非線性動力學理論在生物醫(yī)學中的應用.pdf

1、本文主要涉及了非線性動力學理論在生物醫(yī)學工程應用中的若干問題的研究，其中包括非線性動力學定量準則在生物信號中適用性和局限性研究，生物物理模型、人腦深層次智能活動和癲癇兒童腦電(Electroencephalogram，EEG)信號的非線性動力學分析。 對Liley腦電動力學模型模擬出的EEG信號進行研究，發(fā)現(xiàn)該模型是按周期行為與混沌現(xiàn)象交替出現(xiàn)的間歇突發(fā)通向混沌的，且該間歇性與Hopf分岔、倍周期分岔和逆分岔有關。隨后對該腦電動

2、力學模型進行非線性預測、徑向基函數(shù)(RadialBasisFunctions，RBF)神經網絡預測和非線性正交預測(NonlinearCross-Prediction，NLCP)，從預測結果中，發(fā)現(xiàn)改進RBF神經網絡預測的效果要好于非線性預測，并且NLCP方法對含有強周期分量的高維系統(tǒng)具有較好的適用性。 采用一維與多維時間序列相空間重構技術和系統(tǒng)混沌的定量判據準則，結合神經網絡，對五種思維作業(yè)方式的腦電信號進行了分析、計算與分類

3、，發(fā)現(xiàn)確定性計算的統(tǒng)計結果表明人類的意識活動中可能蘊含混沌特性，中心趨向測量(CentralTendencyMeasure，CTM)與相圖吻合較好，可作為EEG吸引子的區(qū)分方法之一；功率譜分析反映出單個受試者的各種意識形態(tài)的差異很小，但是不同意識活動譜中的活躍頻段還是略有差異的；個體之間的近似熵存在差異，同種狀態(tài)下近似熵大的人可能具有更好的創(chuàng)新性；關聯(lián)維數(shù)和Lyapunov指數(shù)的計算結果表明大腦的運動落在具有分維的奇怪吸引子上；非線性量

4、化方法與神經網絡相結合，可對人腦思維活動進行較好的分類，并且從分類結果來看數(shù)理計算類思維活動較抽象類思維活動有著更好的區(qū)分度。 對癲癇兒童EEG信號進行C-C計算，并以此為基礎對癲癇病患者腦電信號的相圖、近似熵、Lyapunov指數(shù)、功率譜和關聯(lián)維數(shù)進行對比研究，發(fā)現(xiàn)EEG信號的嵌入維數(shù)與延時同人腦的狀態(tài)有密切的聯(lián)系，其相圖、近似熵、Lyapunov指數(shù)、關聯(lián)維數(shù)反映了大腦的總體動態(tài)特征，并且癲癇發(fā)作前大腦深層次的動力學行為已發(fā)