基于聚类分析法的脑电图数据分析的研究

论文摘要

脑电图数据是经过实验记录得到的反映脑电活动随时间变化的实验时间序列数据。对脑电图数据进行聚类分析是脑电图数据分析较有效的方法,为脑电图的研究提供了有益的分析结果。研究目的:本文通过对客观记录的受试者摄入酒精事件的脑电图数据进行聚类分析,按脑电功率和相对功率进行聚类并分析聚类簇的差异,从而分析摄入酒精事件与21导联电极分类的关系。研究方法:分别对6例正常受试者的21导联电极的脑电图数据按功率和相对功率进行聚类分析,对安静闭眼和五次在睁眼状态下摄入啤酒6个事件的脑电图数据进行分析。数据分析的的方法是系统聚类分析和K-means聚类分析。程序实现采用独立设计的脑电图分析工具箱和聚类分析程序。研究结果:按波的相对功率聚类分析发现,正常状态下大致按前额极、额部和中央、后头部、两侧得到四个聚类簇。36个事件的聚类结果中有18个额极单独为一个簇,3个额极被分开,15个额极与额部、中央或左颞部聚类为簇。正常状态下额极独立为簇,一旦摄入酒精,额极普遍和额部、中央为簇,继续饮酒额极又区别于其余电极而独立为簇,这种变化在事件中交替出现。后头部大多始终被聚类为一个簇,有个别电极与其它部位聚类为簇或为孤立点。中央部36个事件有14个与后头部聚类为簇,其余大多与前头部或颞部聚类为簇。颞部各电极在饮酒事件中表现出活跃性,甚至出现孤立点。按事件的功率进行系统聚类发现摄入酒精后额极和除中央点外的前头部的脑电功率分别减小15.74%和10.76%;前中颞部减小5.25%;左后颞部功率增大18.34%,除左后颞部外的后头部和中央点分别增大16.50%和14%。最后选取两个电极对六个事件的数据进行了K-means聚类,研究结果表明饮酒导致脑电的变化是逐渐进行的。研究结论:脑电活动对摄入酒精有显著反应,正常状态下大致按脑电部位得到四个聚类簇,刚饮酒时额极与中央区出现类似的波而聚类为簇,继续饮酒又有差异而各自为簇,这种变化交替出现。中央部在各事件中基本与前头部或后头部的邻近电极聚为簇,后头部波基本较稳定地随饮酒事件独立变化而独立为簇,颞部表现则较无规律。对事件功率聚类发现,饮酒事件中脑电功率普遍先增大后减小,到饮酒1000ml时前头部和中央部功率增大,后头部功率减小,饮酒导致脑电功率的变化是逐渐而均匀的。

论文目录

• 摘要
• Abstract
• 绪论
• 第一章 脑电图信号及其分析方法.
• 1.1 脑电信号描述
• 1.1.1 人脑结构及功能
• 1.1.2 脑电信号的研究历史
• 1.1.3 脑电信号的采集
• 1.1.4 脑电信号的分类
• 1.1.5 脑电信号的特点
• 1.2 脑电图的诱发试验
• 1.3 脑电图描述术语
• 1.4 脑电信号处理方法
• 本章小结
• 第二章 聚类分析基本知识
• 2.1 聚类分析简介
• 2.2 聚类的定义
• 2.3 聚类分析的应用
• 2.4 聚类分析的数据类型
• 2.5 主要聚类算法分类
• 2.6 系统聚类法
• 2.6.1 最短距离法
• 2.6.2 最长距离法
• 2.6.3 中间距离法
• 2.6.4 重心法
• 2.6.5 离差平方和法
• 2.7 K-means 聚类
• 2.7.1 K-means 算法解释
• 2.7.2 K-means 算法流程
• 2.7.3 K-means 算法特点
• 本章小结
• 第三章 饮酒事件相对功率系统聚类分析
• 3.1 数据采集
• 3.2 系统设计
• 3.2.1 MATLAB 语言简介
• 3.2.2 系统结构
• 3.3 功率谱数据分析
• 3.4 数据结构和系统聚类流程
• 3.4.1 系统聚类簇数目的确定
• 3.5 对21 导联电极按事件进行系统聚类
• 3.5.1 受测者p1 的聚类结果
• 3.5.2 受测者p2 的聚类结果
• 3.5.3 受测者p3 的聚类结果
• 3.5.4 受测者p4 的聚类结果
• 3.5.5 受测者p5 的聚类结果
• 3.5.6 受测者p6 的聚类结果
• 3.6 对21 导联电极聚类结果讨论
• 3.6.1 六位受测者聚类结果总结
• 3.6.2 以受测者p1 为例分析饮酒事件聚类
• 3.7 试验结论
• 本章小结
• 第四章 饮酒事件功率系统聚类分析
• 4.1 数据结构及特征选取
• 4.2 对电极按六个事件的功率进行系统聚类
• 4.3 聚类结果定性分析
• 4.4 聚类结果定量分析
• 4.5 试验结论
• 本章小结
• 第五章 相对功率的K-means 聚类分析
• 5.1 数据结构分析
• 5.2 Oz 电极事件聚类
• 5.2.1 聚类结果讨论
• 5.3 FPz 电极事件聚类
• 5.4 试验结论
• 本章小结
• 结论
• 参考文献
• 攻读硕士学位期间发表的学术论文
• 致谢