腦電信號(hào)特征分析與針灸鎮(zhèn)痛關(guān)聯(lián)性研究.pdf

1、腦電信號(hào)(EEG)包含了大量的生理信息，對(duì)其作深入的研究不僅僅有助于提高對(duì)大腦神經(jīng)系統(tǒng)的了解，更可以通過(guò)對(duì)腦電信號(hào)的分析，來(lái)驗(yàn)證各種治療的效果，所以腦電圖檢查在臨床診斷中起著越來(lái)越重要的作用。
　　 目前對(duì)腦電信號(hào)進(jìn)行去噪處理和特征提取的研究已經(jīng)越來(lái)越廣泛，現(xiàn)有的研究認(rèn)為大腦活動(dòng)及腦電圖均具有非線性的特征。對(duì)腦電圖的非線性動(dòng)力學(xué)分析可能提供一種新的方法，來(lái)研究生理和病理狀態(tài)下的大腦動(dòng)力學(xué)變化情況。本文在人體誘發(fā)疼痛刺激實(shí)驗(yàn)基礎(chǔ)上

2、，設(shè)計(jì)不同模式的電刺激鎮(zhèn)痛實(shí)驗(yàn)，從非線性動(dòng)力學(xué)的觀點(diǎn)研究針灸鎮(zhèn)痛過(guò)程中腦電信號(hào)的特征變化，從全新的角度探討針刺對(duì)鎮(zhèn)痛治療的可能作用機(jī)理，為針灸鎮(zhèn)痛臨床應(yīng)用提供可視性理論依據(jù)。
　　 本文主要從腦電信號(hào)的去噪和特征提取兩方面進(jìn)行展開，我們采用了傳統(tǒng)的信號(hào)處理方法分析來(lái)對(duì)腦電信號(hào)進(jìn)行去噪處理，根據(jù)其缺陷進(jìn)行了一定的改進(jìn)，提出了一種自動(dòng)化的去噪運(yùn)算方法，并采用了兩種經(jīng)典的信號(hào)處理方法對(duì)腦電信號(hào)進(jìn)行了特征提取，具體工作如下：
　　

3、 首先，我們深入了解腦電信號(hào)的特點(diǎn)，概述腦電信號(hào)的生理科學(xué)意義，以及腦電信號(hào)的采樣方法和流程。簡(jiǎn)要介紹本文中所采用實(shí)驗(yàn)的框架和流程?；谀X電的非線性特征，非線性動(dòng)力學(xué)分析方法又被選取作為主要的分析手段。通過(guò)對(duì)非線性動(dòng)力學(xué)各參數(shù)的進(jìn)一步了解，我們最后選取了近似熵(ApEn)和KC復(fù)雜度作為大腦活動(dòng)性的指標(biāo)，用以反映大腦的復(fù)雜度。
　　 然后我們先采用經(jīng)驗(yàn)?zāi)Ｊ降姆绞?，?duì)連續(xù)的腦電信號(hào)進(jìn)行截取并深入研究獨(dú)立分量分析(ICA)算法，探

4、討ICA算法對(duì)腦電信號(hào)進(jìn)行預(yù)處理的可行性。ICA通過(guò)對(duì)非高斯分布數(shù)據(jù)進(jìn)行有效表示，獲得在統(tǒng)計(jì)學(xué)上獨(dú)立的各個(gè)分量，通過(guò)對(duì)噪聲分量的去除以及信號(hào)分量的重構(gòu)，實(shí)現(xiàn)對(duì)噪聲和偽跡的去除。針對(duì)目前信號(hào)分解后噪聲分量的處理尚停留在目測(cè)去除和人工識(shí)別階段，耗時(shí)嚴(yán)重以及準(zhǔn)確度差的不足，本文提出了一種基于獨(dú)立分量分析的KC復(fù)雜度自動(dòng)閾值算法，這種算法很好地解決了這個(gè)問(wèn)題，我們計(jì)算分解后各分量的KC復(fù)雜度值，對(duì)得到的值進(jìn)行閾值處理，將閾值以下的信號(hào)判別為噪聲