脑电信号非线性处理方法在精神分裂症诊断中的应用

论文摘要

精神分裂症是一种严重影响人类健康的精神疾病,随着科技发展,经过不断的探索和改进,如今以脑电生理学技术为基础,以信号处理方法为工具的脑电信号辅助诊断方法已经得到非常广泛的普及。在研究中人们发现脑电信号具有混沌属性,线性的信号处理方法如时频分析、相关分析等无法反映脑电信号的这一性质。而非线性方法以非线性动力学理论为基础,更能够反映脑电信号的本质特性。我们将非线性理论应用到脑电信号处理之中,寻找有效的反映精神分裂症脑电信号本质并且能将其与正常人脑电信号相互区分的非线性特征,从而可以建立一个相对客观的基于脑电信号分析的精神分裂症辅助诊断方法。本文研究并详细介绍了关联维数、最大李雅普诺夫指数、LZ复杂度、CO复杂度、柯尔莫哥洛夫熵等具有代表性的非线性特征算法,并且针对各个特征算法的特性和优缺点进行了比较。根据现有文献研究进度,C0复杂度尚未用于精神分裂症脑电信号的研究之中,本研究中为首次使用。其次我们还选择了关联维数、柯尔莫哥洛夫熵、LZ复杂度与C0复杂度共同应用于比较精神分裂症患者与正常人的脑电信号的区别,对各个特征进行比较并且相互验证结果。我们使用统计方法对计算得到的特征值进行分析,每个特征均有良好效果,除了少部分导联,两组人群的特征值结果在大多数导联上均有显著性差异,并且通过均值比较,病人的非线性特征值要比正常人的高。这个结果说明我们选取的特征能够满足区分两类人群的要求,并且发现C0复杂度具有更良好的结果以及更快的运算速度。同时也验证了相关文献中精神分裂症患者的脑电信号具有更强的非线性和复杂性的结论。我们对这个结果进行了可信度讨论。最后通过分类器得出了91%的分类率,这个结果说明我们所用的基于脑电信号非线性分析的方法适用于鉴别精神分裂症。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 精神分裂症概述
• 1.2 脑电信号概述
• 1.2.1 脑电的研究历史
• 1.2.2 脑电信号的发生机制与特点
• 1.3 脑电信号的非线性分析方法
• 1.3.1 脑电信号现代分析方法概述
• 1.3.2 基于非线性动力学理论的脑电信号分析方法
• 1.3.3 精神分裂症患者脑电信号非线性方法的相关研究
• 1.4 本研究的主要意义
• 1.5 本课题的主要研究内容与实验设计
• 第二章 实验数据的采集和预处理
• 2.1 脑电信号的测量方法和记录
• 2.1.1 脑电信号采集导联方法
• 2.1.2 脑电信号测量标准电极安装方法
• 2.2 精神分裂症患者脑电信号的采集以及预处理
• 2.2.1 精神分裂症患者脑电信号的采集和记录
• 2.2.2 实验用脑电数据的预处理
• 第三章 精神分裂症脑电信号处理中的非线性理论与方法
• 3.1 非线性和混沌理论
• 3.1.1 混沌现象及其产生的条件
• 3.1.2 混沌运动的重要特性
• 3.2 混沌运动中的复杂度概念
• 3.3 非线性特征算法及其数学表达
• 3.3.1 相空间重构
• 3.3.2 关联维数
• 3.3.3 最大李雅普诺夫指数
• 3.3.4 柯尔莫哥洛夫熵（K2熵）
• 3.3.5 LZ复杂度和C0复杂度
• 3.4 非线性特征在脑电信号分析中的具体应用
• 3.5 用于精神分裂症脑电信号处理的非线性特征的比较
• 第四章 针对精神分裂症脑电信号处理的结果与分析
• 4.1 实验结果分析方法
• 4.1.1 统计学分析方法
• 4.1.2 特征选择方法
• 4.2 实验结果分析
• 4.3 实验结果讨论
• 第五章 总结及展望
• 参考文献
• 在学期间的研究成果
• 致谢