基于導聯(lián)信號組合的腦電信號處理及其在中風病人腦電信號分析中的應用.pdf

1、腦電信號（Electroencephalogram，EEG）是大腦神經細胞電生理活動在大腦皮層和頭皮表面的總體反映，包含了大量生理和疾病信息。腦電信號的發(fā)現(xiàn)有助于人們進一步研究大腑構造及其思維機制。目前，腑電信號已被應用于信息輸入、外部設備控制、心理學研究、疾病的康復與治療等領域，而隨著信號處理學的發(fā)展，越來越多的腦電信號處理算法也被應用于腦電信號分析中。傳統(tǒng)腦電信號處理算法包括預處理、特征提取和分類三個過程。腦電信號處理算法的好壞直接

2、決定了腦電信號分析的準確性以及是否能夠對腦電信號中很多有用的隱藏信息進行挖掘。
　　本文在研究已有的腦電信號處理算法基礎上，針對傳統(tǒng)P300腦電信號特征提取算法基于多導腦電信號進行特征提取，數(shù)據(jù)量大，特征提取效率低等問題，提出了基于導聯(lián)信號組合的P300腦電信號特征提取算法，并將基于導聯(lián)信號相乘的腦電信號處理算法應用于中風病人腦電信號特征研究中。
　　首先，本文提出了三種基于導聯(lián)信號組合的P300腦電信號特征提取算法。根據(jù)被

3、試腦電信號特征，僅選取P300特征較明顯的兩個導聯(lián)腦電信號，分別通過導聯(lián)信號相乘、導聯(lián)信號卷積、導聯(lián)信號矩陣相乘算法使P300特征更加顯著，以能量熵作為P300腦電信號特征值，送入支持向量機中進行分類。通過BCI競賽字符拼寫器實驗數(shù)據(jù)、人臉圖片測謊實驗P300數(shù)據(jù)和模擬網(wǎng)絡詐騙實驗P300數(shù)據(jù)進行驗證。結果表明，本文提出的算法可以有效提取P300腦電信號特征，在降低提取特征的個數(shù)，大幅減少數(shù)據(jù)量的同時，取得了較高的分類正確率，有利于在線

4、應用。與相關文獻相比，本文提出的算法數(shù)據(jù)量最多減少了93.8％。此外，導聯(lián)信號相乘、卷積和矩陣相乘算法分別在字符拼寫器、人臉圖片測謊和模擬網(wǎng)絡詐騙實驗P300數(shù)據(jù)上獲得了93％、88.6％和90.6％的最佳分類表現(xiàn)。在各自表現(xiàn)最優(yōu)的數(shù)據(jù)上，三種算法的分類正確率比參考文獻最多提高了15.6、5.8和11.9個百分點。
　　其次，本文通過我們設計的運動想象腦電信號刺激器，對中風病人自由想象和運動想象腦電信號進行采集。由于本文提出的基于

5、導聯(lián)信號組合的腦電信號處理算法適合于特征空間分布較為集中的腦電信號，如P300腦電信號，運動想象腦電信號等。因此，本文首先通過大腦兩側所有導聯(lián)采集的數(shù)據(jù)對中風病人自由想象腦電信號時頻域能量進行分析，然后用提出的基于導聯(lián)信號相乘的腦電信號處理算法對C3、C4及其臨近導聯(lián)采集到的中風病人運動想象腦電信號時頻域特征進行研究，并觀察運動想象腦電信號事件相關同步化/去同步(Event RelatedSynchronization/Desynchr

6、onization，ERS/ERD)現(xiàn)象。經12名被試腦電信號數(shù)據(jù)驗證，在時域分析中發(fā)現(xiàn)83.3％的被試大腦患病側自由想象腦電信號能量比健康側低，66.7％的被試肢體運動不利側對應的上肢運動想象腦電信號ERS/ERD現(xiàn)象不顯著;在頻域分析中發(fā)現(xiàn)83.3％的被試大腦患病側自由想象腦電信號能量比健康側低，58.3％的被試肢體不利側對應的上肢運動想象腦電信號ERS/ERD現(xiàn)象不顯著。進一步對位于大腦患病側的相關導聯(lián)采集到的腦電信號頻域能量進行

7、分析，66.7％的被試在進行左右手運動想象時，該導聯(lián)腦電信號的頻域能量并未出現(xiàn)符合規(guī)律的ERS/ERD現(xiàn)象。本研究結果說明中風對病人大腦患病側自由想象和運動想象腦電信號均有比較大的抑制，通過對中風病人大腦患病側與健康側自由想象腦電信號能量的對比以及運動想象腦電信號中ERS/ERD現(xiàn)象顯著程度的分析，為中風病人的康復程度評估提供一定的幫助，同時也為今后的中風病人康復手段改進提供一種思路。
　　最后，本文對實驗室搭建的基于GKT(Gu