期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
基于脑功能网络分析的孤独症儿童辅助干预效果研究 被引量:3
1
作者 李昕 王欣 +2 位作者 安占周 蔡二娟 康健楠 《自动化学报》 EI CAS CSCD 北大核心 2021年第11期2654-2663,共10页
脑功能网络是分析复杂网络之间连接关系的一种有效方法,对脑功能障碍分析具有重要意义.本文基于频域Granger因果分析的定向传递函数(Direction-transfer function,DTF),构建了各频段的脑功能网络.采用图论方法分析最佳阈值下经颅直流电... 脑功能网络是分析复杂网络之间连接关系的一种有效方法,对脑功能障碍分析具有重要意义.本文基于频域Granger因果分析的定向传递函数(Direction-transfer function,DTF),构建了各频段的脑功能网络.采用图论方法分析最佳阈值下经颅直流电刺激(Transcranial direct current stimulation,tDCS)干预前后孤独症(Autism spectrum disorder,ASD)儿童脑网络的平均度、全局效率和平均局部效率等特征,并对比了经颅直流电刺激对孤独症儿童脑功能状态辅助干预效果.结果发现刺激前组在各频段的图论特征均低于刺激后组(P<0.05),其中Theta频段和低-beta频段的局部效率统计性差异显著,表明在一定程度上tDCS干预是ASD儿童治疗的有效手段. 展开更多
关键词 孤独症 经颅直流电刺激 脑功能网络 定向传递函数
下载PDF
基于多重多尺度熵的孤独症静息态脑电信号分析 被引量:3
2
作者 李昕 安占周 +2 位作者 李秋月 蔡二娟 王欣 《自动化学报》 EI CSCD 北大核心 2020年第6期1255-1263,共9页
面向孤独症儿童脑功能状态评估问题,提出一种多重多尺度熵脑电特征提取算法.算法针对传统多尺度熵信息丢失问题,在移动均值粗粒化基础上,采用延搁取值法构建多个尺度上的多重脑电信号序列,再进一步计算各个尺度的样本熵.算法不仅克服了... 面向孤独症儿童脑功能状态评估问题,提出一种多重多尺度熵脑电特征提取算法.算法针对传统多尺度熵信息丢失问题,在移动均值粗粒化基础上,采用延搁取值法构建多个尺度上的多重脑电信号序列,再进一步计算各个尺度的样本熵.算法不仅克服了传统多尺度熵的信息丢失问题,还能充分挖掘脑电信号的细节信息,同时减小了尺度间的波动.基于该算法分析了16名孤独症儿童和16名正常儿童的19个通道的脑电信号.结果表明:正常儿童F7、F8、T4、P3通道的多重多尺度熵和复杂度均高于孤独症儿童,且存在显著性差异(P<0.05).表明前颞叶(F7、F8)可以作为孤独症儿童脑功能状态评估的敏感脑区,T4、P3可以作为辅助干预的敏感通道. 展开更多
关键词 孤独症 静息态脑电信号 多重多尺度熵 复杂度
下载PDF
基于脑电反馈训练改善轻度认知功能障碍综合症的脑功能状态研究 被引量:3
3
作者 李向东 安占周 +5 位作者 王佳名 李宏兵 马峥 曹凯 张晓红 李昕 《高技术通讯》 EI CAS 北大核心 2019年第8期816-822,共7页
阿尔茨海默病(AD)作为典型的脑功能障碍性疾病,严重影响患者的工作与生活。轻度认知功能障碍综合症(MCI)作为阿尔茨海默病的前期症状,对其干预治疗对延缓病情具有重要作用。本文基于记忆力障碍训练仪中的意念力游戏训练系统对20名确诊... 阿尔茨海默病(AD)作为典型的脑功能障碍性疾病,严重影响患者的工作与生活。轻度认知功能障碍综合症(MCI)作为阿尔茨海默病的前期症状,对其干预治疗对延缓病情具有重要作用。本文基于记忆力障碍训练仪中的意念力游戏训练系统对20名确诊的轻度认知功能障碍患者进行干预治疗,采集其脑电信号,提取并分析近似熵和相干性两种脑电特征。结果表明:两个疗程干预后的脑电信号近似熵与相干性均高于干预前,且除近似熵的F3、F8通道和相干性的F3-F4和T3-T4两组对应通道外,其余均具有显著性差异( P < 0.05)。由此得出记忆力障碍训练仪对轻度认知障碍的干预训练增大了脑电近似熵与对应通道相干性,提高了脑电复杂性,增强了脑电信号(EEG)同步性,能够改善轻度认知障碍症状,且具有显著效果的结论。 展开更多
关键词 阿尔茨海默病(AD) 轻度认知功能障碍综合症(MCI) 脑电信号(EEG) 近似熵(ApEn) 相干性
下载PDF
加权多重多尺度熵及其在孤独症儿童脑电信号分析中的应用 被引量:4
4
作者 李昕 安占周 +3 位作者 李秋月 史春燕 张洁 康健楠 《生物医学工程学杂志》 EI CAS CSCD 北大核心 2019年第1期33-39,49,共8页
本文针对传统多尺度熵在多尺度化过程中信息丢失问题,提出一种加权多重多尺度熵特征提取算法。该算法在各尺度上构建了从大到小的多重数据序列,考虑多重数据序列对该尺度样本熵的贡献程度不同,计算各个序列在该尺度序列中所占比重,以此... 本文针对传统多尺度熵在多尺度化过程中信息丢失问题,提出一种加权多重多尺度熵特征提取算法。该算法在各尺度上构建了从大到小的多重数据序列,考虑多重数据序列对该尺度样本熵的贡献程度不同,计算各个序列在该尺度序列中所占比重,以此作为系数重构各尺度样本熵。相比于传统多尺度熵算法,该算法不但克服了信息丢失问题,还充分考虑了序列的相关性与对总熵值的贡献程度,减小了尺度间的波动,更能挖掘脑电信号的细节信息。基于该算法,本文分析了孤独症(ASD)儿童脑电信号特征,与样本熵、传统多尺度熵及延搁取值法多重多尺度熵算法比较,分类准确率分别提高了23.0%、10.4%与6.4%。基于该算法对比分析孤独症儿童与对照组健康儿童的19通道脑电信号,结果表明除FP2通道外,其余通道的熵值均显示健康儿童略高于孤独症儿童,且F3、F7、F8、C3、P3通道的熵值差异具有统计学意义(P<0.05)。本文通过对各个脑区加权多重多尺度熵进行分类,发现前颞叶区域通道(F7、F8)的分类准确率最高,表明前颞叶可以作为评估孤独症儿童脑功能状态的敏感脑区。 展开更多
关键词 孤独症 脑电信号 样本熵 加权多重多尺度熵
原文传递
上一页 1 下一页 到第
使用帮助 返回顶部