基于腦電信號的運動功能障礙檢測與評估研究.pdf

1、運動功能障礙是多種腦損傷疾病的重要表現(xiàn)，如癲癇疾病、腦卒中等。對患者運動功能的檢測與評估是進行疾病診斷和康復(fù)治療的重要方法。同時，腦電信號(Electroencephalogram，EEG)是直接反映大腦活動情況的電生理表現(xiàn)形式。通過對EEG的分析，可以發(fā)現(xiàn)大量的生理、病理信息。本文希望通過對EEG的分析處理，對腦受損疾病患者的運動功能障礙進行評估。而對EEG的有效處理分析是一項復(fù)雜的工程。
　　本文選取具有運動功能障礙表現(xiàn)的典型

2、疾病—癲癇患者作為本課題研究的實驗對象，主要通過利用EEG分析方法對患者的癲癇特征進行提取與識別。本文著重研究EEG分析處理算法，其中包括：EEG的消噪方法、特征提取方法以及模式分類識別算法。主要研究內(nèi)容和創(chuàng)新點包括以下幾個方面：
　?。?）提出一種基于降噪源分離的EEG消噪方法。降噪源分離是盲源分離中一種新方法，可以根據(jù)待處理信號的特點具有針對性地設(shè)計合適的降噪函數(shù)，進行源分離處理而獲得源信號。本文首先設(shè)計仿真實驗，選擇適合癲癇

3、患者EEG的降噪函數(shù)，再根據(jù)該降噪函數(shù)進行源分離處理和消噪處理。通過仿真實驗與實際EEG處理結(jié)果表明，降噪源分離的EEG消噪算法的消噪效果優(yōu)于基于獨立成分分析的盲源分離算法的消噪效果。
　?。?）提出一種基于多種熵融合的EEG特征提取方法。由于單一的一種熵值只能表達信號某一方面的復(fù)雜度，往往缺少對信號的整體度量。為了對EEG從多個角度實現(xiàn)更加全面的信息表達，提出一種基于多種不同物理意義的熵融合的EEG特征提取方法，提高了EEG特征

4、的完整表達能力。這一創(chuàng)新性方法已經(jīng)在Neural Computing&Applications(SCI源刊)發(fā)表。研究工作首先分析四種不同測量方法的熵在EEG中的物理意義及表現(xiàn)，然后通過實驗分析多種熵融合對EEG分類效果的提升。
　?。?）提出一種基于極限學(xué)習(xí)機的集成分類器設(shè)計。極限學(xué)習(xí)機是一種較為新型的分類器，是近年來EEG分類器設(shè)計的研究熱點之一。本文針對常規(guī)極限學(xué)習(xí)機泛化能力差、分類結(jié)果不穩(wěn)定的缺陷，利用集成分類的思想，根據(jù)