EEG的特征分析及睡眠分期研究.pdf

1、睡眠是一種重要的生理現(xiàn)象，在精神病學(xué)上，睡眠分期是最重要的診斷方法之一。而腦電圖(EEG)是研究睡眠的一個(gè)非常重要的工具。腦電信號(hào)中包含了大量的生理與病理信息，在臨床醫(yī)學(xué)與腦科學(xué)的研究中起著非常重要的作用。本論文簡(jiǎn)要介紹了小波變換、獨(dú)立分量分析的原理，并利用這兩種先進(jìn)的信號(hào)處理手段對(duì)腦電信號(hào)進(jìn)行了去噪、干擾分離等預(yù)處理，在此基礎(chǔ)上，對(duì)腦電信號(hào)進(jìn)行了詳細(xì)的功率譜分析以及復(fù)雜性測(cè)度分析。 腦電信號(hào)非常微弱，且有時(shí)背景噪聲很強(qiáng)，易受外

2、在因素的影響，例如心電、肌電和眼動(dòng)干擾、尖脈沖以及白噪聲等。對(duì)于腦電信號(hào)中混入的眼動(dòng)等干擾，由于與腦電信號(hào)之間相互獨(dú)立，本文采用獨(dú)立分量分析進(jìn)行分離。而對(duì)于尖脈沖、白噪聲等，本文討論了小波閾值去除腦電中尖脈沖和白噪聲的去噪算法，提出了一種確定閾值的方法，在腦電去噪中取得了較好的效果。 人們?cè)谶M(jìn)行不同的心理活動(dòng)時(shí)，腦電信號(hào)的變化也是不同的。對(duì)不同思維活動(dòng)時(shí)的腦電信號(hào)進(jìn)行特征提取和思維任務(wù)分類，可以為腦—機(jī)接口技術(shù)(BCI)的研究提

3、供可靠的依據(jù)，對(duì)于了解思維過(guò)程和揭示大腦工作機(jī)理也具有重大的意義。由于個(gè)體差異，本文對(duì)同一測(cè)試者的五種思維任務(wù)計(jì)算近似熵，比較不同思維任務(wù)時(shí)腦電信號(hào)近似熵的相對(duì)大小，作為該思維任務(wù)的特征向量。并且以滑動(dòng)窗對(duì)思維腦電信號(hào)求取近似熵，根據(jù)不同思維任務(wù)時(shí)腦電復(fù)雜度具有不同的變化情況，將算出的近似熵作為BP神經(jīng)網(wǎng)絡(luò)的輸入，通過(guò)BP網(wǎng)絡(luò)的學(xué)習(xí)訓(xùn)練對(duì)近似熵的變化模式進(jìn)行識(shí)別，從而分別對(duì)不同的思維任務(wù)進(jìn)行分類。分類正確率平均能達(dá)到80％左右。

4、 睡眠期間所記錄的腦電數(shù)據(jù)非常龐大，因此由人工對(duì)睡眠進(jìn)行分期是一項(xiàng)非常繁重的工作，研究準(zhǔn)確高效的睡眠自動(dòng)分期方法具有重大的實(shí)際意義。在本文中，對(duì)腦電信號(hào)進(jìn)行復(fù)雜性測(cè)度分析，求取近似熵。由于近似熵在睡眠各個(gè)階段具有顯著差異，并且呈現(xiàn)出規(guī)律性的變化趨勢(shì)，在清醒期最大，到Ⅰ期、Ⅱ期逐漸降低，Ⅲ期、Ⅳ期的時(shí)候達(dá)到最低值，進(jìn)入REM期后又回升到接近Ⅰ期值，除Ⅲ期、Ⅳ期值比較接近外，其余各期之間分界比較明顯，與人工分期結(jié)果相比較，近似熵分期的平均正