脑电源模型及其分类算法的研究

论文摘要

从头皮电极记录到的脑电信号,是脑内神经细胞电生理活动在大脑皮层或头皮表面的总体反映,其中包含了大量的生理与疾病信息,是一种无损伤性的成像技术。脑电对神经生理与神经心理的研究意义重大,对人类最终认识自身的神经活动规律也将产生重要影响。对脑电正、逆问题的研究是脑电问题中一种重要的研究方法,而源模型是求解脑电逆问题的关键因素之一,模型是对脑电活动源的估计,因此,该模型与真实神经元活动源的接近程度决定了脑电源定位的精确程度。本文主要完成了以下工作:1.在正问题方面,本文主要讨论并构建了产生脑电头皮电势的各类偶极子源模型——单偶极子源模型、双偶极源模型、三偶极源模型、线性偶极子源模型以及圆盘偶极子源模型。同时,针对各类偶极子模型,根据脑电正演理论,分别产生了不同头皮电势图,并根据头皮电极的位置进行了数据采样。2.本文分别利用支持向量机算法和BP算法设计分类器,根据脑电正问题产生的仿真数据对脑电源模型进行分类。试验结果表明:虽然BP算法在对大量测试样本进行分类时的错误率略低于支持向量机算法,但随着测试样本数量的减少,分类错误率也在不断升高,并且其训练速度也大大低于支持向量机算法。3.最后,本文结合脑电正问题相关算法和支持向量机分类器,设计实现了一个脑电源模型及其分类的仿真应用平台。应用该仿真平台可对脑电源模型进行正确且有效的分类,利用分类所获得的脑电源模型,可使得偶极子定位更为准确,更加接近真实脑电活动源。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1-1 研究的目的和意义
• 1-1-1 脑电问题的研究意义
• 1-1-2 脑电源模型的研究意义
• 1-2 脑电信号的产生机理
• 1-2-1 大脑的结构概述
• 1-2-2 神经元和突触
• 1-2-3 神经兴奋的产生、传导和传递
• 1-2-4 脑电图的来源
• 1-3 脑电问题概述
• 1-3-1 脑电研究的头模型
• 1-3-2 脑电正问题概述
• 1-3-3 脑电问题的源模型
• 1-3-4 脑电逆问题概述
• 1-4 本文的主要工作
• 第二章 脑电正问题及其源模型的构建
• 2-1 正问题
• 2-1-1 脑电正问题的解析法
• 2-1-2 脑电正问题的数值法
• 2-2 源模型
• 2-2-1 源模型概述
• 2-2-2 偶极子源模型的建立
• 2-3 脑电正问题的仿真研究
• 2-3-1 头模型的建立
• 2-3-2 头皮电位求解
• 2-3-3 偶极子源模型头皮电势图
• 2-3-4 头皮电极的选择
• 2-3-5 实验数据的产生
• 第三章 用于脑电产生源模型的分类算法的研究
• 3-1 分类算法概述
• 3-2 支持向量机算法
• 3-2-1 支持向量机的研究现状
• 3-2-2 经验风险最小化原则
• 3-2-3 统计学习理论
• 3-2-4 SVM 基本原理
• 3-2-5 多分类支持向量机
• 3-3 SVM 数据分类仿真试验
• 3-3-1 SVM 的构建过程
• 3-3-2 分类仿真实验结果
• 3-4 BP 神经网络理论
• 3-4-1 BP 神经网络的定义
• 3-4-2 BP 网络学习公式推导
• 3-4-3 BP 算法的一般步骤
• 3-5 BP 神经网络数据分类仿真试验
• 3-5-1 BP 神经网络的构建过程
• 3-5-2 分类仿真实验结果
• 3-6 试验结果比较
• 3-7 本章小结
• 第四章 脑电源模型及其分类算法仿真平台的开发
• 4-1 仿真实验环境
• 4-2 系统框架
• 4-3 主界面
• 4-4 脑电正演模块
• 4-4-1 实现功能
• 4-4-2 头模型
• 4-4-3 源模型
• 4-4-4 仿真平台显示
• 4-5 脑电源分类模块
• 4-5-1 实现功能
• 4-5-2 实现流程
• 4-5-3 平台分类结果显示
• 4-6 本章小结
• 第五章 结论
• 参考文献
• 致谢