视听诱发脑电特征提取与大脑认知机理分析

为探索视听跨感觉大脑认知机理,基于Stroop效应设计视听觉刺激实验范式,利用Neuroscan40导联脑事件相关电位仪,连续动态采集视听诱发脑电信号,采用独立成分分析方法去除眼电伪迹,AR模型结合相干平均方法提取诱发脑电P300特征．通过对P300电位幅值和潜伏期的分析,研究视听觉诱发大脑认知的信息整合规律、交叉干扰作用和注意竞争效应．实验结果表明,大脑在视听双通道刺激下,更容易整合信息,具有视觉为主、听觉为辅的协同补偿作用,且视觉对听觉有较强的交叉干扰作用以及视觉为主导的竞争效应．该研究成果可以应用于神经信息处理、脑认知科学和脑一机交互系统中．     

脑电-肌电信号样本熵与小波熵分析

为了探索自主动作和电刺激产生动作两种不同模式下的大脑运动皮层活动与肌肉收缩之间的关系,搭建了脑电和肌电实验测量平台,设计了自主腕部外旋和穴位电刺激两种实验动作模式,同步采集不同动作模式诱发的脑电信号和表面肌电信号,计算和分析信号的样本熵与小波熵.结果发现穴位电刺激模式下,脑电信号样本熵增大,肌电信号样本熵减小,脑-肌电的平均互样本熵增大,肌电信号的小波熵明显减小.表明穴位电刺激使大脑活动复杂性提高,肌肉活动的有序性增强,出现了优势节律,脑-肌电协同性提高.     

基于小波-双谱分析的视觉诱发脑电特征提取

针对脑电信号非平稳性、非线性和非高斯性特点,利用小波变换和双谱分析相结合的方法提取视觉诱发脑电特征.采用Oddball实验范式,采集视觉诱发脑电数据.首先,对脑电信号进行少次相干平均以去除自发脑电;然后,选择合适的小波函数和分解层数,进行小波分解与重构,并对重构后细节系数进行白化处理;最后,利用双谱分析提取视觉诱发脑电特征.结果表明:该方法可以提取蕴涵于脑电中丰富的高阶时频信息,并且在处理脑电非线性和抑制高斯噪声方面具有较强的优越性.     

视听情绪诱发的脑电信号同步性分析

为探究视听感知愉快、愤怒、悲伤、惊讶、厌恶、恐惧6种情绪时,不同脑区之间的脑电同步现象,本文设计了视听情绪诱发实验范式,利用Neuroscan 40导联脑电放大器采集脑电信号,采用AR模型以及相干平均去除基线漂移和自发脑电干扰,小波变换进行脑电特征提取,Hilbert变换获得脑电特征信号的瞬时相位,使用相位同步指数分析脑电活动的同步性.实验结果表明:Hilbert变换得到的相位同步指数能够较好地反映脑电的同步活动,为"大脑半球效价假说"提供了有效的依据.此外,在视听感知愉快情绪时,大脑皮层视觉区域占据主导作用,而感知悲伤情绪时,大脑皮层听觉区域占据主导作用.该研究可以被应用于大脑情绪认知和仿生机器人中.     

基于参数模型和FastICA算法的P300特征实时提取

利用AR模型结合快速独立成份分析（F astICA）对视觉诱发电位P 300特征进行实时提取.采用图片轮换作为诱发刺激获取EEG信号,利用主成份分析对脑电信号降维处理,然后进行独立成份分析,计算各独立成份与垂直眼电导联的相关性,自动去除眼电干扰.利用AR模型对自发脑电建模,并除去EEG中的自发脑电,通过少次相干平均提取P 300.实验结果表明：该方法可以不依赖任何先验信息,在不降低信噪比的情况下实时提取P 300特征,避免了长时间视觉刺激引起视觉疲劳而产生的误差,提高了脑机接口系统的识别效率,为建立在线BC I系统奠定了基础.     

经穴电刺激诱发的脑-肌电信号相干性研究

为探索自主动作和穴位电刺激诱发的大脑皮层活动与肌肉收缩之间的功能耦合作用,设计穴位电刺激和自主动作两种实验模式,分别采集对应的脑电信号和表面肌电信号,对信号进行预处理得到纯净的诱发脑电和肌电信号.然后进行小波变换,获得信号的小波谱和小波交叉谱,计算小波相干系数,分析脑电和肌电信号的时-频相干特性.结果表明:穴位电刺激诱发的脑-肌电相干性主要集中在15~25 Hz信号频段,对应于大脑β节律;而自主动作下的脑-肌电相干性集中在30~36Hz频段,对应于大脑γ节律;不同导联的脑-肌电信号相干特性,表明穴位电刺激诱发的腕部肌肉动作与对侧大脑运动区相干性最强.该研究为运动功能康复和智能假肢开发奠定了基础.     

基于体感电刺激的脑-机接口实验范式初探（英文）

大脑对各类感觉输入(视、听模态)会产生不同的响应信号,脑-机接口正是利用这一响应信号实现大脑与外部设备间直接的通讯.然而以电刺激作为脑-机接口的输入模态还未有报道.本研究尝试通过使用体感电刺激作为脑-机接口的输入,从而诱发事件相关电位(ERP).在整个实验中,分别使用视觉、听觉以及电刺激作为诱发因素,针对每种条件下的事件相关电位及其分类准确率开展对比分析.结果显示电刺激所诱发的事件相关电位幅值较高且具有相对稳定的潜伏期,其分类准确率高于听觉刺激范式.也就表明了以不同刺激强度作为参数的电刺激范式作为脑-机接口应用的可行性,这将进一步拓展脑-机接口的应用领域.     

基于脑电非线性动力学特征探究TEAS内关穴对焦虑的影响

基于脑电非线性动力学特征,探究经皮穴位电刺激(TEAS)内关穴对焦虑的影响及其机制.实验选取l2位焦虑受试者随机分为TEAS内关穴干预组(穴位组)和TEAS非穴位干预组(非穴位组),分别采集电刺激前后各组受试者脑电数据,提取脑电信号的特征近似熵(ApEn)与关联维数(D2),分析大脑复杂度的变化,同时比较电刺激前后焦虑...     

注意力对视觉刺激响应的调制作用

注意是事件相关电位(event-related potential,ERP)产生的基础,通常ERP产生于有较强随机性的自发脑电(electroencephalogram,EEG)背景中,自发脑电干扰成为提取高质量ERP信号的主要障碍.本文采用稳态刺激诱发稳态视觉诱发电位(steady state visual evoked potential,SSVEP),得到特定频率和相位调制的背景脑电,并实施不同对比度的选择性注意视觉刺激,通过比较分析所诱发产生的ERP信号波形及其P1与N1成分幅值和潜伏期变化,研究不同背景脑电及刺激强度条件下注意力对视觉刺激诱发响应的调制作用.结果表明,在特定背景脑电节律振荡与初始相位及视觉刺激对比度时,注意力对视觉刺激响应有显著调节作用,主要体现在视觉注意条件下会增加ERP中N1成分幅值并具有显著性差异,注意力对P1和N1成分的潜伏期皆无显著性差异影响.研究结果提示在设计ERP诱发实验范式时可利用注意力显著调节作用赋予背景脑电预定节律和初始相位特征,以便在ERP提取和识别时消除自发脑电干扰,获得理想研究结果.     

基于Chirplet变换的变频视觉诱发电位脑-机接口研究

脑-机接口(brain-computer interface,BCI)是在大脑与外部设备间建立一个直接的信息交流通路,它无须依赖外周神经肌肉系统而仅通过脑电信号特征提取与模式识别来实现思维表达或指令操作.变频视觉诱发电位(chirp stimuli visual evoked potential,Chirp-VEP)是最近提出的一种脑电诱发新模式,可作为BCI控制信号,极富应用潜力.然而Chirp-VEP的诱发条件、信号处理、特征提取方法等都缺乏充分研究.本文采用不同起始频率和chirp调频率进行了Chirp-VEP诱发实验,利用Chirplet变换(chirplet transform,CT)等4种时频分析方法提取了ChirpVEP信号特征.研究结果表明,相较于其他时频分析方法,CT可获得更高的VEP信噪比与正确识别率.在8名受试者参加的在线BCI测试中,Chirp-VEP的总平均正确识别率高达97.8%,进一步验证了Chirp-VEP应用于BCI控制的潜力.     

功能性电刺激下下肢相关运动诱发的脑状态变化分析

目前,应用功能性电刺激(functional electrical stimulation,FES)进行中风后康复治疗已经十分普遍,但是对于FES治疗过程中大脑的状态变化却缺乏深入的研究.掌握这一变化规律有助于了解大脑在FES治疗过程中的康复机制.笔者尝试通过研究FES诱发的脑电信号,探究在治疗过程中大脑的脑电特征变化.结合FES设计了主动、被动模式(人工被动和刺激下被动)下的下肢运动实验,采集了6名受试者(4名中风患者和2名健康受试者)的数据,并利用时频分析和源定位等方法对数据进行分析.结果发现在多种实验模式下正常受试者与患者的脑电信号中均存在事件相关去同步(event-related desynchronization,ERD)现象,证实了中风患者受损后的大脑区域仍然能够被激活;在电刺激模式下ERD的强度随电刺激的增强而增大,表明适当的高强度电刺激可以为大脑提供更好的激活作用;通过源定位分析发现感觉运动区的激活在动作期较强,而在动作保持期内激活效应较差.研究结果将有助于加深认识FES对大脑的激励作用,同时为医师设计康复治疗方案提供可靠依据.     

改进的多尺度熵算法及其情感脑电特征提取性能分析

进行了用多尺度熵提取情感脑电特征的研究,针对传统的基于多尺度熵的特征提取算法在粗粒化过程中存在重要信息丢失以及尺度选择过小造成特征不显著、尺度过大造成计算过度复杂的问题,提出了一种改进的多尺度熵算法。该改进算法通过自适应多尺度熵中本征模态函数的个数确定尺度,而且为突出脑电信号的微小变化,对脑电信号进行自适应二值化处理,充分挖掘特征并降低算法复杂性。利用Deap国际标准情感分析数据库并基于优化支持向量机分类器实现了情感脑电特征识别,进行了改进算法与传统多尺度熵算法的性能比较。结果表明,改进算法的分类准确率较传统多尺度熵算法提高了12.33%,较自适应多尺度熵算法提高了7.27%,表明改进算法是一种有效的脑电特征提取算法。     

P300脑电信号在图像清晰度评价中的应用研究

脑电信号能够反映大脑的认知状态,建立一套基于脑电信号的图像清晰度评估模型来评估是否醉酒等特殊状态具有重要的现实意义。采集10名健康被试者对5种不同模糊等级图像的双刺激连续质量标度量表和脑电数据,结果确定大脑皮层中的中-顶区为特征脑区,并利用指数拟合函数对量表和特征脑区的P300波分别与图像模糊等级建立评价关系模型。结果还发现受试者的脑电信号在饮酒状态下没有明显的P300成分。结果表明基于P300成分的脑电信号可以用来评价图片的清晰度,并可应用于关键工作岗位从业人员的饮酒等特殊状态的监测。     

基于小波-共空间模式的多类想象运动诱发脑电特征提取

为了有效获取脑电信息,提取多模式类(左手,右手,舌,脚)想象运动诱发脑电特征,提出了一种小波-共空间模式分析的四类运动想象诱发脑电特征提取方法.首先,使用db4小波对预处理后纯净的脑电信号进行5层小波分解,获得小波变换的各层逼近系数和细节系数,去除冗余频段,并进行重构.然后,采用"一对多"共空间模式方法,构建多个空间滤波器,对滤波信号进行共空间模式映射,得到每种想象运动模式下的投影信号.最后,对该投影信号能量求方差取对数,组成特征值向量,再进行差值处理获得多模式类运动想象脑电特征.仿真实验结果表明,该方法可以较好的提取多类运动想象脑电信号特征.     

基于排列熵与多重分形指数结合的特征提取算法在情感识别中的应用

通过对脑电信号的熵分析,进行了情感识别研究,并根据脑电信号的非线性特性以及多重分形特性的特点,提出了一种排列熵与多重分形指数相结合的情感脑电特征提取算法。该算法采用排列熵、Hurst指数、质量指数和奇异谱宽度相结合,实现情感脑电的特征提取,采用支持向量机(SVM))实现情感识别。结果显示,该算法两两情感识别,测试集最高正确率达到92.8%,除去激动对可怕外,正确率均在80%以上;与单独使用排列熵和分形指数特征的方法相比,最高正确率分别提高41.9%和31.2%。进一步分析了对积极和消极两类情感状态的识别效果,测试集平均正确率为78.3%,比排列熵与多重分形特征,测试集正确率分别提高了26.7%和1.6%。结果表明,基于排列熵与多重分形指数相结合的特征提取算法,能够充分挖掘脑电信号的非线性特性与多重分形特征信息,是一种有效的情感脑电特征提取算法。     

动态脑电地形图调节的经穴磁刺激系统设计

针对现有电、磁刺激系统参数调节存在的不足,设计了一种利用动态脑电地形图反馈调节的经穴磁刺激系统．该系统磁刺激发生模块基于DDS技术,利用单片机编程产生刺激波形、幅度、频率可调的刺激信号,功率放大后,经喇叭状刺激线圈产生磁场,作用于人体穴位．脑电仪在线检测大脑的脑电信号,经计算机数据处理,实时显示大脑a波动态脑电地形图,并反馈调节磁刺激强度、刺激频率和刺激波形．结果表明,该系统可以优化经穴磁刺激的输入方式,改善大脑a波能量,促进脑瘫病人神经系统恢复和康复训练．     

神经反馈训练改善轻度认知障碍脑功能状态研究

通过分析脑电信号特征变化情况,探讨神经反馈(NFB)训练对轻度认知障碍(MCI)患者认知能力的改善作用。使用NFB训练作为干预方法,对40例MCI患者进行两个周期共10 d的训练。提出了一种使数据更平稳、去除扰动的改进模糊熵,并以复杂度、近似熵及相干性作为脑电分析方法,对比其在训练前后的变化情况,同时辅助以阿尔茨海默病评定量表认知分量表(ADAS-Cog)。训练后,实验组脑电(EEG)信号复杂度、近似熵及改进模糊熵特征量均增加,前后差异均具有统计学意义(P<0.05),改进模糊熵增量最为明显。顶区、额区和颞区半球间的脑电相干性值增量最大;与认知功能联系紧密的gamma、beta、alpha和theta频带的脑电相干性在训练后增量明显。ADAS-Cog得分普遍降低,表明认知能力提高。本研究证明了NFB训练对MCI患者的认知功能改善作用,及其作为MCI人群干预方法的可行性。     

运动意图诱发脑电预备响应信号的特征识别

针对预备响应脑电信号(EEG)所包含的运动意图进行提取与识别，对于真实运动前准备电位进行解码。利用共空间模式(CSP)和极限学习机(ELM)解决大脑运动准备诱发特征识别。实验结果表明：该方法能够高效区分左右手真实运动前的准备电位，对脑机接口(BCI)大赛运动执行前的准备诱发脑电数据平均识别正确率可达85.7%。在解码问题上，预备电位与运动想象(MI)脑电信号相比，节省了意识产生到动作执行这一段时间，提高操作任务执行的响应效率，为实现基于运动意图的高效脑机交互提供理论依据和技术支持。     

基于栈式自编码神经网络的脑电信号情绪识别

针对维度情感模型生理信号情绪识别准确率较低的问题,本文基于DEAP维度情绪生理数据集,利用AR模型功率谱估计方法,提取脑电θ,α,β,γ节律的功率谱密度;采用小波包分解提取脑电小波包系数和能量占比时频特征;通过非线性分析提取脑电样本熵和小波包熵特征.然后,设计栈式自编码神经网络算法对脑电组合特征在效价和唤醒度两个情感维...     

EMD样本熵在滚动轴承信号复杂性度量中的应用

针对常用的傅里叶变换、小波变换等在分析滚动轴承信号时存在难以度量复杂性的局限,采用经验模态分解(EMD)结合样本熵来改进。通过对不同故障程度的滚动轴承信号应用样本熵和EMD样本熵的实际效果进行比较,同时对EMD样本熵大的分量进行包络谱分析。结果发现:样本熵值过于接近不易区分,而EMD样本熵值差别明显准确性更高,并且其变化趋势与信号随故障变化的趋势一致,包络谱中存在故障频率及其倍频。该方法可用于轴承运行状态监测和预判。