應用分類方法處理事件相關電位的研究.pdf_第1頁
已閱讀1頁,還剩135頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領

文檔簡介

1、事件相關電位是通過被賦予特定意義的給定刺激作用于感覺系統(tǒng)或腦的某一部位,在腦區(qū)引起的電位變化。事件相關電位包含多種成分,不同的成分被認為源自不同的腦區(qū),具有不同的生理、心理或認知含義。事件相關電位已在各種相關學科中得到了廣泛應用。提取事件相關電位是應用事件相關電位的前提。常用的提取方法是疊加平均法。疊加平均法要求同一實驗重復好幾十遍,被試容易產(chǎn)生疲勞,不利于實驗開展。而且,疊加平均法不能提取單個實驗的事件相關電位,無法觀察事件相關電位在

2、實驗間的變化。關于事件相關電位的研究與應用提出了從單次實驗腦電圖中提取事件相關電位的需求。
   針對從單次實驗腦電圖中提取事件相關電位的問題,本文提出了一個基于分類的框架。該框架的基本思想是:在一個被試的腦電圖上訓練得到的分類模型包含著該被試背景腦電的特性,以這樣的分類模型為基礎可構造出一個優(yōu)化模型,這樣可把從單次實驗腦電圖中提取事件相關電位的問題轉(zhuǎn)化為求解優(yōu)化模型的問題。本文接著用logistic回歸實例化了這一優(yōu)化模型中的

3、分類模型,從而得到了一個可計算的優(yōu)化模型,稱之為基于logistic回歸的優(yōu)化模型。在事件相關電位提取的特定背景下,本文對基于logistic回歸的優(yōu)化模型進行了綜合分析,提出并證明了若干命題,以這些命題為基礎推導出了專門用于從單次實驗腦電圖中提取事件相關電位的SingleTrialEM算法。本文設計了三個模擬測試和一個認知測試,讓隨機選取的被試參與了這些測試。測試結果表明SingleTrialEM算法是有效的。
   事件相關

4、電位被廣泛用于各種人類認知研究和臨床評估中,依靠事件相關電位測謊是一個典型的例子。除了測謊之外,事件相關電位還被用于判定注意力差異、精神分裂癥、認知障礙、智能障礙等。諸如此類的應用,都需要對事件相關電位分類。
   本文概述了事件相關電位的分類問題,內(nèi)容包括事件相關電位分類的應用、事件相關電位分類的一般做法、事件相關電位的特征提取方法、分類器的訓練與使用等,并給出了一個驗證所有環(huán)節(jié)的事件相關電位分類實驗。事件相關電位是非常高維的

5、數(shù)據(jù),其中包含著非常多的與分類無關的信息,提取事件相關電位的特征向量是事件相關電位分類中非常重要的工作。本文提出了專門針對事件相關電位分類問題的時空特征提取方法,該方法同時考慮了事件相關電位的空間差異性和時間特性,在對比實驗中表現(xiàn)良好。
   本文的工作可簡單概括為,提出了基于分類的單實驗事件相關電位提取方法和專門用于事件相關電位分類的時空特征提取方法,基于分類的單實驗事件相關電位提取方法的核心是SingleTriaueM算法。

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論