静息脑电信号频域不对称指数特征识别算法

以实验的方式针对静息脑电信号的频域不对称指数(SASI)进行研究,通过图片诱发被实验者产生正性情绪、中性情绪和负性情绪,并将其脑电信号采集到一起,对采集到的脑电信号的后期正电位段进行处理分析,得到不同脑区在处于正性情绪、中性情绪和负性情绪时产生的不对称指数。实验研究结果表明,相对于中性情绪,实验者处于负性情绪时的静息脑电信号SASI值更大,实验者处于正性情绪时则更小,这一点在实验者的左颞区、右颞区和枕叶区有明显的表现。该研究对于提高识别情绪特征的准确率有重要意义。

基于多重多尺度熵的孤独症静息态脑电信号分析

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.

基于HFD和LZC特征联合的单通道静息态脑电抑郁症识别研究

目前抑郁症的临床诊断多以医生经验和患者主观感受为主,主观性强、准确率低、耗时长。随着神经电生理学和计算机技术的发展,抑郁症的客观分类与识别成为可能。但是,已有的基于静息态脑电信号的抑郁症分类识别方法较为单一,脑电特征选取的精准性、综合性和有效性有待进一步探究。本文在设计包含两种模态实验范式的基础上,提出一种基于HFD和LZC特征联合的单通道静息态脑电抑郁症分类识别方法,以期用较少的特征获得较高的分类准确率。首先采集8名抑郁患者和8名健康对照的静息态脑电信号;然后提取其非线性动力学特征参数HFD和LZC;最后将特征数据输入到非线性支持向量机模型中进行分类识别。结果表明,联合特征得到的灵敏度、特异性和分类正确率最高分别为98.12%、96.67%和95.10%,较单独HFD/LZC特征平均分别提高了23.05%、17.02%和19.29%。同时,模型主体部分仅耗时约12 s。研究结果对临床实践中抑郁症的识别和辅助诊断具有重要意义。