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)是研究睡眠的一個非常重要的工具。腦電信號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)的信號處理手段對腦電信號進(jìn)行了去噪、干擾分離等預(yù)處理，在此基礎(chǔ)上，對腦電信號進(jìn)行了詳細(xì)的功率譜分析以及復(fù)雜性測度分析。 腦電信號非常微弱，且有時背景噪聲很強(qiáng)，易受外

2、在因素的影響，例如心電、肌電和眼動干擾、尖脈沖以及白噪聲等。對于腦電信號中混入的眼動等干擾，由于與腦電信號之間相互獨(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。 人們在進(jìn)行不同的心理活動時，腦電信號的變化也是不同的。對不同思維活動時的腦電信號進(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)，對于了解思維過程和揭示大腦工作機(jī)理也具有重大的意義。由于個體差異，本文對同一測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)時腦電信號近似熵的相對大小，作為該思維任務(wù)的特征向量。并且以滑動窗對思維腦電信號求取近似熵，根據(jù)不同思維任務(wù)時腦電復(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BP網(wǎng)絡(luò)的學(xué)習(xí)訓(xùn)練對近似熵的變化模式進(jìn)行識別，從而分別對不同的思維任務(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)確高效的睡眠自動分期方法具有重大的實(shí)際意義。在本文中，對腦電信號進(jìn)行復(fù)雜性測度分析，求取近似熵。由于近似熵在睡眠各個階段具有顯著差異，并且呈現(xiàn)出規(guī)律性的變化趨勢，在清醒期最大，到Ⅰ期、Ⅱ期逐漸降低，Ⅲ期、Ⅳ期的時候達(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