基于判别分析法的脑电图数据分析的研究

论文摘要

脑电图是通过脑电图描记仪将脑自身微弱的生物电放大记录成为一种曲线图,是脑神经电生理活动在大脑皮层或头皮表面的总体反映。脑电信号(EEG)记录下来的脑电活动包含了大量的生理信息,提取脑电特征并对其作深入的研究有助于我们进一步探索大脑。近年来,实现脑电图的自动判读和评估一直是研究者们在不断探索的研究领域,脑电特征的提取和脑电图数据自动分类是实现自动判读和评估的基础,对脑电图的检查和定量分析等方面有着重要的意义。研究目的:本文通过对客观记录的受试者脑电图数据进行马氏距离判别、Fisher判别和Bayes判别分析,得出一种应用于脑电数据特征提取和分类决策相对准确的方法,并应用于饮酒事件的脑电数据分析中,以期判别摄入酒精后头部各部位电极的类别,从而探讨不同饮酒量状态下脑电特征的变化。研究方法:根据α波的强弱不同将21导电极分为四类,分别对6例正常状态下受试者21导联电极的脑电图数据进行3种判别分析。用得出相对准确的分析方法对6例受试者每隔20分钟饮酒200ml(摄入酒精7.2毫升)的6个饮酒事件进行判别分析。研究结果:对6例正常状态下受试者的脑电图数据进行马氏距离判别、Fisher判别和Bayes判别分析,预测各电极分类准确率分别为64.4%、72.3%、22.7%。对6例受试者饮酒事件的脑电图数据做Fisher判别分析,得出21导电极类别随实验条件和摄入酒精量的具体变化:安静闭眼没有饮酒状态下,各电极分类基本正确。饮酒200ml后,中央区电极(C3、CZ、C4)被判到后头部(P3、PZ、P4、O1、OZ、O2、T5、T6)数量增加,前头部(FZ、F3、F4、FP1、FPZ、FP2、F7、F8)和侧头部电极(T3、T4)被判到中央区数量增加。饮酒400ml后,中央区电极被判到后头部数量减少,前头部和侧头部电极被判到中央区数量减少。饮酒600ml后,中央区电极被判到后头部数量减少,判到前头部的数量增加,前头部电极被判到中央区数量增加,侧头部电极被判到前头部数量增加。饮酒800ml后,前头部电极被判到中央区的数量减少,后头部电极被判到中央区的数量增加。饮酒1000ml后,前头部和后头部电极被判到中央区的电极数量增加。研究结论:Fisher判别法能较好的应用于脑电数据特征提取和分类决策中。饮酒后脑电活动有显著的反应,随着饮酒量的不断增加,各导电极类别不断变化。饮酒200ml后类别变化明显,在饮酒600ml和800ml后类别变化趋于平稳。头部四类电极中,后头部电极类别变化幅度最小。男性受试者电极类别变化较小,女性受试者电极类别变化较大。

论文目录

• 摘要
• Abstract
• 绪论
• 一 课题研究的背景及意义
• 二 本课题研究的内容
• 第一章 脑电信号及其现代研究方法
• 1.1 脑电图基本知识
• 1.1.1 脑电信号的节律
• 1.1.2 脑电信号产生机制
• 1.1.3 脑电信号的特点
• 1.1.4 正常脑电图的基本特征
• 1.1.5 异常脑电图的基本特征
• 1.2 脑电信号的现代分析方法
• 1.2.1 时域分析
• 1.2.2 频域分析
• 1.2.3 时/频域分析方法
• 1.2.4 人工神经网络
• 1.2.5 混沌理论
• 1.2.6 非线性动力学分析
• 第二章 判别分析基本知识
• 2.1 判别分析概述
• 2.1.1 判别分析的定义
• 2.1.2 判别分析的步骤
• 2.2 马氏距离判别分析
• 2.2.1 马氏距离判别分析基本思想
• 2.2.2 两总体马氏距离判别法
• 2.2.3 多总体马氏距离判别法
• 2.2.4 其它几种距离判别法
• 2.3 Fisher 判别分析
• 2.3.1 Fisher 判别法基本思想
• 2.3.2 两总体Fisher 判别法
• 2.3.3 多总体Fisher 判别法
• 2.4 Bayes 判别分析
• 2.4.1 Bayes 判别分析基本思想
• 2.4.2 两总体Bayes 判别法
• 2.4.3 多总体Bayes 判别法
• 2.5 判别准则的评价
• 2.5.1 误判率回代估计法
• 2.5.2 误判率的交叉确认估计
• 本章小结
• 第三章 基于脑电图数据的马氏距离判别分析
• 3.1 脑电极的安置
• 3.2 脑电图数据的选取
• 3.2.1 21 导电极的分类
• 3.2.2 建立数学模型脑电数据的选取
• 3.2.3 判别因子的选取
• 3.3 实验开发工具介绍
• 3.4 研究对象与方法
• 3.4.1 研究对象
• 3.4.2 研究方法
• 3.4.3 马氏距离判别算法描述
• 3.5 马氏距离判别脑电图数据分析结果
• 3.6 马氏距离判别脑电图数据的结果讨论
• 本章小结
• 第四章 基于脑电图数据的Fisher 判别分析
• 4.1 研究对象与方法
• 4.1.1 研究对象
• 4.1.2 研究方法
• 4.1.3 Fisher 判别算法描述
• 4.2 Fisher 判别脑电图数据分析结果
• 4.3 Fisher 判别脑电图数据结果的讨论
• 本章小结
• 第五章 基于脑电图数据的Bayes 判别分析
• 5.1 研究对象与方法
• 5.1.1 研究对象
• 5.1.2 研究方法
• 5.1.3 Bayes 判别算法描述
• 5.2 Bayes 判别脑电图数据分析结果
• 5.3 Bayes 判别脑电图数据结果的讨论
• 本章小结
• 第六章 基于事件的脑电数据Fisher 判别分析
• 6.1 研究对象与方法
• 6.1.1 研究对象
• 6.1.2 研究方法
• 6.2 基于事件的脑电图数据Fisher 判别分析结果
• 6.3 基于事件的脑电图数据Fisher 判别分析结果的讨论
• 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