為了探求有效的信號(hào)處理技術(shù)來提取腦電信號(hào)的生理和病理信息,本文從腦電信號(hào)復(fù)雜度和腦區(qū)信息流的因果關(guān)系兩個(gè)方面,采用多尺度互模式熵算法和相位斜率指數(shù)算法,分別對(duì)癲癇腦電和注意力相關(guān)腦電進(jìn)行了較為綜合的分析。本文探討了癲癇腦電和注意力相關(guān)腦電的多尺度互模式熵特征。研究結(jié)果表明健康人的原始腦電信號(hào)以及α、β、δ、θ腦波的平均熵值要比癲癇患者高,兩者的原始腦電信號(hào)以及θ、δ腦波的平均熵值在大尺度上有較大的差異,α和β腦波的平均熵值在大尺度上差異較小。三種注意力狀態(tài)的原始腦電信號(hào)的復(fù)雜度隨尺度變化表現(xiàn)出明顯不同的變化趨勢(shì)。多尺度下,閉眼狀態(tài)的原始腦電以及α、β、θ腦電的平均熵值都明顯地高于計(jì)數(shù)和發(fā)呆狀態(tài),計(jì)數(shù)狀態(tài)的原始腦電信號(hào)和β腦波的熵值略高于發(fā)呆狀態(tài)、α腦波的熵值相近于發(fā)呆狀態(tài)、θ腦波的熵值則低于發(fā)呆狀態(tài)。本文應(yīng)用相位斜率指數(shù)算法,探討了癲癇腦電和注意力相關(guān)腦電的信息流方向。研究結(jié)果表明健康人的α頻段平均信息流方向?yàn)槟X電（Electroencephalogram,簡(jiǎn)稱EEG）通道到心電（Electrocardiograph,簡(jiǎn)稱ECG）通道,而癲癇患者與之相反;兩者在β頻段的平均信息流方向相... 

【文章來源】：南京郵電大學(xué)江蘇省

【文章頁數(shù)】：72 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 課題的研究背景及意義
    1.2 研究現(xiàn)狀
        1.2.1 癲癇腦電的研究現(xiàn)狀
        1.2.2 注意力相關(guān)腦電的研究現(xiàn)狀
    1.3 主要研究工作和內(nèi)容安排
第二章 腦電信號(hào)理論及研究方法概述
    2.1 腦電信號(hào)的產(chǎn)生與采集
    2.2 腦電信號(hào)的特征與分類
        2.2.1 癲癇腦電信號(hào)的特征
        2.2.2 注意力相關(guān)腦電信號(hào)的特征
    2.3 多尺度互模式熵算法
        2.3.1 互模式熵的基本原理
        2.3.2 多尺度原理
    2.4 相位斜率指數(shù)算法
        2.4.1 交叉譜估計(jì)
        2.4.2 相位斜率指數(shù)的基本原理
    2.5 本章小結(jié)
第三章 基于多尺度互模式熵的癲癇腦電分析
    3.1 癲癇腦電的多尺度互模式熵分析
        3.1.1 數(shù)據(jù)處理
        3.1.2 實(shí)驗(yàn)方法
        3.1.3 結(jié)果與分析
    3.2 多尺度互模式熵的性能分析
        3.2.1 替代數(shù)據(jù)的熵值計(jì)算
        3.2.2 含噪聲數(shù)據(jù)的熵值計(jì)算
    3.3 本章小結(jié)
第四章 基于多尺度互模式熵的注意力相關(guān)腦電分析
    4.1 注意力相關(guān)腦電的多尺度互模式熵分析
        4.1.1 數(shù)據(jù)處理
        4.1.2 實(shí)驗(yàn)方法
        4.1.3 結(jié)果與分析
    4.2 本章小結(jié)
第五章 基于相位斜率指數(shù)的癲癇腦電分析
    5.1 癲癇腦電的PSI分析
        5.1.1 數(shù)據(jù)處理
        5.1.2 實(shí)驗(yàn)方法
        5.1.3 結(jié)果與分析
    5.2 本章小結(jié)
第六章 基于相位斜率指數(shù)的注意力相關(guān)腦電分析
    6.1 注意力相關(guān)腦電的寬帶PSI分析
    6.2 注意力相關(guān)腦電的窄帶PSI分析
    6.3 本章小結(jié)
第七章 總結(jié)與展望
參考文獻(xiàn)
附錄1 攻讀碩士學(xué)位期間撰寫的論文
附錄2 攻讀碩士學(xué)位期間參加的科研項(xiàng)目
致謝


【參考文獻(xiàn)】：
期刊論文
[1]腦電生物反饋治療注意缺陷多動(dòng)障礙患兒療效分析[J]. 靳彥琴,姚梅玲,段桂琴,王亞哲.  蘭州大學(xué)學(xué)報(bào)(醫(yī)學(xué)版). 2015(01)
[2]基于符號(hào)化部分互信息熵的多參數(shù)生物電信號(hào)的耦合分析[J]. 張梅,崔超,馬千里,干宗良,王俊.  物理學(xué)報(bào). 2013(06)
[3]熵理論發(fā)展史及其在生物醫(yī)學(xué)信號(hào)分析中的作用[J]. 劉澄玉,趙莉娜.  北京生物醫(yī)學(xué)工程. 2012 (05)
[4]虛擬駕駛員視覺注意力模型研究[J]. 任曉明,薛青,楊冀.  計(jì)算機(jī)工程與應(yīng)用. 2012(19)
[5]駕駛疲勞腦電信號(hào)的多尺度熵分析[J]. 劉苗苗,艾玲梅.  計(jì)算機(jī)技術(shù)與發(fā)展. 2011(08)
[6]基于神經(jīng)網(wǎng)絡(luò)的多參數(shù)腦電注意力水平提取[J]. 袁浩,黃曉林,寧新寶.  北京生物醫(yī)學(xué)工程. 2010 (06)
[7]多尺度熵在心率變異信號(hào)復(fù)雜性分析中的應(yīng)用[J]. 蔡瑞,卞春華,寧新寶.  北京生物醫(yī)學(xué)工程. 2007(05)
[8]基于樣本熵的注意力相關(guān)腦電特征信息提取與分類[J]. 燕楠,王玨,魏娜,宗良.  西安交通大學(xué)學(xué)報(bào). 2007(10)
[9]基于經(jīng)驗(yàn)?zāi)Ｊ椒纸馀c樣本熵的癲癇預(yù)測(cè)方法[J]. 白冬梅,邱天爽,鮑海平.  中國(guó)生物醫(yī)學(xué)工程學(xué)報(bào). 2006(05)
[10]基于替代數(shù)據(jù)思想的復(fù)雜度歸一化方法及其在心電信號(hào)分析中的應(yīng)用[J]. 陳文偉,阮炯,顧凡及.  生物物理學(xué)報(bào). 2006(02)

博士論文
[1]癲癇腦電的分類識(shí)別及自動(dòng)檢測(cè)方法研究[D]. 袁琦.山東大學(xué) 2014

碩士論文
[1]基于復(fù)雜網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的癲癇腦電非線性特征提取與分類方法研究[D]. 王楓林.濟(jì)南大學(xué) 2015
[2]替代數(shù)據(jù)及其應(yīng)用[D]. 眭燁.華東師范大學(xué) 2011
[3]基于腦電熵參數(shù)的視覺注意力分級(jí)研究[D]. 徐秋晶.天津大學(xué) 2009
[4]熵分析方法在生物信息處理中的應(yīng)用[D]. 常潔.中南大學(xué) 2008



本文編號(hào)：3197395