13～18岁青少年脑电α波的发展特点

以192名13－18岁青少年为研究对象,采用脑电波超慢涨落分析技术（ET）,对其12导联脑电图（EEG）进行了记录和分析,重点探讨了α波 (8-13Hz）的发展特点。结果表明：1）随年龄的增长,13－18岁青少年α波不同频率成分的变化幅度不大;2）平均频率f^-的年龄变化不明显,基本保持在10Hz左右,但女性的高于男性;3）青少年α波的优势成分不随年龄变化而变化,13－18岁的主导成分均为10Hz的α波;4）不同频率的α波在各脑区的分布均存在显著差异（P＜0．05）,α波的f^-的分布特点为从额叶到枕叶逐渐增大;5）不同频率脑电的α波的比率R的分布表现出不同的左右不对称性,α波的f^-表现出明显的左脑优势。     

永不消逝的电流

材料传递电流的能力用电阻来衡量,电阻越低,材料的导电能力越强。科学家们很早就发现,对大部分材料而言,温度越低,电阻就越小。     

永不消逝的电波

50年一遇的雪灾,成为了我国2008年的开年大考.在这一抗灾斗争中,由于电力线路中断,以致于南方部分灾区无线通汛网络无法运作.危难关头,中国移动、中国卫通采用一系列新的通讯技术,空中的电波得以恢复,为公安、城管、环卫等多个部门的联合抗灾提供了有效保障.     

基于功率谱熵特征提取的脑电波大脑年龄预测

 大脑会随着年龄的增加而出现功能衰退,通过决策实验获取年轻人和中老年人的脑电信号,可以定量分析大脑随年龄增长而出现的变化。提出了一种基于熵的脑电波刻画方法,并利用机器学习的方法能够比较准确地预测人的大脑年龄。研究表明,脑电波功率谱熵（PSE）具有良好的时域分辨能力和更准确的区分效果,年轻人在做决策时的脑电波功率谱熵的分布是大于中老年人的,即年轻人所产生的脑电波信息量更大。此外,支持向量机（SVM）的分类效果优于随机森林（RF）方法,最高平均精度达88.02%,比随机森林高出2.66%。通过基尼指数对特征重要性排序,还发现决策过程中左眼电区域、大脑的颞和中央区域的决策反应差异很大,分类器更容易在这些特征区域做出更好的分类。     

视觉监控警戒的脑电波普功率变异初步研究

目的旨在探索视觉监控警戒过程的大脑活动主要区域和大脑信息加工过程中的疲劳现象与脑电波普变异的关系。方法采用计算机模拟监控警戒作业80min实验。结果 (1)执行监控过程的脑电活动以高频段的β波活动为主,出现13Hz以下的低频段波活动减弱或抑制;(2)执行监控之后使得优势频率(重心频率)向低频段移动,表明疲劳程度增加;(3)P4区域是监控过程中活动最强的区域,实验后的疲劳程度最大,O2、O1、P3和FP1区域也出现疲劳现象,在监控作业进行80min之后的睁眼时,在O1、O2、P3、P4出现5~7Hz的θ波活动占优势。O2、O1和P3、P4是视觉监控作业信息加工的主要区域,FP1与眼睛活动有关。结论视觉监控警戒过程的脑信息加工区域和脑电波普变异有关联,脑电监测方法有助于研究警戒作业的脑力活动的工作负荷。     

基于谐波小波包变换的脑电波基本节律分析

为了实现脑电图分析定量化、智能化以便为医学分析诊断提供客观有效的辅助信息,探讨了应用谐波小波包变换分析脑电波.通过谐波小波包变换提取用于临床诊断的,δθ,α,β等4种基本节律的波形,并引入反映基本节律变化的特征参量即基本节律的频带能量比例进行定量分析.经过对正常人和癫痫病人的脑电波进行分析验证,其分析结果与先验知识和确诊病症吻合得很好,可以提取得到精确的、量化的、直观的特征参数作为诊断依据.实验结果表明,应用谐波小波包变换分析脑电波是一种有效的方法,它为脑电图机实现智能化和临床分析诊断提供了有益的参考.     

视觉感受区电位信号(LFP)的脑电波分离

为研究人(动物)的行为与脑电波之间的关系,提出了一种新的小鼠视觉感受区电位信号(LFP)与呼吸相关联的脑电波分离模型。采用盲信号分离(BSS)、独立分量分析法(ICA)对局部场电位建立线性瞬时混合信号系统数学模型;利用小波包进行LFP的分解并重构信号,对睡眠状态下小鼠视觉感受区局部场电位信号进行了15层分解和重构。实验证明,小波包分解高频分量系数cd13的解析重构信号与δ波频率吻合,小鼠睡眠状态下分离出的与呼吸相关联的脑电波信号为δ波。     

基于CNN的脑电信号情绪识别模型研究

针对现有深度学习模型在情绪识别方面种类少且准确率低的问题,采集并建立了脑电波信号数据集,提出了一种基于CNN的脑电波的智能多情绪识别模型,利用多层卷积神经网络提取脑电信号情感特征,在批归一化层和激活函数中引入非线性特性,构建了两层全连接神经网络,实现了情绪特征中积极、中性和悲伤的分类。实验结果表明,提出的模型复杂度低且分类准确率达到了81.43%,明显高于SVM、LSTM、VGGNet模型,证明了该模型的简洁性和高效性。     

脑电分析软件改变传统医疗

作为人体中枢神经的主要部分,大脑的健康至关重要。近来,脑科学成为科学界的热点,对大脑检查和分析的研究也不断深入。为了全面、正确地采集和分析大脑活动信息,脑电软件应运而生。打造一款更为客观、有效的脑电自动分析与检测系统,是脑科学发展的重要趋势。脑电(Electroencephalograph,简称EEG)是大脑神经元细胞在头皮上的综合反映,研究发现,很多的脑部疾病和精神疾病会影响正常脑电波。使用脑电图机获取脑电,可以使研究人员方便、直观地分析和观察脑电波。在临床上,更可以通过发现脑电波异常,达到及时诊断、尽早治     

小鼠视觉感受区电位信号 (LFP)的脑电波分离

为研究人（动物）的行为与脑电波之间的关系,提出了一种新的小鼠视觉感受区电位信号(LFP)与呼吸相关联的脑电波分离模型,采用盲信号分离（BSS）、独立分量分析法（ICA）对局部场电位建立线性瞬时混合信号系统数学模型,利用小波包进行LFP的分解并重构信号,对睡眠状态下小鼠视觉感受区局部场电位信号进行了15层分解和重构。实验证明,小波包分解高频分量系数cd13的解析重构信号与δ波频率吻合,小鼠睡眠状态下分离出的与呼吸相关联的脑电波信号为δ波。     

基于脑电波信号的人体疲劳程度测试模型分析

针对人体疲劳程度检测问题,采集被测试者的脑电图(EEG)信号,利用阈值小波变换对EEG信号进行消噪处理,提取脑电波中的特征值,分析疲劳程度与特征值的相关性,建立脑电波信号与疲劳程度的数学模型,并用十折交叉验证法来验证该模型的准确率.结果表明:该模型检测人体疲劳程度的准确率可以达到96%以上.     

振幅整合脑电及在新生猪缺氧脑损伤中的应用

振幅整合脑电图(aEEG)通过提取脑电振幅信息反映脑功能状况.为推广它在新生儿脑功能监测中的应用,阐述了aEEG的获取方法,提取上下振幅边带图,使得aEEG评价更为直观.采用该方法对新生猪缺氧脑损伤实验数据进行分析,并同组织切片所示细胞损伤情况对比.结果表明, aEEG对缺氧十分敏感,上下振幅边带在不同程度缺氧情况下呈现不同的下降趋势,对脑损伤程度的预测与切片观察结果一致.aEEG可以作为一项临床指标,对新生儿缺氧脑损伤状况进行检测.     

基于脑电功能连接微状态序列递归分析的情绪解码模型

脑电微状态代表准稳定的全局神经元活动,被认为是大脑动力学的构建模块,而基于微状态概率统计的特征不能很好表征脑电的动态变化特性。针对该问题提出了基于脑电微状态序列递归分析的情绪解码模型。该模型通过聚类从脑电功能连接模式中提取出具有代表性的微状态典型模式,将原始脑电信号映射为微状态时间序列,构建递归图表征脑电动力学特性,并利用卷积神经网络对递归图实现情绪解码。在公开的脑电情绪数据集(DEAP)上的实验结果表明该模型实现了比传统微状态方法更好的情绪解码效果。     

基于同时稀疏和低秩先验的多通道脑电波信号重建方法

该文提出了一种基于lq范数和截断加权Schatten-p范数(LQTWSP)的非凸优化模型,旨在准确挖掘多通道脑电波信号中固有的同时稀疏和低秩属性,并选择了一种有效的迭代方案求解非凸优化模型.通过实验验证该文LQTWSP方法的性能.将LQTWSP与基于内点法的SCLR(SCLR-I)、基于交替方向乘子法的SCLR(SC...     

区别有意识与无意识的脑信号

[科学]据研究人员报告说，当我们对正在看的东西是知晓的话，我们的大脑神经元会比我们在非有意识性地记录我们所看到的东西时以一种更为可靠的模式来发放冲动。据Aaron Schurger及其同事披露，这些发现可帮助研究人员评估当患者处于麻醉或昏迷时的意识状态。它们还可能用于研究像精神分裂症、自闭症及分离性障碍等疾病时的脑功能。     

脑-机接口中脑波的拾取及滤噪的研究

脑-机接口（BCI）是在人脑和计算机或其他电子设备之间建立的一种直接信息交流和控制通道,是一种不依赖于常规大脑输出通路（外周神经和肌肉组织）的全新信息交流系统．BCI作为一种全新的信息交换与控制技术,将能为瘫痪病人,特别是那些丧失了基本肢体运动功能但思维正常的患者,提供一种与外界进行信息交流与控制的新途径,正受到越来越广泛的关注．脑-机接口中脑波的拾取及滤噪是其重要的环节,本文对脑-机接口中拾取脑波及干扰克服的方法进行了研究和分析．     

脑血管病患者的脑电图,诱发电位TCD与CT对比研究

目的：比较脑电图、诱发电位、脑彩超及CT在诊断脑血管病中的作用。方法：将100例病人分成TIA组,腔隙梗塞组脑梗塞组及脑出血组。分别进行脑电图、诱发电位、脑彩超及CT检查。结果：CT检查TIA阳性率最低,仅4％,对脑电图、诱发电位、TCD三者检查结果比较,异常率依次为诱发电位＞脑彩超＞脑电,诱发电位检测TIA意义最大。结论：电生理检查对脑血管病的检测有相对特异性、敏感性及重要性,是脑血管病早期诊断的重要手段之一。     

基于感觉运动BCI系统的EEG手部运动分类

对于残疾人或者运动不便的健全人,感觉运动相关的BCI（Brain Computer Interface）系统是十分必要的.BCI系统的关键部分是对EEG（Eletroencepalograph）信号的采集、提取和分类.本文研究的是手部三种动作在运动执行的情况下,人脑产生的EEG信号的不同.利用EEG信号在运动时发生于大脑感觉运动皮层区域的ERS（Event-Related Synchronization）和ERD（Event-Related Desynchronization）现象,运用EMD（Empirical Mode Decomposition）等算法进行信号的特征提取,然后进行分类,得出了平均准确率为78.75％的良好结果.此次研究提供了一种基于EMD新的有效的运动相关BCI系统研发中的EEG信号的特征提取算法.     

人脑是否也有男女之别

正虽然已有研究表明,男性和女性大脑有区别,可还是有许多人认为,男女两性的大脑功能相同,只是他们运用大脑的方式不同而已近年来,人体科学的一大突破性发现是,男女最大的不同点在其一身之首──大脑,它影响到性格、行     

意识问题的研究与展望

意识是重大的科学难题之一.近年来,意识问题已经纳入自然科学研究的范畴,并且成为科学界的热点领域之一.虽然由于意识问题的复杂性,目前它还处于初步发展的阶段,但是有关意识的研究和发现正在改变人类对自身的理解.意识的实验研究和理论研究都需要多门学科的交叉合作.随着实验技术的进步和意识理论的综合,意识难题将在自然科学的框架内得到解决.