脑卒中的脑电信号特征提取研究

来源 :杭州电子科技大学 | 被引量 : 0次 | 上传用户:shanwq1983
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
脑电是卒中康复研究中新兴的比较有效的手段,也是卒中康复研究中的热点。基于运动想象的脑机接口(MI-BCI)技术在卒中康复中的应用是近年来脑卒中运动功能康复的一个新的方法。运动想象是运动功能状态的一种特殊存在方式,它在运动记忆中,并依照中枢运动控制的原则,能够激活运动记忆但没有明显的运动输出。运动想象作为一种激活运动神经网络的方法,能够运用在中风后的任一阶段来辅助治疗,以达到改善中风患者的运动功能的目的。但是目前的研究和临床研究中关于脑卒中病变对运动想象的神经机制的影响尚没有一个统一的定论。本文重点研究了脑卒中患者执行运动想象认知任务时脑电的脑地形图和脑效应网络两项特征来揭示脑卒中对运动想象神经机制的影响。针对脑地形图的研究,本文主要做了两方面的工作,一方面根据全局场能量得到刺激编码阶段能量取得波峰时刻的地形图,分析刺激编码阶段的皮层活跃模式;另一方面提取脑卒中患者组和正常对照组在运动想象认知过程各个子阶段每种刺激下的脑地形图,提出了一种基于异步脑地形图矢量空间夹角法的分类方法,并通过计算得到脑卒中患者组和正常对照组各个阶段的组平均的脑地形图。结果表明卒中患者心理旋转和反应执行阶段患侧顶叶以及和运动相关的区域活跃程度的降低与缺失,导致卒中患者的空间认知能力下降,并在反应执行阶段表现为大脑活跃为健侧半球主导。在脑效应网络的研究中,提出一种基于自适应定向传输功能的动态因果关系模型,并构建了心理旋转认知过程各子阶段的脑效应网络,根据网络的各项属性来研究脑卒中患者组与正常对照组的差异。结果表明,受卒中病灶的影响,脑卒中患者组的效应连接强度降低,并且在刺激编码阶段,正常对照组符合枕叶、额叶、顶叶依次激活的皮层活跃模式;而脑卒中组的额叶和左侧顶叶区域活跃缺失,右颞叶处激活。本文对选择的两项脑电特性进行了深入的研究。脑地形图可以直观的看出在运动想象心理旋转认知过程每个阶段的大脑活跃情况;在脑效应网络研究中,使用动态因果关系计算的节点的效应连接可以反映不同脑区之间的信息传递情况,从网络的角度衡量大脑的活跃模式,方法比较新颖。这两项特征的研究对后期的卒中康复与康复评价研究有一定的实用价值。
其他文献
作为一种生物认证识别技术,说话人识别技术具有远程控制的独特优势,在互联网发展日新月异的今天拥有非常广泛的应用前景。近年来出现的说话人识别主流方法如GMM-SVM, JFA 和
随着网络规模的日益扩大,网络上经常会出现偏离正常网络行为的异常流量。这些异常流量不仅会造成网络性能下降,更严重的会造成网络瘫痪。因此,如何在大规模网络环境下进行网
面向主题是数据仓库的特征之一,面向主题是指数据仓库中的数据是按照主题进行组织的,合理地选取主题是数据仓库设计成功的前提条件。没有正确、合理的主题,就无法合理地组织
无论何时,人们都希望在第一时间得到问题的答案。为此,自动问答一直是人工智能和自然语言处理领域中一个倍受关注并具有广泛发展前景的研究方向。随着硬件的强有力支持,以及
伴随着互联网的高速发展,视频数据高效、实时的传输,需要按照一定的视频压缩标准进行编码。运动估计作为视频编码过程中的核心步骤之一,其优劣程度直接关系到视频压缩编码的效率
在计算机图形学领域里,自然景物的模拟是一个重要的研究课题,它在虚拟现实,计算机游戏、影视、广告、视景仿真等领域中有着广泛的应用。在自然景物的模拟中,水的模拟是比较重
随着多媒体与互联网技术迅猛发展,基于内容的图像检索受到广泛关注。然而早期的基于内容图像检索仅仅利用图像的颜色、纹理、形状等特征信息进行图像间相似性判定而无法有效
随着互联网时代的到来,企业数据爆发式增长。如何更好地支持海量数据的存储、分析,已经成为企业关注的重要问题。数据仓库是用来存储、分析海量数据的重要工具。传统关系型数
图像分割是计算机视觉领域的重要组成部分,多相图像分割的技术就是根据图像自身的特征诸如强度、纹理、色彩以及光流场等信息将图像划分为一类子区域。由于图像本身的复杂性
随着信息处理技术的发展,人脸跟踪已逐渐成为研究的热点问题,它在身份识别、智能人机交互系统、视频监控等领域有重要的应用价值。人脸跟踪涉及到模式识别、数字图像处理、多媒