腦電動態(tài)偶極子源參數(shù)的定位方法研究.pdf

1、腦電逆問題的研究是從給定頭皮腦電位的分布推算腦內(nèi)電活動的源，該研究涉及到信息科學(xué)、電磁場計算及生物醫(yī)學(xué)工程等多個學(xué)科領(lǐng)域，其研究成果在神經(jīng)疾病診斷、探索人的感覺和認(rèn)知過程等方面具有重要意義。 論文重點進(jìn)行了腦電動態(tài)偶極子定位方法的研究，主要包括以下幾個方面的內(nèi)容： 1. 對腦電正問題進(jìn)行了分析，討論并構(gòu)建了產(chǎn)生腦電頭皮電勢的各類偶極子源模型——單偶極子源模型、線性偶極子源模型以及圓盤偶極子源模型。并且，針對各類偶極子模型

2、，根據(jù)腦電正演理論，基于球頭模型分別計算了頭皮電勢。 2. 通過對腦電偶極子模型及常用的偶極子定位算法的分析,確定了采用將非線性最小二乘局部尋優(yōu)方法與支持向量機(jī)全局優(yōu)化算法結(jié)合起來，求解偶極子定位問題的方法。 3.為了克服傳統(tǒng)支持向量機(jī)在求解實際大規(guī)模問題時，存在著訓(xùn)練速度較慢的缺陷，利用最小二乘支持向量機(jī)，將傳統(tǒng)支持向量機(jī)中的不等式約束改為等式約束，且將誤差平方和損失函數(shù)作為訓(xùn)練集的經(jīng)驗損失，從而把二次優(yōu)化問題轉(zhuǎn)化為一

3、個線性方程組的求解問題，以提高效率。 4. 建立了基于最小二乘支持向量機(jī)算法的分級模塊化決策系統(tǒng)，首先對腦電數(shù)據(jù)進(jìn)行分類，然后依據(jù)分類結(jié)果提取數(shù)據(jù)樣本，并建立回歸模型，最后求解出不同多種偶極子源模型的參數(shù)。從而建立起頭皮電壓數(shù)據(jù)和腦電偶極子源參數(shù)之間的內(nèi)在聯(lián)系，為腦電分析提供一種實時的研究方法。 5.為進(jìn)行腦電動態(tài)分析的研究，在腦電偶極子源參數(shù)求解算法的基礎(chǔ)上引入時間軸信息，實現(xiàn)了一種腦電動態(tài)偶極子模型及其定位算法。計算