基于稀疏分量分析的欠定盲源分离用于表面肌电信号分解

目的解决表面肌电分解中电极数小于肌电源信号而产生的欠定问题,针对盲源分离求解欠定混合方程进行研究。方法首先采用匹配追踪(MP)算法将肌电信号稀疏化,再利用空间退化与Hough变换法估计聚类轴并求解混合矩阵,最后通过模板匹配法完成对运动单位动作电位(MUAP)波形的分类。结果从较少的观测信号中获得源信号的估计值,并得到MUAP的波形和发放间隔(IPI)信息。结论本文采用的方法对表面肌电信号的分解是有效的,且具有较好的分离效果。     

多复指数模型及其在EEG数据分析中的应用

由头皮上电极所记录下的EEG信号是大脑中各种电活动,尤其是神经元电活动,互相耦合而产生的电位变化的整体反映。有一种看法认为,表面看来随机、无规则的EEG信号,实际上它的变化只是由少量几个动力学参量控制着的非线性过程。根据这个假定,我们提出使用多复指数(MCE)模型来描述EEG信号的想法。文中首先简要地介绍了用来估计时序信号MCE模型参数的非调和Fourier展开算法(NHFE)的基本思想。然后,对一个叠加有白噪声、具有4个频率成分的模拟信号,用NHFE算法估计出其MCE模型参数,并把所得的结果与用经典的周期图谱分析方法、AR模型谱分析方法所得到的信号频谱作了比较。结果表明,在SNR高的条件下,NHFE算法所估计出的模型参数能更客观地反映信号的固有特性。基于目前的有关EEG形成的假设,应用MCE模型来描述EEG将更能反映出其特征。因此,我们对MCE模型及其参数在EEG数据分析中的几种可能应用作了初步尝试。这些应用包括:EEG信号段(或一段诱发电位,或一段事件关联电位)的特征参数的提取,这些特征参数包括优势频率值、独立的频率成分个数、幅度值、正负衰减指数的个数、频带宽度与幅度乘积(能量);EEG的频率调制特性的粗略描述等。从而看到了用通常信号分析方法所看不到的EEG信号中所反映的大脑活动的变化。由于用MCE模型及其参数来描述EEG的方法更符合目前关于大脑非线性动力学行为的假设,所以这一方法将是表示EEG信号的有效途径之一。另外,MCE模型方法在EEG信号的模拟研究与数据压缩等方面也将是有用的。文中还讨论了NHFE算法应用中的一些问题。     

基于SEONS算法的表面肌电信号分解方法研究

目的 探讨表面肌电信号(sEMG)的分解问题,以检测神经肌肉系统的运动单位发放的信息.方法 采用二阶非平稳源分离(SEONS)算法以及FastICA方法对肌肉轻度收缩情况(10% MVC)的sEMG进行分解研究,并对分离信号中的运动单位动作电位波形进行检测判断. 结果两种方法均能较有效地提取隐含在sEMG信号中的运动单位发放信息,但由于sEMG信号是一种复杂的非平稳信号,两种方法的分离结果存在一定的差异性. 结论 SEONS算法从非平稳性的角度来考虑信号的盲源分离问题,较符合sEMG信号的非平稳特征,因而可应用于sEMG信号的分解研究.     

基于模糊神经网络的自适应噪声消除方法在视觉诱发电位提取中的应用

目的本文旨在提取淹没在强背景噪声自发脑电信号(EEG)中的视觉诱发脑电信号。方法通过设计合适的自适应模糊神经网络(ANFIS),对视觉诱发脑电信号进行建模,从而采用自适应噪声消除方法滤除干扰信号,提取出视觉诱发脑电信号。结果经与目前临床通用的相干平均法比较,在波形整体和P100潜伏期的提取上,效果显著。结论基于ANFIS的自适应噪声消除方法可有效的用于诱发脑电信号VEP的检测。     

多路独立人体阻抗测量和信号分析

目的：测量多路阻抗信号，使用分解多路阻抗信号信源分析阻抗信号。方法：本文提出的阻抗测量系统采用独立电流源设计，可以同时采集多路阻抗信号。使用基于锁相环的相敏相干检测技术，可以直接得到阻抗信号的幅度变化。利用奇异值分解方法分解胸部阻抗信号，得到产生阻抗变化的源信号－心、肺阻抗信号。然后把经过频谱甄别的源信号重新投影在测量电极位置上。结果：对系统实测得到的阻抗信号成功地进行了分解和投影处理，取得了较好的结果。结论:多路阻抗系统能够提供单导测量系统无法提供的信息。在阻抗信号分析具有良好应用价值。     

成人烟雾病脑血流重建手术中不同亚型患者皮层脑电信号特征差异分析

目的 研究不同类型、不同难度的认知任务组合情况下,脑力负荷变化情况的精细表征。方法 设计一种基于逻辑运算、工作记忆和运动执行的脑力负荷诱发范式,利用该范式开展24名男性参试者参与的实验,采集参试者主观量表评分、任务绩效和脑电图（EEG）信号,并计算EEG信号多个频带的功率特征。结果 主观量表和任务绩效分析表明,计算难度、N-back 等级均能诱发出不同等级的脑力负荷;EEG信号分析表明,脑力负荷的增加伴随着前额叶theta 波增强和 alpha 波的减弱;利用支持向量机（SVM）构建脑力负荷分类模型,能实现平均75%单因素三分类正确率和81.7%的脑力负荷三分类正确率;利用逐步回归模型可实现对脑力负荷的预测。结论 EEG信号的频域特征能够反映多因素认知任务的脑力负荷变化情况,可以对认知因素水平和脑力负荷进行分类和连续预测。     

基于EEG的多因素认知任务脑力负荷研究

目的研究不同类型、不同难度的认知任务组合情况下,脑力负荷变化情况的精细表征。方法设计一种基于逻辑运算、工作记忆和运动执行的脑力负荷诱发范式,利用该范式开展24名男性受试者参与的实验,采集受试者主观量表评分、任务绩效和脑电图(EEG)信号,并计算EEG信号多个频带的功率特征。结果主观量表和任务绩效分析表明,计算难度、N-back等级均能诱发出不同等级的脑力负荷;EEG信号分析表明,脑力负荷的增加伴随着前额叶theta波增强和alpha波的减弱;利用支持向量机(SVM)构建脑力负荷分类模型,能实现平均75%单因素三分类正确率和81.7%的脑力负荷三分类正确率;利用逐步回归模型可实现对脑力负荷的预测。结论 EEG信号的频域特征能够反映多因素认知任务的脑力负荷变化情况,可以对认知因素水平和脑力负荷进行分类和连续预测。     

基于匹配实测表面肌电信号的模型参数辨识

目的 通过对仿真与真实表面肌电信号(sEMG)的波形匹配以及肌疲劳现象的分析,研究sEMG信号的模型参数辨识问题. 方法 在运动单位仿真的基础上,引入神经激励对运动单位的募集和发放控制特性,建立了一个较为完善的sEMG信号生理学模型.利用调整模型相关生理参数使仿真与真实sEMG信号的运动单位动作电位(MUAP)波形相匹配的方法,实现对模型参数进行估计,通过调节肌纤维传导速度(MFCV)使仿真与真实sEMG信号的平均频率(MNF)及中值频率(MDF)拟合直线趋势相似的方法,研究肌肉的疲劳现象及其机理. 结果 适当调节sEMG信号模型参数可使仿真信号波形逼近真实sEMG信号波形,各个肌纤维的MFCV在模拟恒力持续收缩过程中减小时,仿真信号的MNF和MDF拟合直线呈下降趋势. 结论 采用模型方法能够实现仿真与真实sEMG信号波形的良好匹配,并能够有效地表达肌肉的疲劳过程,可应用于肌电信号相关领域的研究.     

脑卒中后功能网络的独立成分分析研究进展

卒中是危害中老年健康和生命的主要疾病之一,多伴随运动功能障碍、言语障碍及认知障碍等,严重影响其预后及生活质量。ICA作为一种盲源分离技术,近年来常用于脑血管病的脑网络分析,通过分析多维观测数据间的高阶相关性,在源信号和混合矩阵均未知的情况下,找出相互独立的隐含信息成分,完成独立源信号的提取,为卒中患者的脑网络损伤提供了更有力客观的神经影像学方法。本文总结近年来ICA在卒中后偏瘫、言语障碍、认知障碍等方面的研究进展,而卒中患者功能异常往往有着脑网络水平的损伤的致病原因,后续康复和临床研究需要多加考虑相应的因素。     

基于脑电近似熵分析的麻醉深度监测研究

目的 通过对麻醉状态下脑电(EEG)的近似熵(ApEn)分析,寻找适用于临床手术的麻醉深度实时监测参数。方法 对SD大鼠在不同麻醉深度下提取的脑电(EEG)信号进行近似熵分析。结果 EEG的近似熵随麻醉深度的加深而减少,反之亦然。文中还对近似熵与Lempel-Ziv复杂度C(n)在麻醉深度监测上的效果进行了对比分析。结论 近似熵算法简单、计算所需数据序列短、抗干扰强,因此对脑电信号进行近似熵动态分析为临床麻醉深度监测提供了一个新的方法。