑波中很少见，过度换气、 睁眼及呼叫姓名都对万波无影响。无论任何年龄，任何意识水平持续存在的局灶性万 波均为异常，指示着皮质病变； ( 2 ) 口波，频带范围4 - - 一8 h z ，振幅2 0 - - 一4 0 9v ，在颞叶、顶叶较明显，一般困 7 2 脑电信号分析基础 倦时出现，是中枢神经系统抑制状态的表现。经常存在的局灶性p 节律为异常，其出 现常为深部皮质下或中线结构的病变； ( 3 ) 口波，频带范围8 - - 1 2 h z ，8 5 的成人在9 5 - 1 0 5 h z 之间，振幅l o 1 0 0 a v ， 是成人脑电中的基本节律。口节律呈正弦形，其波幅可以出现周期性逐渐升高和降低 现象。6 2 波的活动在大脑各区都有，不过以顶枕部最为显著，并且左右对称，安静及 闭眼时出现最多，波幅亦最高，睁眼、光刺激或精神活动时，口波会受到抑制并很快 的被波所取代，这是正常脑电图的重要标志之一。对同一个人而言，在不同时间或 不同脑区记录的口节律的周期、振幅、位相等平均值差异一般不超过1 0 ，其脑电图 出现方式较恒定，对生理条件改变或各种外界刺激可保持一定的阈值； ( 4 ) p 波，频带范围1 4 - 3 0 h z ，振幅5 - - 3 0 , u v ，以额、颞和中央较为显著，注 意力集中或情绪紧张时出现较多。 2 1 1 2 脑电信号采集方法 脑电信号通常是利用脑电图仪获得的。脑电图仪是专门用于测量和记录脑电图的 装置，大脑发出的电信号通过放在头皮上面的电极传输到信号采集器里，经过分析前 的预处理，然后才送到计算机里做有关的分析处理。 根据电极放置位置的不同，脑电图分为头皮脑电图、皮层脑电图和深部脑电图等。 皮层脑电图和深部脑电图是带创伤性的，有时需要手术来完成，技术难度较大。常规 脑电图检查采用的是头皮脑电图。头皮脑电图是大脑神经电活动产生的电场经容积导 体( 由皮层、颅骨、脑膜及头皮构成) 传导后在头皮上的电位分布。头皮脑电图方法简 单，但由于电极位于头皮表面，存在伪差干扰，测量到的信号幅度较弱，需进行放大 处理。 关于电极放置位置，现在绝大多数实验室和医院都是采用国际1 0 2 0 系统标准电 极放置法【2 7 1 ，如图2 1 所示。鼻根和枕外粗隆的联结线分作1 0 等份。其中点为头顶 ( v e r t e x ) ，然后把鼻根，外耳孔和枕外粗隆的联结线也做1 0 等份。根据以头顶为中心 的同心圆与半径的交叉点来确定电极部位。 在国际1 0 2 0 系统中，有2 1 个电极位置，电极的名称分别为：f p l ，f p 2 ，f 3 ，f 4 ， c 3 ，c 4 ，p 3 ，p 4 ，o l ，0 2 ，f 7 ，f 8 ，t 3 ，t 4 ，t 5 ，t 6 ，f z ，c z ，p z ，a l ，a 2 。名 8 2 脑电信号分析基础 称中的偶数表示的电极在右半球，奇数表示电极位于左半球，数字前面的字母代表了 电极所对应的大脑皮层区域。a 代表耳，c 代表中央皮层，f p 代表额叶前部，f 代表 额叶，p 代表顶部皮层，o 代表枕部，t 代表颞叶。除了中间的三个电极f z 、c z 、p z 外，其余1 6 个电极在头脑的放置位置都是对称的，每边的电极都以同侧耳垂为参考 电极( h l ，h 2 ) 。 图2 11 0 2 0 系统电g a - 史置法 2 1 2 脑电信号的特征及应用 2 1 2 1 脑电信号的主要特征 医学信号处理的基本目的，就是从存在严重背景干扰的医学信号中，提取对疾病 诊断有用的生理、病理信息。在对信号进行处理变换之前，必须要了解所处理信号的 特点，这样才能够找到合适的方法进行处理。脑电信号作为一种生理电信号，它具有 自身的特点： ( 1 ) 脑电信号非常微弱，且背景噪声很强。一般e e g 信号只有5 0 p v 左右。背 景噪声强是指非研究对象的信号在观察中有很强烈的表现，例如精神紧张、面部肌肉 动作等带来的伪迹、强烈的工频干扰等。因此脑电信号的提取与处理对检测系统、分 9 2 脑电信号分析基础 析系统有很高的要求，包括要求有高输入阻抗、高共模抑制比、低噪声放大技术，能 从强噪声中提取弱信号的高质量滤波措施等。 ( 2 ) e e g 信号是一种随机性很强的非平稳信号，所谓非平稳信号是指信号的统计 特征与开始进行统计分析的时刻无关。事实上不但脑电的节律随精神状态的变化而不 断变化，而且在基本节律的背景下还会不时地发生一些瞬态，如快速眼动、癫痫病人 的棘波或峰波等。非平稳性是由于构成e e g 信号的生理因素始终在变化，而且对外 界的影响又有自适应能力。因此e e g 信号又是统计特性随时间变化的非平稳信号。 ( 3 ) 非线性。生物组织的调节及适应机能必然影响到电生理信号，使脑电信号具 有非线性的特点。而目前的信号处理技术基本上是建立在线性系统理论分析基础上 的。因此如何减少非线性误差也是应该注意的问题，同时可以考虑用非线性的方法处 理脑电问题。 ( 4 ) e e g 信号的频域特征比较突出。在h a n sb e r g e r 首次描述脑电活动时，就使 用了频率的概念。利用频谱分析的方法，可以准确地确定脑电图的频率范围。目前， 一般公认的人类脑电活动的频率范围在0 5 - - 3 0 h z 之间。因此，与其他生理信号( 如： 心电图) 相比，功率谱分析及各种频率处理技术在e e g 信号处理中占有重要的位置。 2 1 2 2 脑电信号应用 脑电图反映了大脑组织的电活动及大脑的功能状态。对脑电信号的分析以及大脑 功能状态与脑电特征信号关系的研究，是国内外关于脑神经科学及脑认知科学研究的 热点问题，对于生理研究和临床医学都有十分重要的意义，目前的研究应用主要体现 在以下几个方面： ( 1 ) 应用于临床医学疾病诊断方面的脑电研究。脑电异常波形主要具有节律性、 散在性、爆发性、杂乱、无节律性。这部分的研究主要是研究处于病理状态下( 如癫 痫、脑损伤、药物作用等) 的脑电信号的特性变化，对其进行特性提取和特征分析， 为临床提供分析和诊断参考。目前脑电图在神经科疾病的诊断，尤其是癫痫、脑肿瘤、 颅内炎症、脑血管疾病、脑外伤等神经系统疾病的诊断等方面己取得了很多有实用价 值的研究成果，脑电信号是脑部疾病和精神疾病检测和诊断的重要依据。 ( 2 ) 基于脑电信号的脑思维认知研究。大脑功能状态与脑电特征信号的定量关系 1 0 2 脑电信号分析基础 的研究是临床脑电检查和长期脑电监护的需要，脑电信号的检测非常方便、检测设备 简单价廉以及脑电信号能动态实时地反映脑功能状态的变化等特点，使得脑电图在脑 认知科学研究中起到了重要的作用。 ( 3 ) 在工程应用方面，人们也尝试利用脑电信号实现人脑一计算机接m ( b c 8 ，利 用人对不同的感觉、运动或认知活动的脑电的不同，通过对脑电信号的有效的提取和 分类达到某种控制目的。 2 2 脑电信号主要分析方法 e e g 信号是大脑神经元电活动的直接反应，包含着丰富的信息，但脑电信号幅 值小，其中又混杂有噪声干扰，如何从e e g 信号中抽取我们所感兴趣的信号是一个 极为重要的问题。自1 9 3 2 年d i e t c h 首先用傅立叶变换进行了脑电图分析之后，相继 引入了频域分析、时域分析等脑电图分析的经典方法。近年来，由于计算机技术、现 代电子技术及信息处理技术的飞速发展，从而出现了许多分析脑电信号的新手段和新 方法。如在脑电图分析中应用了混沌分析、神经网络分析、小波变换分析和w i g n e r 方法等以及各种方法的有效结合【2 8 ，2 9 ，3 0 1 。 2 2 1时域、频域及时频分析 2 2 1 1 时域分析 直接从时域提取有用波形特征是最早使用的e e g 分析方法，至今仍有不少脑电工 作者在使用。这类方法主要是利用e e g 波形的性质，如波幅、均值、方差、偏度和峭 度等对临床e e g 记录由脑电师进行的观察分析，可以看出是一种人工时域分析。尽管 大量脑电特征信息反应在频率特征上，但也有些重要信息在时域上更易于观察和分 析，如反映癫痫信息的棘慢波，反应睡眠信息的梭形波等。在e e g 研究中，常用的时 域分析方法有：过零点分析、直方图分析、方差分析、相关分析、峰值检测、波形参 数分析和波形识别等等。因此，时域分析不仅直观，而且分析结果的意义也明确。上 述这些特征参数可用于e e g 的分类、识别和跟踪等。此外，由于时域波形包含e e g 的 全部信息，而且，时域分析一般都是对e e g 波形的一次性处理，因而，在处理过程中 损失的信息也较少，然而，由于e e g 波形的形态过于复杂，目前，还没有一个特