论文摘要
脑电的同步被认为是脑功能区域整合或绑定的表现。高级脑功能需要具有特定功能的多区域神经系统间进行不同层次的整合和协调来完成。多年的动物实验证明:大脑信息整合和信息处理的主要潜在机制是各神经网络的同步振荡。脑电中的同步现象,尤其是脑电中高频段的同步振荡,被认为是建立不同脑区之间信息交流的一个关键部分。头表上记录到的脑电信号是大脑皮层及皮层下大量神经元或神经网络的同步活动的反映,因此,在宏观水平下,可以应用脑电(EEG)来研究这种机制,即在一定时间分辨率下,通过研究局部范围和全局范围分布的脑电信号的同步,估计出局部皮层之间和整体皮层内部生物电活动的概貌。脑电同步问题涉及的内容比较广泛,本文主要从研究方法入手,较为系统的分析、比较、总结及改进现有的相关研究方法,并将这些方法应用于视觉信息处理机制(视通路、视觉空间注意、视听同步分析)的研究。本论文所做主要工作如下:1.基于128道高分辨脑电测量技术,采用基于傅里叶变换的事件相关脑电线性相干处理技术,通过测量大脑对图形形状知觉(任务1)、图形形状和空间位置知觉(任务2)两种任务的事件相关电位,并基于电极数大致相同的原则,从枕叶至额叶把头表分成了7个区,然后计算了枕叶与其它各区在不同频段的相干系数。结果发现:在γ1频段(28-39Hz),任务2时的平均相干系数值显著大于任务1时的相应值,并且满足这一条件(任务2的相干系数大于任务1的相干系数)的电极对数,显著地多于其它频段。同时还发现在枕叶与额叶间,任务2的相干系数大于任务1的相干系数的所对应的电极对数,显著地多于其它区域,而且平均相干系数的差异也具有显著性。结合视觉双通路理论,这一结果从相干性角度表明,背侧通道的参与强化了枕叶与额叶之间的信息沟通,而这种沟通主要在γ1频段。2.上下视野的视觉信息处理对于研究人脑的功能具有重要意义,脑电的同步是脑功能区域整合或绑定的一个潜在机制,可用来研究上下视野的差异问题。这种差异通过计算不同任务时左右视觉区电极ERP的非线性关联得到反映。这些结果一致的支持人的下视野是优势视野的观点。3.提出了一种基于分段Prony的研究相位同步的方法。分段Prony方法(piecewise Prony method,PPM)是将EEG信号分解为具有指数上升或下降幅度正弦波的组合,从而获得脑电各频率成分的幅度、频率和相位信息,并以此为基础计算两通道信号的相位差,然后用香侬熵来度量两路信号间的相位同步程度。论文中该方法与其它方法的数值比较结果,说明了PPM具有较好的抗噪性能,具有较高的频率和相位分辨率,基于PPM的相位同步分析方法是非平稳信号的相位同步检测的有效工具。该方法用于实际脑电信号获得的结果与生理事实一致,也证实了该方法在研究脑电同步性方面的有效性。4.研究了视听觉脑区在认知过程中的同步性。通过设计视听觉同时刺激模式下的脑电实验,采用128导脑电采集系统记录脑电数据,并运用希尔伯特(Hilbert)相位同步算法对视听觉区域的事件相关脑电位(ERP)进行处理。研究结果表明,此实验条件下,枕叶与颞叶脑区间的同步指数明显大于枕叶与顶叶间的同步指数。同时研究也表明人在感知和认知事物时,相关的脑区间会自动产生神经活动的同步化。
论文目录
相关论文文献
- [1].基于脑电信号反馈控制的双轨道小车控制器设计[J]. 电子制作 2019(23)
- [2].酒精脑电信号降维去噪方法的研究[J]. 长春理工大学学报(自然科学版) 2019(06)
- [3].脑电信号分析方法及其应用[J]. 中国医疗器械杂志 2020(02)
- [4].一种基于脑电信号的眼动方向分类方法[J]. 计算机科学 2020(04)
- [5].我国脑电信号分析方法及在工学方面的应用研究[J]. 中外企业家 2020(19)
- [6].基于脑电信号分析的换挡布置优化[J]. 汽车实用技术 2020(17)
- [7].基于多尺度排列熵的脑电信号分类[J]. 中国数字医学 2019(05)
- [8].基于深度学习的癫痫脑电信号分析与预测[J]. 长春大学学报 2019(06)
- [9].关于脑电信号的情感优化识别仿真[J]. 计算机仿真 2018(06)
- [10].基于脑电信号的耳鸣识别算法研究[J]. 科技传播 2018(13)
- [11].癫痫脑电信号的相关性分析[J]. 电子世界 2017(05)
- [12].基于半监督学习的脑电信号特征提取及识别[J]. 工程科学与技术 2017(S2)
- [13].基于脑电信号的驾驶疲劳的研究[J]. 世界最新医学信息文摘 2017(55)
- [14].运动想象脑电信号特征的提取与分类[J]. 工业控制计算机 2015(02)
- [15].脑电信号的最优分数阶傅里叶变换[J]. 沈阳大学学报(自然科学版) 2019(06)
- [16].基于多特征卷积神经网路的运动想象脑电信号分析及意图识别[J]. 仪器仪表学报 2020(01)
- [17].人脑电信号实时监测原型系统设计与实现[J]. 计算机工程与应用 2019(02)
- [18].基于方差和深度学习的脑电信号分类算法[J]. 黑龙江工程学院学报 2017(06)
- [19].脑电信号识别及其在机械手臂控制中的应用[J]. 生物医学工程研究 2016(04)
- [20].少年与中年脑电信号的多尺度符号序列熵分析[J]. 北京生物医学工程 2016(06)
- [21].基于卷积神经网络的脑电信号上肢运动意图识别[J]. 浙江大学学报(工学版) 2017(07)
- [22].脑电信号在线采集系统设计与实现[J]. 微型机与应用 2017(22)
- [23].便携式脑电信号采集与处理系统(英文)[J]. 航天医学与医学工程 2016(03)
- [24].正常人中医体质分类与脑电信号相关性探讨[J]. 辽宁中医药大学学报 2014(11)
- [25].脑电信号采集系统的设计[J]. 河北建筑工程学院学报 2014(01)
- [26].思维脑电信号的关联维数分析[J]. 河南科技大学学报(自然科学版) 2012(01)
- [27].一种适用于清醒动物脑电信号采集的固定装置[J]. 首都医科大学学报 2011(06)
- [28].运动想象脑电信号识别研究[J]. 计算机工程与应用 2010(33)
- [29].基于照片刺激下的脑电身份识别研究[J]. 江西蓝天学院学报 2011(04)
- [30].静息脑电信号频域不对称指数特征识别算法[J]. 电子设计工程 2020(09)