腦電非線性時間序列仿真研究.pdf

1、人腦是復(fù)雜的非線性動力學(xué)系統(tǒng)，腦科學(xué)研究已成為21世紀(jì)最重要的研究熱點(diǎn)之一。自上世紀(jì)20年代腦電(EEG)被發(fā)現(xiàn)以來，人類便開始利用腦電對大腦進(jìn)行無創(chuàng)傷性研究，從而腦電在許多領(lǐng)域都起到了重要作用。在生物醫(yī)學(xué)中，腦電被作為醫(yī)療診斷和疾病治療的有效手段；在認(rèn)知研究中，腦電作為研究人類思維起源的主要工具；在腦．機(jī)接口(BCI)中，腦電作為人機(jī)交互的主要媒介。為了能夠更有效地將腦電運(yùn)用于這些領(lǐng)域，高效正確的分析方法是必須的，此外，方法能否對腦電

2、和腦電所刻畫的系統(tǒng)做出合理且有意義的解釋是在理論和實(shí)踐中需要考慮的重要標(biāo)準(zhǔn)。傳統(tǒng)的方法從頻譜和統(tǒng)計(jì)學(xué)的角度研究腦電時間序列，能夠?qū)δX電的部分特征給出詳細(xì)的解釋，為腦電在這些領(lǐng)域中的有效應(yīng)用作出了一定貢獻(xiàn)。然而，這些方法無法對大腦的非線性動力學(xué)性質(zhì)進(jìn)行深入有效的理解。本文從非線性動力學(xué)和定性仿真的角度研究腦電，給出了相應(yīng)的分析方法和實(shí)驗(yàn)結(jié)果。在本文中，作者從以下5個方面對腦電非線性時間序列進(jìn)行仿真研究： (1)在構(gòu)建癲癇狀態(tài)大腦的

3、結(jié)構(gòu)化模型的基礎(chǔ)上，提出了一種從癲癇行為的定性仿真(QSIM)構(gòu)建模糊推理系統(tǒng)(FIS)的方法，將QSIM模型中的量化空間和FIS的語言變量對應(yīng)起來，并且在定性行為的仿真過程中建立有效的模糊規(guī)則庫。 (2)腦電非線性動力學(xué)研究的基礎(chǔ)需要重構(gòu)系統(tǒng)的相空間模型。運(yùn)用Takens的延遲坐標(biāo)法重構(gòu)系統(tǒng)相空間模型需要確定兩個關(guān)鍵參數(shù)：嵌入延遲和嵌入維。本文對確定參數(shù)的兩種方法進(jìn)行優(yōu)化和改進(jìn)，分別給出了C-C方法和Cao方法的高效實(shí)現(xiàn)。

4、 (3)基于重構(gòu)的系統(tǒng)相空間模型，對刻畫腦電復(fù)雜性、穩(wěn)定性等非線性特征的不變量進(jìn)行對比研究，對它們的非線性特征表達(dá)能力和計(jì)算性能進(jìn)行詳細(xì)比較，實(shí)驗(yàn)結(jié)果表明在區(qū)分大腦的不同生理狀態(tài)的腦電分析應(yīng)用中，排列熵(PE)和Hurst指數(shù)(HE)是兩種最具實(shí)用價(jià)值的非線性不變量。 (4)在腦電非線性時間序列的重構(gòu)相空間中，基于系統(tǒng)的非線性動力學(xué)特征，定義系統(tǒng)在相空間中的定性狀態(tài)和定性行為的概念，提出對相空間軌跡進(jìn)行定性建模的方法，并給出

5、了提取定性狀態(tài)的算法。在定性行為的刻畫中，給出三種不同的表示方法，分別反映了系統(tǒng)定性行為的不同側(cè)面。 (5)以腦電非線性時間序列的非線性特征和定性行為作為分類方法的輸入，給出腦電分類和識別的集成分析方法。該集成方法在自適應(yīng)訓(xùn)練階段確定分類模型自身參數(shù)的同時，還能夠自動選出最具代表性的腦電通道，有效的通道選擇策略對于提高分類模型的時間性能和識別精度具有重要意義。在醫(yī)療診斷中，這種自學(xué)習(xí)方法還能夠自動識別和判斷病灶區(qū)域，在腦疾病診斷

6、和治療中具有突出的參考價(jià)值。在BCI應(yīng)用中，自學(xué)習(xí)分類方法還能對特定的腦功能區(qū)域進(jìn)行有效定位。 本文給出的方法都經(jīng)過了實(shí)驗(yàn)驗(yàn)證，同時還進(jìn)行了相關(guān)方法的對比分析和討論。本文用到的腦電數(shù)據(jù)一部分來源于國內(nèi)外的公共數(shù)據(jù)庫，這些數(shù)據(jù)已經(jīng)被許多文獻(xiàn)所使用；另一部分來自安徽醫(yī)科大學(xué)第一附屬醫(yī)院神經(jīng)內(nèi)科。本文給出的方法在這些數(shù)據(jù)集上的分析均能給出較滿意的結(jié)果。 本文提出的方法并不局限于腦電時間序列的分析，可以通過適當(dāng)?shù)臄U(kuò)展應(yīng)用到其他時