基于EMD和SVM的抑郁症静息态脑电信号分类研究

以静息态脑电信号为基础,通过固有模态分解(empirical mode decomposition, EMD)算法对脑电信号进行信号去噪和特征值提取,通过支持向量机(support vector machine, SVM)算法对抑郁症患者和正常对照组人群的脑电特征值进行分类分析。 通过系统化的数据采集试验,采集了20位抑郁症患者和25位健康对照组的静息态脑电信号;对静息态脑电信号进行信号的去噪和特征提取;采用SVM算法对抑郁症患者和正常人对照组脑电特征值进行二值分类,分类正确率达到93.3%。 相较于传统的小波变换提取的特征值,分类准确率有明显的提高。     

心电与脑电信号结合方法评估心理压力

压力是万病之源,心理压力的检查和管理是非常重要的检查方案。为了客观量化评估人的心理压力状态,设计了基于心电和脑电生理信号的心理压力评估系统。首先,通过AD8232和TGAM模块分别实时获取受监测者的心电和脑电信号变化,并进行信号调理及蓝牙无线传输到上位机。上位机进行心电心率变异性分析,提取脑电数据压力特征,包括专注度、边际谱、脑电压力指数,最后结合心电和脑电分析结果,实现压力状态的自动评估。同时设计了压力诱导和测试实验,对特定人群进行了实验验证,结合了视觉模拟量化表测试。结果表明基于心脑结合的方法能够更客观、全面、准确的检测心理压力值。     

基于改进CSSD的运动想象脑电信号特征提取

针对现有的共空域子空间(common special subspace decomposition,CSSD)算法在脑电信号(EEG)特征提取时,类内和类间的信号特征变化导致脑电信号特征值稳定性低、特征向量区分度差的问题,提出一种改进的CSSD特征提取方法,即基于KullbackLeibler距离的共空域子空间分解法(KL-CSSD)。在传统CSSD算法的基础上利用Kullback-Leibler距离,最大化类间距离而最小化类内差异,提取鲁棒性较强的EEG信号特征。实验结果表明:该算法相对于传统CSSD有较好的特征向量区分度,有效提高了脑电信号的正确识别率。     

脑电信号采集系统的设计

分析了脑电信号作为生物电信号的特征,并根据这些独有的特征提出了对采集脑电信号的系统的性能要求,从而规划出整体的设计框图.系统具有高输入阻抗、高共模抑制比的等特点,并且具有良好的实时性和通用性.其中,信号采集部分是将电极记录的脑电信号进行三级的放大和滤波,最终将此信号传送至模数转换模块.     

基于生理信号的驾驶疲劳综合评价方法试验研究

采用驾驶模拟舱对30名被试进行动态驾驶模拟试验,分析心电信号和脑电信号随驾驶时间的变化规律,验证心电信号和脑电信号作为驾驶疲劳评价指标的有效性.采用皮尔逊相关系数计算发现心电信号与脑电信号相关关系显著,并通过主成分分析法,建立脑电信号与心电信号之间的关系,确定驾驶疲劳评价的综合指标,可以排除干扰因素,减小数据的波动性,提高驾驶疲劳评价的准确性.     

正常和癫痫脑电信号之间非线性程度差异

利用量化延迟向量方差方法研究了正常和癫痫脑电信号之间非线性程度的差异,并比较了不同替代数据产生方法得到的脑电信号的非线性度结果。比较结果表明正常和癫痫脑电信号虽然均具有非线性,但癫痫脑电信号的非线性程度要强于正常脑电信号。据此,提出正常和癫痫脑电信号之间的非线性程度差异可以用作描述癫痫发作的特征。     

基于分数阶小波变换的心电信号去噪处理研究

为了能够快速简单的滤除心电噪声,提高信号的信噪比,采用分数阶小波变换对心电信号进行处理,并利用"Arrhythmia Database"和"Noise stress Test Database"数据库中的数据和对其进行验证.仿真结果表明,运用这种方法能够有效地提高心电信号的信噪比,清晰的还原出心电信号的波形及其特点.所以分数阶小波变换在心电信号去噪处理中具有很好的应用.     

基于HHT的心电信号滤波算法的研究

针对心电信号具有非线性、非平稳弱信号的特点,借鉴小波滤波算法的思想,基于HHT变换,提出一种去除噪声对应尺度细节分量和阈值相结合的HHT心电滤波算法.并借助MATLAB仿真平台,采用同一阈值函数,对含噪心电信号分别运用小波滤波算法和基于HHT设计心电滤波算法进行滤波仿真比较.最后以MIT-BIH心律失常数据库中的提供的含噪心电信号作为数据源,进行仿真滤波实验,验证了HHT滤波算法对心电信号的基线漂移、工频噪声、肌电干扰去除的有效性.     

广义高斯核模型在心电信号稀疏分解中的应用

稀疏分解得到的心电信号表示结果对心电信号的压缩、特征提取等非常有利。根据心电信号的波形特点,提出了新的基于广义高斯函数的核模型。新的核模型通过正交最小二乘算法进行逐步回归建模,每一个核函数的中心,尺度及形状参数由重复加权提升搜索算法优化得到。为了避免过拟合,运用交叉验证的方法进行迭代终止时的阈值选择。实验数据来自MIT-BIH心电数据库,结果表明,对于心电信号,新的核模型具有稀疏性好,泛化能力高等优点。     

大鼠嗅觉区脑电信号检测与处理技术研究

设计一种大鼠嗅觉诱发电位的脑电信号（Electroencephalogram,EEG）采集和处理系统,系统可以对受到嗅觉刺激时的大鼠诱发脑电信号进行处理和分析.系统的检测电极置于大鼠大脑的嗅前核区和海马区,信号采集预处理电路包括前级信号放大器、高通滤波器、低通滤波器、可变增益信号放大器、50Hz陷波器等.系统控制模块采用MSP430低功耗芯片,采用nRF24L01无线通信模块将采集到的信号传给上位机,然后上位机程序对大鼠的嗅觉诱发信号进行处理、分析、显示.实验表明,系统能够较好的获取大鼠嗅觉诱发脑电信号.数据处理结果显示,有刺激时的脑电信号和无刺激时的脑电信号相比,信号幅值增大、复杂度降低.所以此系统可用于对爆炸物的探测.     

基于心电和脑电的驾驶疲劳检测研究

驾驶疲劳是引发交通事故的重要原因。驾驶疲劳检测不仅具有重要的理论研究价值,同时也将产生重大的社会、经济效益。该文通过心电信号计算驾驶过程中的不同阶段的心率和脑电信号,经过功率谱估计后,计算得到功率谱频段比值,作为疲劳检测的指标。模拟驾驶实验中,对驾驶前后两个阶段的19位被试者的生理指标作统计显著性检验,实验结果表明,该文提出的心电和脑电指标可以有效地对驾驶的疲劳和清醒状态进行检测。     

基于脑电实验的眨眼次数与疲劳相关性研究

眨眼次数可以反映一个人的疲劳程度,但目前对于这一结论的客观验证研究较少。脑电信号是已被证实的疲劳检测的可信标准。利用脑电信号与眨眼次数的相关性,为基于眨眼次数的疲劳检测方法提供了理论依据。设计实现基于脑电的疲劳检测实验,采集被试脑电信号的同时记录被试的眼部图像数据。利用小波变换对脑电信号进行特征提取,分析被试在实验过程中疲劳程度变化情况。同时,处理被试眼部图像数据,统计被试眨眼次数,分析变化趋势。对脑电数据和眨眼次数进行相关性分析,客观验证了眨眼次数随疲劳程度增大而增加的结论。     

QT间期离散度与急性心肌梗死患者预后的关系

通过观察急性心肌梗死(AMI)患者QT间期离散度(QTd)变化,探讨其与临床关系。应用体表同步十二导联心电图对168例AMI患者进行心电图QTd和校正QT间期离散度(QTcd)测定,并与168例正常人做对照。结果表明:AMI患者入院后心电图的QTd、QTcd均明显长于对照组(P<0.01);室性心律失常组、心衰组、死亡组QTd、QTcd均明显长于非心律失常组、非心衰组、生存组(P<0.01);前壁组QTd、QTcd明显长于下后壁组(P<0.01);AMI组中QTmax存在于梗死或缺血区导联163例,占97%。AMI中发生室性心律失常组QTd增加均>60 ms,其中6例室颤QTd均>100 ms。综上得出结论:AMI患者QTd、QTcd明显延长,为AMI发生室性心律失常、心力衰竭和猝死简单而实用的重要预测指标。QTd>60 ms可以作为预测心肌梗死患者发生室性心律失常的指标,而QTd>100 ms是识别高危心律失常的敏感指标。     

基于提升小波的心电信号P、T波检测快速算法

为解决心电信号中P、T波信号复杂、微弱、识别难度大及识别算法执行效率低且易失效的问题,在分析提升小波算法原理的基础上,利用提升小波对信号进行时-频域分析执行速度快的特性,提出了将提升小波变换与差分运算相结合,构造利用提升小波对心电信号去噪,在重构相应层次的低频信号中利用差分法对P、T波进行识别的复合算法,并提出了一种适应心电信号个体差异和异常心电信号变化的跟随阈值函数。结果表明,提出算法比传统小波识别方法准确率高,且算法执行的速度至少提高一倍,更适合于硬件实现。     

基于织物电极的心电监测系统

为解决传统动态心电监测存在的一些问题,例如粘性心电电极刺激皮肤、信噪比随使用时间延长而下降、动态心电图仪缺乏实时分析能力等,研制了一种可穿戴心电异常检测系统。制作了有导电织物材料心电电极的穿戴衣,设计了心电信号采集装置,提出了基于分析R-R间期和QRS波群波形的异常心电波形检测算法,在PDA（Personal Digital Assistant）平台上实现了基于该算法的异常心电信号识别软件。通过实际测试,验证了本系统的有效性和可靠性。     

脑电信号多重粗粒化复杂度分析方法研究

为了准确地描述脑电信号的精细结构和复杂成分,提出了基于多重粗粒化的脑电信号复杂度方法。根据脑电信号幅值微弱,幅值跨越大,一定幅值范围的脑电具有特定认知和生理意义的脑电特性,采用多重赋值,可尽量保留对信号复杂结构的描述;基于统计学特点(以百分比为阈值)对已经归一化的信号划分幅值域,进行粗粒化,基于传统方法计算复杂度。该方法有效地克服了经典LZC复杂度不能描述脑电精细结构的不足。提出了当脑电信号在粗粒化后出现局部周期,且达到一定阈值后(如beta波或具有相似幅值特性的脑电信号达到一定阈值),4重复杂度值小于10重复杂度值的假设,初步建立了脑电节律与多重LZC的联系。仿真计算和实际数据验证表明,多重LZC方法结果更准确、合理,而且能反映脑电节律成分特性。     

用于社区医院的无线心电监护系统设计

针对现有心电监护仪实时性差及难以实现集中监护等问题,提出一种用于社区医院的无线心电监护系统的设计方法。系统硬件选用高性能的ARM9（AdvancedRISCMachines）作为微处理器,蓝牙模块作为无线数据传输装置;软件选用WindowscE嵌入式操作系统。实验结果表明,系统能实现实时心电数据采集、压缩存储、异常心电分析、显示、报警以及数据无线传输等功能。具有功耗低、体积小、抗干扰能力强和操作简单等优点。     

求解脑电逆问题的非线性局域优化方法探讨

讨论了基于阻尼最小二乘算法、单纯形算法等非线性局域优化方法的脑电偶极子定位问题.在已知源数目的条件下,分析了源定位误差与噪声水平的关系.在源数目未能确定时,讨论了反演模型中源数目与实际源数目不一致的情况,并给出了相应的判别准则.分析了脑电模拟观测电位值与等效偶极子产生电位值的拟合程度.另外,比较了上述两种优化方法的运行速度及计算精度.仿真结果表明,在处理一个或两个源场的情况下,如果迭代初值选择合理,非线性局域优化方法可以有效地解决脑电逆问题.     

Workers’ Cerebrocortical Activity in Hot and Humid Condition: An Electroencephalogram Study

Hyperthermal environments can harm workers’ health and safety. However, it is difficult to include effective protection into standards because heat-related impacts vary significantly according to individual workers and multiple factors. Studies suggested obvious relationship between environment condition and bio-electricity signal, including electroencephalogram (EEG) signal. We used a detector with 64 electrodes to perform dedicated EEG measurements of nine individual subjects to analyze human cerebral activity under hyperthermal (35℃, 80% RH) and standard conditions (25℃, 30% RH). Amplitude changes of the frequency wavebands were analyzed using statistical analysis. Seven participants showed increasing beta activity due to high temperature and high humidity in the primary somatosensory cortex (electrode C3) and the temporopolar region (electrode FT 8). The amplitude value of alpha wave is increased from 0.194 to 0.213 while the amplitude value of beta wave is increased from 0.144 to 0.160. Value is decreased due to hyperthermal environment for most people. The results of this study could be used to inform the development of wearable equipment to monitor the health of on-site workers, which is fundamental to improve worker safety and wellbeing.