收藏本站
《河北工业大学》 2016年
加入收藏

语言任务下脑电时频网络特征提取及在脑机接口中的应用

郭苗苗  
【摘要】:探索智能、意识的人脑机理,认识人的行为和情感,创新脑疾病诊断与治疗,以及类脑计算和智能机器人是二十一世纪科学的前沿领域。脑机接口和脑网络研究是该领域的重要研究内容。本文围绕人脑听觉脑电事件相关电位和语言任务信息加工的时频特征分析的科学问题,以脑机接口和脑网络技术为手段,将脑皮层标准电极和微电极相结合,以临床实验室数据为依据,系统研究了听觉认知和语言任务下脑电时频网络特征提取与分类方法,构建了动态的因效脑功能网络,分析了相关时频特征及网络性能,探索了大脑对听觉及语言信息加工的特点、动态处理过程及表征方法,为基于听觉与语言任务的脑机接口和脑网络研究提供了依据,对脑科学和认知神经科学研究具有重要的参考价值。主要的创新性研究工作有:1、在听觉事件相关电位的单次提取中,采用经验模态分解方法,并引入听觉脑电特征信号N2ac,有效地提高了信号分类精度和传输速率。设计听觉oddball刺激范式的脑机接口实验,采用经验模态分解及相关系数进行特征提取,并在传统事件相关电位N200、P300的基础上,引入N2ac信号进行二分类研究。结果表明经验模态分解能够有效提取单次实验事件相关电位;事件相关电位N2ac的引入,可以有效提高分类精度。2、利用脑皮层标准电极和微电极,将时域分析和频域分析相结合,研究高频(High gamma)特征信号在语言任务下脑功能的定位作用。采集被试音节朗读任务时的皮层脑电,比较多频段脑电的时频功率谱,探索了微电极与标准电极的激活状态,并与临床皮层电刺激结果做比较,结果表明发音前后High gamma(70-110Hz)功率显著升高,且可以用于语言区定位,并辅助临床癫痫手术的术前评估。3、对比分析了皮层脑电标准电极和微电极空间分辨率对分类结果的影响。提取被试进行音节朗读任务时,标准电极与微电极的High gamma频段幅值特征,比较标准电极、微电极以及二者结合时的分类正确率,结果发现微电极虽然空间分辨率高,但是电极位置会影响分类结果;两种电极的结合,能够获取全局以及局部脑电特征,可以显著提高分类正确率。4、基于复杂网络构建和分析方法,探索语言加工过程中脑信息流的动态处理过程,并对脑网络性能进行分析和评估。采用多尺度的皮层脑电,构建音节朗读任务时大脑语言区的时变动态有向网络连接,同时采用度中心度和特征向量中心度的方法衡量网络中节点的重要性,进一步辅助临床癫痫手术的术前评估。5、分别采用互相关和时变动态贝叶斯网络分析方法,对比分析网络连接特征在脑机接口中的应用。采用互相关和时变动态贝叶斯网络,分别衡量发音前后脑网络的功能连接与效应连接,进而采用网络连接特征进行分类研究,并与High gamma特征的分类结果进行对比。结果显示多数分类情况下时变动态贝叶斯网络连接系数的分类结果与High gamma的分类结果相一致,时变动态贝叶斯网络连接系数的分类结果要优于互相关系数。
【关键词】:脑机接口 皮层脑电 时频特征 语言区定位 脑网络
【学位授予单位】:河北工业大学
【学位级别】:博士
【学位授予年份】:2016
【分类号】:R318;TN911.7
【目录】:
  • 摘要4-6
  • ABSTRACT6-11
  • 第一章 绪论11-29
  • 1.1 课题研究背景11-12
  • 1.2 国内外主要研究现状12-27
  • 1.2.1 脑机接口12-16
  • 1.2.2 脑电信号采集16-20
  • 1.2.3 脑电信号特征提取方法20-21
  • 1.2.4 语言认知神经机制21-25
  • 1.2.5 脑网络25-27
  • 1.3 本文的主要研究内容27-29
  • 第二章 脑电信号的事件相关电位分析29-47
  • 2.1 引言29-30
  • 2.2 听觉脑机接口实验设计及信号采集30-33
  • 2.2.1 脑电信号的采集过程30-31
  • 2.2.2 听觉脑机接口实验设计31-33
  • 2.3 数据分析方法33-38
  • 2.3.1 数据预处理33
  • 2.3.2 经验模态分解33-35
  • 2.3.3 支持向量机35-38
  • 2.4 特征信号提取及分类结果38-46
  • 2.4.1 听觉刺激的平均响应38-40
  • 2.4.2 基于经验模态分解的特征提取40-41
  • 2.4.3 基于支持向量机的听觉脑机接口分类41-43
  • 2.4.4 听觉脑机接口信息传输率43-44
  • 2.4.5 结果分析与讨论44-46
  • 2.5 本章小结46-47
  • 第三章 多尺度皮层脑电时频特征分析及语言区定位47-63
  • 3.1 引言47
  • 3.2 实验设计与数据采集47-50
  • 3.2.1 被试47-49
  • 3.2.2 音节阅读实验设计49-50
  • 3.2.3 皮层脑电数据采集50
  • 3.3 时频特征提取方法50-53
  • 3.3.1 数据预处理50-51
  • 3.3.2 时频功率谱提取方法51-53
  • 3.4 皮层脑电时频分析结果与讨论53-62
  • 3.4.1 音节阅读任务的平均响应时间53-54
  • 3.4.2 基于多窗谱估计的时频功率谱分析54-57
  • 3.4.3 基于High gamma特征的语言运动区定位57-58
  • 3.4.4 不同类音节的高频响应58-60
  • 3.4.5 结果分析与讨论60-62
  • 3.5 本章小结62-63
  • 第四章 基于High gamma特征的音节分类63-77
  • 4.1 引言63-64
  • 4.2 皮层脑电信号采集及数据处理64-70
  • 4.2.1 被试及数据采集64-67
  • 4.2.2 基于希尔伯特变换的High gamma特征提取67-68
  • 4.2.3 特征选择与分类方法68-70
  • 4.3 特征提取及分类结果分析70-76
  • 4.3.1 High gamma特征可视化70-71
  • 4.3.2 基于方差分析的特征选择71
  • 4.3.3 基于High gamma特征的分类结果71-75
  • 4.3.4 结果分析与讨论75-76
  • 4.4 本章小结76-77
  • 第五章 时变动态贝叶斯网络模型及其在皮层脑电网络连接中的应用77-90
  • 5.1 引言77-78
  • 5.2 时变动态贝叶斯网络模型78-82
  • 5.2.1 时变动态贝叶斯网络78-80
  • 5.2.2 时变动态贝叶斯网络在脑网络中的应用80-82
  • 5.3 度中心度以及特征向量中心度分析82-83
  • 5.3.1 度中心度82-83
  • 5.3.2 特征向量中心度83
  • 5.4 时变动态网络构建及中心度分析83-89
  • 5.4.1 发音不同阶段的网络连接83-86
  • 5.4.2 不同类型音节发音阶段的网络连接86-87
  • 5.4.3 语言任务下脑网络度中心度分析87-88
  • 5.4.4 语言任务下脑网络特征向量中心度分析88-89
  • 5.5 本章小结89-90
  • 第六章 基于网络连接特征的音节分类90-106
  • 6.1 引言90
  • 6.2 网络连接特征提取及分类方法90-93
  • 6.2.1 数据预处理91
  • 6.2.2 互相关91-92
  • 6.2.3 时变动态贝叶斯网络92-93
  • 6.2.4 特征选择和分类方法93
  • 6.3 脑网络连接及分类结果93-105
  • 6.3.1 电极的选择93-94
  • 6.3.2 基于互相关的脑功能网络连接系数94-98
  • 6.3.3 基于时变动态贝叶斯网络的脑效应网络连接系数98-101
  • 6.3.4 基于线性判别分析的分类结果101-104
  • 6.3.5 结果分析与讨论104-105
  • 6.4 本章小结105-106
  • 第七章 总结与展望106-109
  • 7.1 全文工作总结106-107
  • 7.2 论文主要创新点107-108
  • 7.3 展望108-109
  • 参考文献109-120
  • 攻读博士学位期间所取得的相关科研成果120-122
  • 致谢122-123

【相似文献】
中国期刊全文数据库 前10条
1 陈伟;瞿晓;葛丁飞;;主观引导特征提取法在光谱识别中的应用[J];科技通报;2011年04期
2 张剑清,J.A.R.Blais;运用信息论进行特征提取[J];测绘学报;1990年03期
3 高湘萍;吴小培;沈谦;;基于脑电的意识活动特征提取与识别[J];安徽大学学报(自然科学版);2006年02期
4 杨丽梅;郭立红;;天空背景下飞行器结构特征提取的新方法[J];光学技术;2007年03期
5 陈振洲;邹丽珊;;核Foley-Sammon变换[J];广州大学学报(自然科学版);2007年04期
6 王江晴;万晨;;周边方向贡献度在脱机手写女书特征提取中的应用[J];中南民族大学学报(自然科学版);2010年03期
7 李华平;;基于多特征提取的识别算法数学建模优化研究[J];哈尔滨师范大学自然科学学报;2013年04期
8 张绍武;潘泉;赵春晖;程咏梅;;基于加权自相关函数特征提取法的多类蛋白质同源寡聚体分类研究[J];生物医学工程学杂志;2007年04期
9 呼声波;刘希玉;;网页分类中特征提取方法的比较与改进[J];山东师范大学学报(自然科学版);2008年03期
10 李乡儒;;光谱数据挖掘中的特征提取方法[J];天文学进展;2012年01期
中国重要会议论文全文数据库 前10条
1 尚修刚;蒋慰孙;;模糊特征提取新算法[A];1997中国控制与决策学术年会论文集[C];1997年
2 潘荣江;孟祥旭;杨承磊;王锐;;旋转体的几何特征提取方法[A];第一届建立和谐人机环境联合学术会议(HHME2005)论文集[C];2005年
3 薛燕;李建良;朱学芳;;人脸识别中特征提取的一种改进方法[A];第十三届全国图象图形学学术会议论文集[C];2006年
4 杜栓平;曹正良;;时间—频率域特征提取及其应用[A];2005年全国水声学学术会议论文集[C];2005年
5 黄先锋;韩传久;陈旭;周剑军;;运动目标的分割与特征提取[A];全国第二届信号处理与应用学术会议专刊[C];2008年
6 魏明果;;方言比较的特征提取与矩阵分析[A];2009系统仿真技术及其应用学术会议论文集[C];2009年
7 林土胜;赖声礼;;视网膜血管特征提取的拆支跟踪法[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年
8 秦建玲;李军;;基于核的主成分分析的特征提取方法与样本筛选[A];2005年中国机械工程学会年会论文集[C];2005年
9 刘红;陈光;宋国明;姜书艳;;模拟电路故障诊断中的特征提取方法[A];2008中国仪器仪表与测控技术进展大会论文集(Ⅰ)[C];2008年
10 杜栓平;丁烽;杨华;;基于小波系数聚类的特征提取器[A];中国声学学会2002年全国声学学术会议论文集[C];2002年
中国博士学位论文全文数据库 前10条
1 易军;人脸识别中的特征提取与度量学习算法研究[D];北京邮电大学;2015年
2 段佳;SAR/ISAR目标电磁特征提取及应用研究[D];西安电子科技大学;2015年
3 冯博;雷达高分辨距离像特征提取与识别方法研究[D];西安电子科技大学;2015年
4 陈斌;连续语音识别特征提取与声学模型训练区分性技术研究[D];解放军信息工程大学;2015年
5 熊庆;列车滚动轴承振动信号的特征提取及诊断方法研究[D];西南交通大学;2015年
6 陈超;复杂光照条件下的人脸识别方法研究[D];浙江大学;2016年
7 魏峰;高光谱遥感数据特征提取与特征选择方法研究[D];西北工业大学;2015年
8 王玉静;滚动轴承振动信号特征提取与状态评估方法研究[D];哈尔滨工业大学;2015年
9 苗捷;时空特征提取方法研究[D];华南理工大学;2016年
10 谭文学;基于机器学习的作物病害图像处理及病变识别方法研究[D];北京工业大学;2016年
中国硕士学位论文全文数据库 前10条
1 韩晓爽;基于激光诱导荧光光谱的油种识别方法研究[D];内蒙古大学;2015年
2 袁芳兵;基于SVM的GSM系统上行干扰判定研究[D];华南理工大学;2015年
3 汤鹏;基于LDA的特征提取及其在人脸识别中的应用[D];河北大学;2015年
4 安磊磊;基于改进PCA和LDA的特征提取方法[D];河北大学;2015年
5 代士超;滚动轴承外圈故障机理建模及双冲击特征提取方法的研究[D];昆明理工大学;2015年
6 王瑞琦;太赫兹光谱降维特征提取及分类方法研究[D];昆明理工大学;2015年
7 江海;心音信号特征提取及分类研究[D];昆明理工大学;2015年
8 董秀青;面向协同过滤的推荐攻击特征提取及检测方法[D];燕山大学;2015年
9 井波;基于EEMD的高速列车安全性态数据的特征研究[D];西南交通大学;2015年
10 梁致汉;基于EEG的脑机接口技术研究与实现[D];天津理工大学;2015年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026