不同脑模型下EEG、MEG正问题数值模拟

EEG、MEG是研究脑神经生理活动的影像技术．应用加权残值边界元法,针对球脑模型和卵球脑模型,计算了脑皮电位势和脑外磁场,对不同脑模型、偶极子参数下电位势图像进行了比较,给出了电位势和磁场在偶极子位置变化时的相对差．结果表明：偶极子位置对电位势峰值有明显影响,脑模型的选取对脑外磁场强度求解有影响．     

基于双子空间PCA降维的脑力负荷分类

人类社会至今的飞速发展使得大量体力劳动被机械工程替代,工作者的任务重心也从体力劳动逐渐转变为脑力劳动,对操作者脑力负荷进行实时评估以增强工作效率在当下有着重大意义。目前人类对于脑力负荷评估共有三种方式,有研究表明,采用生物电信号进行脑力负荷分类效果较其余两种方法更客观。但脑电信号经过特征提取后维数极高,所需数据量和运算量巨大,需要对其进行降维。目前降维方面最广泛运用的两种算法为主成分分析（PCA）和线性判别分析（LDA）。针对PCA的非监督性和LDA的特征冗余敏感性,本文提出一种二分类下基于双子空间主成分分析的降维算法,分别对不同类别的训练集数据进行主成分分析,并将所有训练集数据映射到生成的空间中,再次进行PCA-LDA降维,以此提高降维后数据的可分性。实验结果表明,双子空间PCA-LDA降维算法在二分类任务下测试集精度整体高于单子空间PCA-LDA算法,以此为脑力负荷分类领域和高维数据降维领域提供了新思路。     

K-means聚类神经网络分类器在睡眠脑电分期中的应用研究

利用近似熵的方法对睡眠EEG信号进行分期,但睡眠Ⅲ期和Ⅳ期近似熵值非常接近,靠近似熵值无法区分,对分期结果中的Ⅲ期和Ⅳ期EEG信号进行AR(自回归)建模,作为该段EEG信号的特征属性,利用K-means聚类的神经网络分类器对睡眠Ⅲ期和Ⅳ期进行分期,达到了很好的分期效果.     

基于能量聚类分析法的运动想象脑电信号快速识别

在脑-机接口研究中,针对两种思维任务的特征提取和分类,提出一种以单次实验的信号能量与其中两个通道信号的平均能量的欧式距离作为特征,用聚类分析法进行任务分类的方法,7-折交叉验证法用来评价分类器的性能;采用BCI 2003竞赛数据集Ⅲ,分析了该方法的实验背景和理论依据,并将分类精度与竞赛的结果进行了比较;表明了所提出方法运用在实际系统中的有效性。     

基于脑电的立体视频加速度的特征识别

构建一种能够自适应提取脑电特征的PMEMD-2JSD-CSP模型,明确了立体视频的两类匀加速深度运动的可分性.利用部分噪声辅助多变量经验模态分解(PNA-MEMD)对脑电(EEG)信号进行分解得到本征模态函数(IMF),应用基于詹森-香农散度(JSD)的有效因子对IMF进行两次不同范围的自适应筛选,筛选结果按照权重叠加构成重构信号.利用共空间模式(CSP)对重构信号进行空域特征提取,支持向量机(SVM)对特征进行分类,分类正确率最高为73.16%,证明了该模型对两类EEG信号特征提取的有效性.     

数据区间优化对SSVEP算法性能的影响

稳态视觉诱发电位(steady-state visual evoked potential,SSVEP)响应的个体差异性较大,不同环境下各被试者脑电信号的质量有差别.针对这个问题,研究了SSVEP中数据区间的优化对CCA(典型相关分析)和ECCA(扩展典型相关分析)方法分类结果的影响.首先通过网格搜索方法找到脑电信号的...     

音乐认知脑电信号处理方法研究

人脑对音乐的欣赏和创作过程涵盖了几乎所有的认知过程,包括了知觉、注意、学习、记忆、情绪等,对音乐认知的研究成为认知研究的理想切入点,受到越来越多研究者的关注.对当前独立分量分析(ICA)和聚类方法的有效性和不足进行了分析,提出了将小波包、ICA与聚类相结合的方法用于音乐认知研究的新思路.     

基于多频段图模型的微弱脑电信号异常检测

脑电信号(electroencephalogram, EEG)在癫痫发作检测方面具有重要意义。为了实现对癫痫发作的早期预警,充分利用δ、θ、α、β和γ波这5个频段中脑电的微弱变化信息和图模型的独特优势,提出了基于多频段图模型的脑电信号微弱异常变化检测方法。该方法首先对滤波后脑电信号的5个频段分别进行图模型动态建模,利用距离函数得到量化图模型之间关系的相似性分数,并用自适应权重融合算法融合所有的相似性分数得到综合性指标,最终通过假设检验来判断脑电信号是否发生异常。利用公开的波士顿儿童医院-麻省理工学院(Children’s Hospital Boston-Massachusetts Institute of Technology, CHB-MIT)头皮EEG数据库和山东大学第二医院神经内科的EEG数据库分别进行了实验,并最终用查准率、查全率和F分数来评价所提方法的检测性能。通过与基准方法比较,实验结果表明：所提方法在查准率和F分数方面优于基准方法,且查全率结果可达100%,表明所提方法能够检测所有潜在的微弱脑电信号异常变化,实现了对所有癫痫发作时刻的变化检测,具有突出的优越性和广阔的应用...     

脑瘤诱发的组织变化和皮层脑电图分析

健康组织和肿瘤组织具有不同的代谢,结构和热力学特性.脑瘤的代谢和结构无序性导致其有较高的熵产生.两种组织不同的熵产生决定了熵由癌流向健康组织.脑瘤和正常细胞在熵和能量方面的差异诱发皮层不同的脑电信号.研究了28个脑瘤患者的脑电图并和健康人进行比较,观察到脑瘤患者脑电图频率的降低.多数情况中慢alpha和theta波出现在肿瘤投影区,此可能与其高熵产生和向外的熵流有关.研究认为,脑瘤的持续高熵产生和热耗散及其它物理效应使得皮层电产生慢化,从而使肿瘤及其邻近的脑组织显示出频率较低的电活性.     

脑机接口中基于小波包最优基的特征抽取

在脑机接口研究中,针对脑电特征抽取,提出一种基于小波包最优基分解的方法．依据距离准则,从小波包库中选择一个对分类最优的小波包基;在该小波包基包含的所有分解系数中,抽取部分具有最大可分性的系数作为有效特征;不同通道脑电信号有效特征的结合,构成分类的特征矢量．通过对该特征矢量可分性和识别精度两个性能指标的评估,并与现有分类结果进行比较,表明了所提出方法的有效性．