论文摘要
近年来脑功能研究在婴幼儿智力开发、认知功能障碍评估、老年痴呆症等脑疾病防治、脑疲劳监测等脑功能研究的许多领域取得了重大进展。脑功能的研究方法可分为主观评定法和客观评定法。主观评定法依据经验建立各种脑功能研究的评定量表,如疲劳评定量表、精神分裂症评定量表、认知功能障碍评定量表等,主观评定法无法避免其固有的效度和信度较低的缺点。随着科技的进步,研究脑功能的客观手段也越来越多,但在脑的活跃程度评价方面还没有一个定量的衡量指标。为此,本文充分利用EEG在脑功能分析方面的优势,在大量实验的基础上,通过系统建模,得到一个与具体脑功能相对应的反映脑活跃状态的评价指标--脑活跃度,为认知科学和临床医学的研究提供定量依据。本文主要由三部分组成,具体如下：第一部分总体介绍了脑功能的研究现状、研究方法及存在问题,在分析各种研究方法优劣性的基础上,提出了基于脑电信号分析的脑活跃度模型。在此之上,简要介绍了脑电信号的产生机理、采集方法及特点,综述了脑电信号的时域、频域、时频和非线性动力学分析等信号处理方法,’并采用小波熵对抑郁症患者的脑电复杂度进行了分析研究。第二部分主要进行基于脑电信号的兴奋、恐惧、困倦及惊醒等四种情感的分类研究。步骤如下：（1）收集与这四种情感相对应的视频片断；（2）采集播放这四种情感视频时试验者的诱发脑电信号,并进行抗干扰预处理；（3）提取脑电信号的AR模型系数、频带能量及分形维数作为特征参数；（4）基于主成分分析进行特征降；基于互信息法进行导联选择（最终选出10个最相关导联）,并采用遗传算法进行特征选择；（5）用基于遗传算法的Fisher分类器和基于PCA的Fisher分类器进行四类情感的分类与比对研究,发现前者比后者识别率更高。第三部分进行不同情感状态下脑活跃程度的探讨性研究。活跃度建模步骤如下：（1）采集志愿者在不同刺激强度情况下四种情感的诱发脑电信号,本文把情感刺激强度分为无、弱、中、强四个等级,定义其活跃度分别为0、0.3、0.6、1；（2）提取功率谱和复杂度特征参数；（3）采用小波神经网络进行脑活跃度模型构建。首先依据定义的情感信号进行网络学习,然后进行验证和预测研究。以恐惧情感为例,进行了其脑活跃度建模研究。收集四种不同恐惧程度的视频片断,然后采集其诱发脑电信号,用上述活跃度模型进行脑活跃度评估研究。结果验证了模型的可信度和准确性。本文脑电信号分析方法及活跃度模型为进一步开展智力开发、认知障碍评估、脑疾病防治、脑疲劳监测等研究提供了定量依据,具有较好的应用前景。