学位论文 > 优秀研究生学位论文题录展示

基于复合肢体想象动作的脑电特征识别技术研究

作　者: 奕伟波
导　师: 明东
学　校: 天津大学
专　业: 生物医学工程
关键词: 脊髓损伤脑-机接口复合想象动作事件相关去同步共空间模式支持向量机
分类号: R651.2
类　型: 硕士论文
年　份: 2012年
下　载: 1次
引　用: 0次
阅　读: 论文下载

内容摘要

近年来，脊髓损伤导致瘫痪的患者日渐增多，如何有效恢复和重建其肢体运动功能成为康复工程领域一个亟待解决的难题。基于想象动作范式的脑-机接口能够建立一种接近于原有损伤信道的人工神经通路，其内源性诱发响应作业模式可直接输出使用者的主观运动意识。相对于简单肢体想象动作，复合肢体想象动作反映了大脑各功能区相互整合和协同关系，更适于使用者的日常生活习惯，同时又可满足控制信息的大指令集输出，对脊髓损伤后肢体功能康复具有重要意义。为进一步探索手足复合肢体想象动作范式下的诱发脑电特征，本文设计了七类想象动作任务模式，包括左手、右手、双足、双手、左手右足、右手左足和静息状态。为考察训练过程对任务作业效果的影响，研究中分别设置了两个实验阶段：第一阶段10名受试者均未经过想象动作训练；第二阶段10名受试者均进行了一定时间的想象训练，其中6人参加过第一阶段实验。本文首先利用时频图谱、脑地形图和功率谱密度曲线定性分析了各想象动作模式诱发的事件相关去同步（ERD）特征的时频、能量特性以及脑区分布规律。针对关键导联的ERD值分析结果表明复合手足协同想象动作诱发的ERD特征要强于简单的手部或足部想象动作，并且经过训练之后各个想象动作诱发的ERD特征都得到了明显的增强。Fisher可分性分析结果证实训练之后动作模式间的差异性也得到了提高。文中尝试了CSP、GECSP、sTRCSP三种共空间模式算法，采用支持向量机实现了对七类手足想象动作任务模式的分类识别，分类结果表明，与其余两种共空间模式算法相比，sTRCSP具有一定的优越性，并且训练之后的脑电数据具有更高的分类正确率，其两分类最高正确率可达99%，七分类最高正确率可达84%。本文所设计多分类手足复合肢体想象动作范式及其脑电信号特征识别方法有望为想象动作型脑机接口指令集的有效拓展，进而实现脊髓损伤者“思想变成行动”的理想康复目标提供技术上的支持和帮助。

全文目录

摘要  3-4
ABSTRACT  4-8
第一章绪论  8-19
  1.1 研究背景  8-16
    1.1.1 脊髓损伤现状  8-11
    1.1.2 脊髓损伤后的康复措施  11-12
    1.1.3 脑-机接口  12-15
    1.1.4 复合肢体想象动作电位研究意义及其发展现状  15-16
  1.2 研究内容及章节安排  16-19
第二章复合肢体想象动作实验方案设计与数据预处理  19-30
  2.1 想象动作的事件相关去同步与同步化特征  19-22
    2.1.1 事件相关去同步与同步定义  19-20
    2.1.2 复合肢体想象动作下的事件相关去同步与同步化特征  20-22
  2.2 实验设计  22-26
    2.2.1 动作设计  22-23
    2.2.2 脑电采集系统  23-25
    2.2.3 实验方案  25-26
  2.3 数据预处理  26-30
    2.3.1 变参考  26-27
    2.3.2 去眼电  27-28
    2.3.3 空间滤波  28-30
第三章复合肢体想象动作特征分析  30-45
  3.1 想象动作 ERD 特征分析  30-41
    3.1.1 短时傅立叶变换  30-31
    3.1.2 时频图谱分析  31-33
    3.1.3 脑地形图及功率谱曲线分析  33-35
    3.1.4 ERD 值分析  35-38
    3.1.5 训练前后 ERD 值对比分析  38-41
  3.2 Fisher 可分性分析  41-45
    3.2.1 关键导联的 Fisher 分析  41-43
    3.2.2 训练前后关键导联 Fisher 值对比  43-45
第四章基于共空间模式的多模想象动作特征提取  45-55
  4.1 二分类共空间模式特征提取算法  45-50
    4.1.1 共空间模式 CSP  45-47
    4.1.2 基于广义特征值分解的共空间模式 GECSP  47-48
    4.1.3 平稳 Tikhonov 正则化共空间模式 sTRCSP  48-50
  4.2 多分类共空间模式特征提取算法  50-54
    4.2.1 多分类共空间模式 Multi-CSP  50-51
    4.2.2 Multi-GECSP 和 Multi-sTRCSP  51-54
  4.3 基于滤波器优化的单次特征提取技术  54-55
第五章复合肢体想象动作的分类识别  55-62
  5.1 支持向量机  55-58
    5.1.1 支持向量机原理  55-57
    5.1.2 多分类求解问题  57-58
  5.2 分类结果及对比分析  58-62
    5.2.1 二分类 3 种 CSP 对比  58-59
    5.2.2 多分类 3 种 CSP 对比  59-60
    5.2.3 训练前后动作模式间 2 分类结果分析  60-61
    5.2.4 训练前后多分类结果分析  61-62
第六章总结与展望  62-64
  6.1 工作总结  62
  6.2 未来展望  62-64
参考文献  64-68
发表论文和科研情况说明  68-69
致谢  69

基于复合肢体想象动作的脑电特征识别技术研究

内容摘要

全文目录

相似论文