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
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)