基于粗集理論和Informax ICA的聽(tīng)、視覺(jué)誘發(fā)電位提取算法研究.pdf

1、誘發(fā)電位是中樞神經(jīng)系統(tǒng)對(duì)外界刺激做出的電反應(yīng)。它所包含的信息對(duì)評(píng)價(jià)人體神經(jīng)功能、診斷神經(jīng)系統(tǒng)疾病等方面具有重要的意義。誘發(fā)電位具有微弱、強(qiáng)非線(xiàn)性、強(qiáng)耦合性、信噪比低等特征，從強(qiáng)干擾環(huán)境中提取0.1uV的聽(tīng)、視覺(jué)誘發(fā)電位信號(hào)成為國(guó)內(nèi)外研究的前沿課題。目前，臨床上廣泛使用的是平均疊加技術(shù)，它雖然簡(jiǎn)單方便，但是需要測(cè)試多次，測(cè)試者易疲勞;且丟失大量的動(dòng)態(tài)信息無(wú)法準(zhǔn)確描述誘發(fā)電位的動(dòng)態(tài)特性。隨著生理信號(hào)領(lǐng)域多年的不斷發(fā)展，多種不同算法被深入研究

2、用來(lái)提取誘發(fā)電位。小波閾值去噪法、建立人工神經(jīng)網(wǎng)絡(luò)非線(xiàn)性逼近誘發(fā)電位模型、分離信噪比高的獨(dú)成分分析算法，小波變換和獨(dú)立成分分析結(jié)合的WICA算法、小波結(jié)合神經(jīng)網(wǎng)絡(luò)算法等。
　　本文重點(diǎn)研究了運(yùn)用粗集理論與Informax ICA相結(jié)合的方法來(lái)提取腦干聽(tīng)覺(jué)誘發(fā)電位和翻轉(zhuǎn)模式視覺(jué)誘發(fā)電位。采集的誘發(fā)電位信噪比低，含有很多頻率高于誘發(fā)電位和與誘發(fā)電位頻帶相同并混合重疊的強(qiáng)噪聲信號(hào)。針對(duì)Informax ICA無(wú)法有效地提取低信噪比信號(hào)的

3、缺陷，本文提出先將采集信號(hào)進(jìn)行粗集理論預(yù)處理，提高誘發(fā)電位信噪比，預(yù)處理后信號(hào)通過(guò)Informax ICA算法分離出頻帶相互重疊的誘發(fā)電位和噪聲，提取得到誘發(fā)電位波形。信號(hào)預(yù)處理時(shí)，根據(jù)聽(tīng)、視覺(jué)誘發(fā)電位各自波形的特征，將極點(diǎn)時(shí)間間隔閾值TM2分別設(shè)置為0.45ms、0.69ms來(lái)去除部分高頻噪聲。通過(guò)分析粗集預(yù)處理后信號(hào)的頻譜、功率譜密度估計(jì)、信噪比、均方差等參數(shù)，并且與平均疊加預(yù)處理的信號(hào)相比較可知，粗集理論比平均疊加技術(shù)更有效的去除

4、腦干聽(tīng)覺(jué)誘發(fā)電位和翻轉(zhuǎn)模式視覺(jué)誘發(fā)電位中的高頻噪聲，提高信噪比。最后將基于粗集理論和InformaxICA相結(jié)合算法提取的誘發(fā)電位波形分別與平均疊加技術(shù)提取的波形、Informax ICA提取的波形進(jìn)行對(duì)比。分析、對(duì)比三種算法分別提取的腦干聽(tīng)覺(jué)誘發(fā)波形的Ⅰ-Ⅲ、Ⅲ-Ⅳ/Ⅴ、Ⅰ-Ⅳ/Ⅴ峰間潛伏期和翻轉(zhuǎn)模式視覺(jué)誘發(fā)電位的P100波出現(xiàn)時(shí)間，基于粗集理論和Informax ICA相結(jié)合的方法能夠更真實(shí)、有效地提取到腦干聽(tīng)覺(jué)誘發(fā)波形和翻轉(zhuǎn)模式視