基于Uchida-Kraepelin心理测试的酒后驾车交通事故倾向测量

针对利用驾驶员的血液酒精浓度一致标准测定和问责酒后驾车行为的方案在某些场合可能不够严谨的问题,为探索新型测量技术,招募18位驾驶员开展酒后Uchida-Kraepelin心理测试(UK测试).结果显示,随着驾驶员饮酒量的增加,UK作业曲线从未饮酒时的定型曲线特征逐渐向非定型曲线特征转变,且作业错误率均值递增.定义UK作业偏离度,探明其与交通事故倾向具有一致性,且两者具有正相关性,平均相关系数为0.71.UK作业偏离度能够揭示酒后驾车交通事故倾向,或可作为酒后驾车行为测定和问责的一种新证据参数;基于UK测试分析的酒后驾车交通事故倾向测量是一种可探索方案.     

基于多导脑电特征的生理性精神疲劳分析

通过对4种生理性精神疲劳状态下4导脑电信号进行功率谱和小波熵特征分析,研究了脑电信号各节律相对功率以及小波熵与生理性精神疲劳程度之间的关系,并分析了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,脑电信号各节律的相对功率以及小波熵平均值与生理性精神疲劳程度之间存在很强的关联性,对于不同的生理性精神疲劳状态,随着生理性精神疲劳程度的增加,其脑电信号的小波熵平均值逐渐降低,θ、α和β节律高频快波相对功率的平均值逐渐降低,而占节律高幅度慢波相对功率平均值逐渐增加．脑电信号各节律的相对功率以及小波熵平均值有望成为衡量生理性精神疲劳程度的指标．     

基于脑电模糊能量特征提取的癫痫分类诊断

目的提出一种基于8导脑电模糊能量特征提取的多分类支持向量机混合诊断模型。方法通过计算8导脑电的能量并转换为模糊特征向量,将模糊特征向量输入到多分类的支持向量机中。训练和测试数据样本来自西京医院癫痫中心的60个临床监护病例。结果该方案的平均分类准确率可达80%以上,远高于传统的医师主观判断的准确率;对临床最常见的部分性发作和全身性发作的分类准确率可达90%左右。结论提出的方案可实现对癫痫不同类型的识别。     

一种基于S变换及样本熵组合特征的癫痫脑电信号分类方法

癫痫脑电信号的自动检测对癫痫的临床诊断与治疗具有重要意义。为了解决脑电信号采用单一特征识别率不高的问题,提出了一种基于S变换与样本熵组合的癫痫脑电信号自动识别方法。首先对原始信号进行S变换;然后对变换后脑电信号各节律的幅值分别求其波动指数,将其与原始信号计算得到的样本熵组合为特征向量;最后采用支持向量机进行癫痫脑电信号自动识别。实验结果表明:方法的分类准确率明显提高,准确率可达到98.94%。     

睡眠脑电的非线性动力学方法

在8例健康成年人的睡眠脑电监测实验基础上,利用已有的专家人工分期结果,提取睡眠各阶段特征数据,应用近似熵、复杂度和功率谱熵三种方法进行分析,从客观量化的复杂性度量来刻划睡眠深度的变化情况,对每个睡眠分期选取5000点数据,数据窗取1000点,逐次延时一个采样间隔得到几个时间序列,分别求复杂度,最后取均值即得此分期复杂性测度值,结果表明三种方法均与专家人工分期结果相吻合,近似熵算法复杂不适合在线分析;复杂度算法较简单,但数据粗粒化处理容易丢失信息;功率谱熵算法简单、快速及有效,因而用统计分析方法分析,表明功率谱熵能较好地反映睡眠深度的变化情况。     

基于脑电Alpha波的脑-机接口控制实验

对脑电alpha波阻断现象的识别提取与家用电器遥控装置的结合进行了研究，以探索实时脑机接口（brain-computer interface，BCI）系统的可行性．对5～12名受试者进行睁闭眼实验并记录其动态脑电数据，提取alpha波阻断现象发生过程的关键参数．在实时操作平台上对受试者进行4组遥控器按键操作的组合实验，以考察系统的响应速度与指令传递的准确率．总结出了Alpha波阻断现象对应的阈值电压经验计算公式，并建立了以最大噪声背景电平作为甄别开关动作真伪的判据原则．结果显示该系统具有较高的控制成功率和稳定性，表明实时脑机接口系统具有潜在的临床应用价值与研究前景.     

基于脑电频谱特征的脑疲劳监测分析

提出一种监测脑疲劳程度的客观可行的指标.建立脑疲劳模型,对疲劳前后的脑电信号进行功率谱分析,提取优势频率、重心频率以及各节律的相对功率3种频谱特征参数,研究特征参数与疲劳状态之间的关系,并进行统计分析.结果表明,对比疲劳前,疲劳后的脑电信号能量向低频段迁移,全脑优势频率、重心频率呈降低趋势,θ节律相对功率增加,β节律相对功率降低.因此,脑电信号的频谱特征可以反映脑疲劳的程度,有望成为监测脑疲劳程度的客观指标.     

利用双谱分析的癫痫脑电特征研究

根据癫痫患者脑电信号具有非高斯、非线性随机特性,应用高阶累积量技术对癫痫患者的脑电信号进行双谱估计,研究了在不同发病阶段的脑电信号的高斯偏离程度,以获取更加敏感和准确的临床监护和发病预报参量.用参数模型法进行双谱估计,并根据奇异值分解最小二乘法求解模型参数,从而获得高分辨率的双谱估计值和有效的脑电相位信息.用功率谱对高阶谱进行规范,规范化结果可作为相关系数,通过估计双相关系数找出它与癫痫发作的关系.实验结果表明,患者在癫痫发作前、开始发作和发作期,双谱的等高线图具有明显的尖峰,在癫痫发作时的脑电双相关系数值要比癫痫发作前和发作后的系数值高得多,使得脑电波的非高斯性和非线性增强.双谱分析为癫痫脑电信号的研究提供了一些新的思路,双相关系数有望成为临床监护、预报癜痫发作的一个指标.     

脑电监护分析系统的软件设计与实现

脑电信号在外围设备采样后,由计算机通过软件系统以波形图形式进行实时播放.本文以脑电波监护与分析的系统给出计算机技术在工程领域的应用实例.首先介绍涉及的脑电生物及数字信号处理技术的背景知识,然后讨论软件体系结构、子系统划分及功能模块,包括脑电信号的监护、数字滤波器及信号分析,并以数据采集、滤波与分析算法为重点.     

基于独立成分分析降噪与集成分类器的疲劳脑电研究

疲劳驾驶是引起众多交通事故的重要因素之一,脑电作为一种直接反映大脑组织电活动的信号日趋成为评估驾驶疲劳检测与预警的研究焦点。本文提出了一种基于AdaBoost的组合型实验方法用于分析脑电检测疲劳驾驶。试验过程中针对不同受试者采用独立成分分析(Independent Component Correlation Algorithm, ICA)处理分析,继而进行样本熵、信息熵、模糊熵和AR系数的特征提取;最后运用AdaBoost将最小二乘向量机基于三种核分类器集成为一个强分类器。试验结果显示,采用AdaBoost分类器分类效果优于单个核分类器,对疲劳驾驶平均识别率达到93%,五折交叉验证准确率为91.04%,在一定程度上推动了基于脑电信号的安全驾驶辅助监控系统的研究。     

疲劳驾驶的脑电特性探索

研究疲劳驾驶时的脑电特性.利用汽车模拟驾驶系统模拟驾驶员疲劳驾驶的情况,用脑电仪记录驾驶员的脑电情况,得到了驾驶员在正常状态和疲劳状态下驾驶时的脑电数据和波形,分别用平均功率谱方法和非线性的关联维数方法对所得数据进行分析.得到了疲劳驾驶时脑电的2个特征量R和D.可以用驾驶员驾驶时的脑电特征量来评价其疲劳程度.     

基于EEG与EOG信号的疲劳驾驶状态综合分析

疲劳驾驶时,司机的脑电信号和眼电信号特征均发生显著变化,本文针对这两类信号进行分析研究,利用这两类数据综合分析判断司机是否处于疲劳驾驶状态.首先对采集的脑电信号进行小波包分解,提取信号中的α波,并计算其相对功率谱P;然后利用Pearson相关系数分析两路对称导联F7,F8中眨眼信号特征,去除干扰;最后利用BP神经元网络对眨眼信号进行识别,计算眨眼频率.结果表明,利用眼电信号和脑电信号特征综合分析司机眨眼动作,能准确识别出眨眼信号,并能正确检测人的驾驶疲劳状态的变化.     

基于脑电信号的麻醉深度指标监测

通过对脑电信号的麻醉深度分析,研究描述临床手术麻醉深度的变化趋势和实时监测参数。采集麻醉状态下脑电信号序列,使用时频均谱熵计算麻醉深度阈值,判断病人的神经活动状态,应用排序熵进行麻醉深度的分析。实验结果表明,脑电信号的时频均谱熵和排序熵值随着麻醉深度的增加而减少,肌电熵值接近零时,病人进入麻醉状态。麻醉深度指标算法简单、计算所需数据序列短、抗干扰强,采用排序熵对脑电信号进行分析,为临床麻醉深度监测提供了一种实时的方法。     

酗酒者认知脑电能量的头皮分布

为了理解酗酒对大脑功能的影响,已有研究多数是对被试者的脑电各节律特性分别进行分析,而缺乏分布特性研究.通过3种不同类型的实验,对酗酒者和正常对照组的脑电节律能量的头皮分布进行深入分析.结果表明,在3种不同认知任务下,酗酒者的α节律、δ节律和θ节律在枕区的能量都显著低于正常对照组;而酗酒者脑电β和γ节律在额区与颞区的能量显著高于正常对照组.不同的实验任务对各节律影响也不尽相同.α节律随着任务的不同,能量大小发生变化;枕区的θ节律、额区和颞区的δ节律能量分布在不同任务条件下也各不相同;而β能量则不受实验任务的影响.不同实验类型下酗酒者额区的脑电γ能量有所不同,而正常人却没有显著变化.因此慢波节律在不同区域能量的降低和快波节律在不同脑区能量的增加可能表明酒精长期作用会对大脑造成一定程度的损伤,进而影响大脑的认知过程,而且这种影响还通过皮层电活动头皮分布特性的不同得以体现.     

基于脑电信号的驾驶疲劳检测研究

研究利用脑电信号(EEG)判断驾驶员的疲劳程度. 基于疲劳驾驶实验平台进行模拟驾驶实验,综合实验视频图像和驾驶员自我评价进行主观疲劳评测. 利用生理检测仪采集驾驶员的脑电波,对比分析脑电信号不同频带信号功率谱值和驾驶员的主观疲劳评测之间的关系. 结果表明:主观疲劳评测与脑电信号中功率谱值的变化相对应,脑电功率谱的比值(α+θ)/β越大,疲劳等级越高.     

基于EEG小波包子带能量比的疲劳驾驶检测方法

驾驶员在从正常驾驶状态向疲劳驾驶状态变化的过程中,其脑电信号中的慢波逐渐增加,快波逐渐减少;针对这一特点,提出了一种基于小波包子带能量比的疲劳驾驶状态检测方法.采集和分析受试者模拟驾驶过程中的脑电信号,利用小波包分解系数计算出β波与慢波的能量比,将其作为疲劳指标F值.实验结果表明,尽管不同受试者的F值存在较大差异,但是对于同一受试者而言,F值随着驾驶时间的延长和疲劳程度的增加而逐渐降低,其相对于正常驾驶状态的衰减程度能够有效反映驾驶人的疲劳程度.     

基于SVM分类器的癫痫脑电时空特征提取方法的研究

癫痫发作具有突发性和反复性,给患者的生命安全带来巨大隐患。为了给患者提供有效的预警,结合时间和空间两个维度,选取模糊熵和皮尔逊相关性作为特征参数,分别衡量时序信号复杂度和空间通道间的相关性; 利用F-score筛选出最优特征组合,既增加了预测的准确率又去除冗余信息; 利用支持向量机(support vector machine,SVM)分类器识别癫痫发作前期和发作间期的颅内脑电信号。为验证该特征的预测效果,进行了模糊熵或皮尔逊相关性单独作为特征参数的对比试验。实验结果表明,与单一特征相比,时空特征的预测效果更好,准确率高达91.26%,误报率仅为2.32%。该方法能有效提取癫痫特征信息,为癫痫的临床预警提供新思路。     

性格行为特征与脑电特征间关系的研究

探讨性格行为特征和脑电特征之间的关系.在克莱佩林-内田测试(UK测试)过程中同时测量实验者的脑电,根据UK测试对实验者性格行为的3个特征即启动性、兴奋性和可变性的评价结果,分析对比不同性格行为特征的实验者的脑电数据,通过对比特定频段的脑电能量在UK测试过程中的分布情况,探讨实验者性格行为特征与脑电特征之间的关系.结果表明:实验者代表性格启动性的特征主要与UK测试上下半时开始时脑电β波的能量大小相关;代表性格可变性特征主要表现在UK测试过程中脑电β波能量的波动大小;代表性格兴奋性的特征则表现在脑电α波能量的大小和变化趋势.     

单次运动想象脑电的特征提取和分类

为了实现脑-计算机接口(BCI)系统,对运动想象脑电信号的特征进行了提取和分类.将大脑C3,C4处采集的二路运动想象脑电信号分成4段,分别建立六阶AR参数模型进行功率谱估计,再对每段数据的功率谱求和构造特征矢量,提供给误差反向传播算法进行左右手运动想象脑电模式分类.结果表明,该方法提取的特征向量较好地反应了运动想象脑电信号的事件相关去同步(ERD)和事件相关同步(ERS)的变化时程.另外,该方法识别率高,复杂性低,适合在线脑-计算机接口的应用.