基于深度学习的ADHD儿童和正常儿童脑电信号分类研究

针对注意缺陷多动障碍儿童（attention deficit hyperactivity disorder,ADHD）和正常儿童的分类问题,实验采用经典干扰控制任务范式对两类儿童的事件相关电位（event-related potential,ERP）进行了研究,旨在通过ERP特征实现其分类。实验首次使用长短期记忆（long-short term memory,LSTM）方法分析两类儿童前额叶与顶枕叶脑区最佳电极（p<0.05）潜伏期（200~450ms）的脑电信号,并自动学习和分类其ERP特征。相比常规分类方法,LSTM方法的分类率略高,可达95.78%。研究结果表明LSTM方法有助于ADHD儿童脑电信号的分类,为ADHD儿童个体诊断技术提供了一种新思路。     

抑郁症患者脑电导联选择算法及分类研究

基于EGI公司64导脑电采集系统,采集了16位青少年抑郁症患者和16位正常人静息态下闭眼4分钟的脑电数据。运用频谱不对称分析法（Spectral Asymmetry Index,SASI）和去趋势波动分析（Detrended Fluctuation Analysis,DFA）算法提取脑电时域和频域特征。针对提取的特征的导联,一方面,选择最佳电极Pz作为分类的导联,另一方面,通过遗传算法对所有导联进行筛选,将筛选后的导联特征用于分类。使用支持向量机（Support Vector Machine,SVM）在单导联和多导联的情况下,对抑郁症患者和正常人进行分类,结果发现,单导联下,使用SVM分类器对抑郁组和对照组的SASI和DFA结果进行分类,分类精度分别为45.5%和51.5%,使用遗传算法的分类精度分别为78.1%和90.6%,SASI算法的计算实时性优于DFA算法,DFA算法的准确性优于SASI算法。该研究为抑郁症的计算机辅助诊断提供了理论依据。     

基于混合特征选择算法的抑郁症分类方法

使用尽可能少的特征进行快速而准确地诊断抑郁病症在临床应用中十分重要,然而单一传统特征选择算法仅保留特征的一种特性而忽略其他特性。针对这种情况,提出以混合特征算法联合遗传算法来选择分类特征集。利用信号间的相位锁定构建了五个频段下两组被试的脑功能连接矩阵,并根据t检验的结果,将具有显著差异(p<0.05)的连接值作为特征。面对高维特征,提出使用基于互信息的二次规划特征选择和费舍尔分数对所有特征分别进行排序,并将二者的前100个特征进行交集或者并集的包装处理。通过遗传算法进一步选择最优子集进行分类。实验结果表明,该分类法不仅将特征数目降维了90%以上,还拥有最高的分类精度,达到96.8%。     

相位转移熵在再认记忆脑网络中的应用研究

为研究具有不同先验记忆群体的再认记忆脑功能网络差异,引入相位转移熵方法,分析36名中国医学生与37名中国非医学生执行图片再认任务时的脑功能网络。将脑电信号经希尔伯特变换转为瞬时相位数据,使用相空间分箱和实验折叠相结合的方法计算出边际熵和联合熵项,根据相位转移熵定义计算导联之间的相位转移熵,以导联为网络节点,将相位转移熵作为网络的边,并结合复杂网络方法对网络进行分析。结果发现,在20~30?Hz频率范围内,医学生的节点出强度、入强度、局部效率和全局效率（[P]<0.05）低于非医学生;在额叶部位,医学生的网络枢纽强度均小于非医学生;在左颞叶和右枕叶之间,医学生的大脑信息流向与非医学生相反。相比传统方法,脑网络能够挖掘出更丰富的差异信息。该结果为再认记忆的脑网络研究提供支持。     

基于Couple熵的抑郁症相干性反馈指标提取

为探究抑郁症患者脑网络连通特性及其作为在线反馈指标的可行性。首先,采用对容积导体效应不敏感的相干性虚部(IC)构建脑网络,能够有效便捷的避免虚假连接影响。然后,提取具有显著性差异的IC值作为特征集,提出结合Couple熵(CE)和Relief过滤式特征选择方法优化特征集,结合特征与类、特征之间关系信息提高特征集质量。同时,根据自我参照脑网络模块整合特征集,构造在线反馈指标。最后,采用K最近邻(KNN)、支持向量机(SVM)分类器进行对比分析。结果发现,各频段内CE-Relief特征选择方法提取的特征集最小,且分类准确率均高于90%;Alpha频段IC值识别抑郁效果最好,分类准确率可达到100%;自我参照脑网络的前额区平均IC值分类能力在各频段内具有优势且稳定,分类准确率均高于80%。     

基于改进局部图结构的再认记忆脑电特征提取方法

为了研究再认记忆脑电的纹理特征,以及解决垂直对称局部图结构和对称局部图结构在提取脑电纹理特征时结构不稳定的问题。基于新旧范式设计了再认记忆实验,采集医学生和非医学生（均为35名）相关脑电,并且将这些脑电分为学习医学图片阶段、学习非医学图片阶段、再认旧医学图片阶段、再认旧非医学图片阶段、再认新医学图片阶段和再认新非医学图片阶段。首先,利用二维小波变换得到每位被试脑电的三个子频带,并提出改进集成局部图结构方法对原数据和3个子频带进行特征提取,改进算法纳入了具有稳定结构的扩展对称局部图结构和复合局部图结构;然后对特征进行归一化,避免结果过拟合,使用皮尔逊相关系数筛选出相关系数在0.8~1之间的特征矩阵列。在支持向量机等分类器上验证改进前后的算法,并使用正确率、精确率、召回率和F1评分这四个指标对模型进行评估。与改进前算法相比,改进后算法在支持向量机上的分类正确率分别提升3.8%,0.4%,0.3%,1.6%,5.1%和4.2%。分类结果说明医学生和非医学生在医学图片学习再认阶段存在明显差异,新加入扩展对称局部图结构和复合局部图结构比原算法中垂直对称局部图结构和对称局部图结构具有更好的分类性能。     

基于皮尔逊最优电极选择的ADHD患者脑电特征提取及分类研究

事件相关电位(ERP)可用于注意缺陷多动障碍儿童(ADHD)和正常儿童的脑电特征 提取与分类。首先,采用赌博任务范式,采集2 类儿童的脑电信号;其次,基于皮尔逊相关系 数算法选择最优电极,并预处理最优电极脑电信号;然后,提取预处理脑电信号的时域特征(均 值、方差、峰值)和频域特征(Theta 波段功率、Alpha 波段功率);最后,利用传统分类方法支持 向量机(SVM)、自适应增强(AdaBoost)、自举汇聚法(Bagging)、线性判别式分析(LDA)、反向传 播(BP)和组合分类器的分类方法(LDA-SVM,BP-SVM)完成对2 种脑电信号的分类。研究结果 表明,传统方法BP 分类器的分类准确率可达80.52%,组合分类器BP-SVM 的分类准确率可达 88.88%。组合分类方法能提高ADHD 儿童的分类准确率,为基于脑机接口技术的ADHD 神经 反馈康复治疗提供技术支持。     

跨通道停止信号任务中反应抑制的实现

根据反应抑制的独立和交互竞赛模型,在E-Prime 2.0软件平台上完成停止信号任务,提出一种新的跨通道停止信号任务用于检测被试者反应抑制的监测和调整。在此基础上,将设计好的程序对一组小学生被试者和一组大学生被试者进行实测,结果提示随着年龄的增加,反应被试者抑制能力的停止信号反应时间逐渐缩短,体现了抑制能力在儿童时期到青少年期逐步增强的发展规律。研究证明了设计程序的正确性和可靠性,并可为进一步的临床应用提供技术支持。