腦電非線性時間序列仿真研究.pdf

1、人腦是復雜的非線性動力學系統(tǒng)，腦科學研究已成為21世紀最重要的研究熱點之一。自上世紀20年代腦電(EEG)被發(fā)現(xiàn)以來，人類便開始利用腦電對大腦進行無創(chuàng)傷性研究，從而腦電在許多領域都起到了重要作用。在生物醫(yī)學中，腦電被作為醫(yī)療診斷和疾病治療的有效手段；在認知研究中，腦電作為研究人類思維起源的主要工具；在腦．機接口(BCI)中，腦電作為人機交互的主要媒介。為了能夠更有效地將腦電運用于這些領域，高效正確的分析方法是必須的，此外，方法能否對腦電

2、和腦電所刻畫的系統(tǒng)做出合理且有意義的解釋是在理論和實踐中需要考慮的重要標準。傳統(tǒng)的方法從頻譜和統(tǒng)計學的角度研究腦電時間序列，能夠對腦電的部分特征給出詳細的解釋，為腦電在這些領域中的有效應用作出了一定貢獻。然而，這些方法無法對大腦的非線性動力學性質進行深入有效的理解。本文從非線性動力學和定性仿真的角度研究腦電，給出了相應的分析方法和實驗結果。在本文中，作者從以下5個方面對腦電非線性時間序列進行仿真研究： (1)在構建癲癇狀態(tài)大腦的

3、結構化模型的基礎上，提出了一種從癲癇行為的定性仿真(QSIM)構建模糊推理系統(tǒng)(FIS)的方法，將QSIM模型中的量化空間和FIS的語言變量對應起來，并且在定性行為的仿真過程中建立有效的模糊規(guī)則庫。 (2)腦電非線性動力學研究的基礎需要重構系統(tǒng)的相空間模型。運用Takens的延遲坐標法重構系統(tǒng)相空間模型需要確定兩個關鍵參數(shù)：嵌入延遲和嵌入維。本文對確定參數(shù)的兩種方法進行優(yōu)化和改進，分別給出了C-C方法和Cao方法的高效實現(xiàn)。

4、 (3)基于重構的系統(tǒng)相空間模型，對刻畫腦電復雜性、穩(wěn)定性等非線性特征的不變量進行對比研究，對它們的非線性特征表達能力和計算性能進行詳細比較，實驗結果表明在區(qū)分大腦的不同生理狀態(tài)的腦電分析應用中，排列熵(PE)和Hurst指數(shù)(HE)是兩種最具實用價值的非線性不變量。 (4)在腦電非線性時間序列的重構相空間中，基于系統(tǒng)的非線性動力學特征，定義系統(tǒng)在相空間中的定性狀態(tài)和定性行為的概念，提出對相空間軌跡進行定性建模的方法，并給出

5、了提取定性狀態(tài)的算法。在定性行為的刻畫中，給出三種不同的表示方法，分別反映了系統(tǒng)定性行為的不同側面。 (5)以腦電非線性時間序列的非線性特征和定性行為作為分類方法的輸入，給出腦電分類和識別的集成分析方法。該集成方法在自適應訓練階段確定分類模型自身參數(shù)的同時，還能夠自動選出最具代表性的腦電通道，有效的通道選擇策略對于提高分類模型的時間性能和識別精度具有重要意義。在醫(yī)療診斷中，這種自學習方法還能夠自動識別和判斷病灶區(qū)域，在腦疾病診斷

6、和治療中具有突出的參考價值。在BCI應用中，自學習分類方法還能對特定的腦功能區(qū)域進行有效定位。 本文給出的方法都經過了實驗驗證，同時還進行了相關方法的對比分析和討論。本文用到的腦電數(shù)據(jù)一部分來源于國內外的公共數(shù)據(jù)庫，這些數(shù)據(jù)已經被許多文獻所使用；另一部分來自安徽醫(yī)科大學第一附屬醫(yī)院神經內科。本文給出的方法在這些數(shù)據(jù)集上的分析均能給出較滿意的結果。 本文提出的方法并不局限于腦電時間序列的分析，可以通過適當?shù)臄U展應用到其他時