首页 > 文献资料
-
想象动作中动态脑电的信息熵研究
想象动作可以引起脑电信号的特异性变化,如何通过提取脑电特征参数来识别想象动作的发生是目前脑-计算机接口(BCI)系统设计的技术关键之一.本研究使用两种信息熵(功率谱熵和小波熵)作为特征参数,对手部想象动作执行前后的动态脑电信号进行分析,并与目前常用的mu节律事件相关去同步(ERD)参数进行比较,以寻找特异性更强的动态参数.结果 显示在想象动作对侧的运动感觉区域中,功率谱熵和小波熵均表现出与mu节律强度变化具有明显锁时关系的改变,且区分错误率得到明显降低.而在中顶部位置mu节律强度无明显变化处,熵参数对左右手想象动作的响应也具有明显的不同.结论,功率谱熵和小波熵具有良好的时域分辨能力和更准确的区分效果,可以作为特征参数用于在线BCI系统.
-
一种新的脑电信号睡眠分期方法
目的 研究一种新的脑电信号睡眠分期方法.方法 利用小波包变换提取EEG信号的β和δ节律波,然后采用功率谱熵算法分别处理β和δ节律波,并整合结果得到第一部分特征参数.使用基于样本熵且尺度为11,12的多尺度熵算法分别处理EEG信号,得到第二部分特征参数.终将所有特征参数输入到支持向量机或反向传播神经网络分类器中,将睡眠分为4期.结果 对1000个睡眠脑电样本进行测试,使用支持向量机分类的平均准确率为91.90％,使用反向传播神经网络分类的平均准确率为91.70％.结论 本文提出的结合小波包分解、功率谱熵和多尺度熵的方法提取的特征参数可以作为睡眠分期的有效依据,且适用于两种分类器.
-
基于脑电功率谱特征的脑力疲劳分析
目的 研究连续数学运算对脑力疲劳的影响,探讨脑电的功率谱特征与脑力疲劳之间的关系,寻找脑力疲劳程度评价的客观指标.方法 对连续数学运算前后以及休息后3种状态下脑电的功率谱重心频率以及功率谱熵进行了分析,并采用主观评价和行为学方法对3种状态进行对照分析.结果 连续数学运算后脑电功率谱重心频率以及功率谱熵显著降低,主观感觉疲劳程度、数学运算及PVT测试的平均反应时间显著增加;休息后脑电功率谱特征、主观感觉疲劳程度及反应时间的变化规律相反.结论 脑电功率谱重心频率以及功率谱熵与脑力疲劳有较强的相关性,随着脑力疲劳程度的增加,脑电功率谱重心频率以及功率谱熵降低.同时脑电功率谱特征与主观评价和行为学分析结果有较强的一致性,有望成为衡量脑力疲劳程度的客观指标.
-
功率谱熵对大鼠痫性发作预报的评估意义
低.致痫组痫性发作期和发作前期的功率谱熵与正常组和对照组比较差异有统计学意义(P＜0.05). 结论:功率谱熵的变化揭示了痫性发作过程脑电信号复杂度的变化过程,并对痫性发作的预报提供了可能.
-
基于熵的动态收缩sEMG信号疲劳特征分析
频谱分析方法常被用来检测肌肉疲劳过程.本文将频率分析和非线性动力学方法结合起来,基于表面肌电(sEMG)信号在不同频率分布不均匀的特点将信号能量分解到不同频带,以此计算功率谱/小波包和熵相结合的功率谱熵/小波包熵来衡量系统的复杂度,进而衡量肌肉的疲劳程度,为用EMG信号研究动态收缩过程中的肌肉疲劳程度提供了新的分析手段和方法.文中方法也适用于其它生物医学信号的分析.
-
血压波功率谱熵与年龄的关系
以10位年轻(21岁-34岁)与10位年老(68岁-81岁)的经过严格筛选的健康人为研究对象,同步记录每位受试者在仰卧时的血压波、心电图、呼吸波信号,计算出所有信号的功率谱熵.结果是:年轻组的血压波功率谱熵明显大于年老组(P＜0.01),而心电图与呼吸波的功率谱熵没有显著差异(P＞0.1).这一结果预示着血压波功率谱熵可作为心率波动的一种新的度量.
-
驾驶疲劳脑电信号节律的特征分析
分别提取驾驶员在驾驶过程中脑电(EEG)信号的δ、θ、α和β节律,并对其相对功率谱、功率谱熵和脑电地形图进行分析,研究疲劳驾驶时的EEG特性.分析结果显示:在驾驶过程中,随着疲劳的加深,EEG信号的δ和θ节律的相对功率谱的平均值逐渐增强,而α和β节律的相对功率谱的平均值逐渐减弱,在疲劳程度很深时,δ、θ和α节律的相对功率谱的平均值都会增强.4个节律的功率谱熵的平均值都是随着疲劳程度的加深而逐渐减弱.EEG信号各节律的相对功率谱和功率谱熵的平均值可以成为驾驶疲劳检测的指标.
-
功率谱熵在局灶性缺血性脑损伤无创检测中的应用
为了对局灶性缺血脑损伤的程度进行无创诊断,并对损伤区域进行定位,用SD(Sparague-dawley)实验大鼠建立了一个局灶性缺血脑损伤的动物实验模型,采得缺血前到缺血30 min时的缺血区域与正常区域的EEG (Electroencephalogram) 信号,并采用功率谱熵对EEG信号进行了分析.结果发现局灶性脑缺血导致EEG信号的功率谱熵发生了明显的变化.缺血侧的EEG信号的功率谱熵在缺血15 min时已经明显低于缺血前的正常值,在整个缺血过程中缺血侧的EEG信号的功率谱熵小于正常区域的功率谱熵.这表明EEG信号的功率谱熵是一种很好的表征脑缺血损伤的参数,具有计算简便、有效的优点.
-
生理性精神疲劳的多参数脑电功率谱分析
实验目的是寻找实用的生理性精神疲劳程度客观分析的指标,通过对两种生理性精神疲劳状态的两导联脑电信号进行功率谱分析,提取了脑电各节律的相对功率、重心频率以及功率谱熵三种特征参数,研究了特征参数与生理性精神疲劳程度之间的关系,以及它们在不同生理性精神疲劳状态下的变化规律及其相关性.实验分析结果表明,脑电特征参数与生理性精神疲劳程度之间存在很强的关联性,随着生理性精神疲劳程度的增加,脑电信号的重心频率和功率谱熵逐渐降低,θ、α和β节律高频快波相对功率逐渐降低,而δ节律高幅度慢波相对功率则逐渐增加.三种脑电特征参数灵敏地反映了生理性精神疲劳程度的变化,有望成为衡量生理性精神疲劳程度的指标.
