首页 > 文献资料
-
基于脑电复杂度的意识任务的特征提取与分类
本研究提出了利用事件相关脑电复杂度提取大脑运动意识特征,应用Mahalanobis距离判别式分析法,对人脑想象左右手运动任务进行分类,获得了满意的结果.对受试者想象左右手运动期间在大脑初级感觉运动皮层区记录的脑电信号采用复杂度分析方法量化了事件相关去同步(ERD)和事件相关同步(ERS)时程,结果表明EEG复杂度特征较好反映了ERD/ERS变化时程.后对测试数据进行分类,大分类正确率达到86.43%,通过大分类正确率,大信噪比,大互信息等评价指标比较,验证了该方法的有效性,从而为大脑运动意识任务的特征提取及分类提供了新思路.
-
清醒与麻醉状态下大鼠脑电复杂度特征的比较
目的:通过对脑电复杂度样本熵(SampEn)和分形维数(FD)分析,比较清醒和不同麻醉状态下大鼠脑电复杂度特征。方法 SD 大鼠16只,每只大鼠先后两次腹腔注射氨基甲酸乙酯(首次500 mg/kg、1 h 后800 mg/kg),采集大鼠清醒状态(W 段)、浅麻醉状态(LA 段)、深麻醉状态(HA 段)头皮脑电(EEG),采用 MATLAB 软件计算 EEG 信号复杂度的 SampEn 和 FD 值,并对全过程的特征值进行线性动力系统(LDS)去噪和各状态下特征值做统计学分析。结果大鼠从清醒到浅麻醉、深麻醉过程中 SampEn、FD 值逐渐下降。W 段的 SampEn 值与 FD 值(4.049±0.190和9.299±0.195)明显高于 LA 段(3.248±0.175和8.528±0.156)和 HA 段(2.978±0.123和8.213±0.128)(P <0.05),HA 段的 SampEn 值与 FD 值明显低于 LA 段(P <0.05)。结论 EEG 的SampEn 与 FD 值可作为麻醉深度监测的特征量。
-
基于振幅-周期二维分布的脑电复杂度分析
目的:提出一种可以在振幅-周期二维空间描述脑电复杂度的二维振动熵方法,以改善传统符号熵方法只能在振幅或周期一维空间进行运算的缺陷.方法:将振幅符号序列和周期符号序列合并为振幅-周期二维振动序列,然后按照振动元素在振幅-周期二维空间的分布来计算振动时间序列的信息熵;并提出一种二维空间分段参数的选取方法,选取能使二维振动熵值随分段参数变化,并在一定阈值内的分段参数值为运算值.结果:仿真实验和抑郁症脑电分析表明二维振动熵可以有效反映时间序列的复杂度,抑郁症组在顶部和枕部区域Alpha频段的二维振动熵显著高于对照组.结论:二维振动熵可以有效反映各频段脑电信号的复杂程度,具有一定的实用价值.