论文部分内容阅读
21世纪的重要科学技术包含了脑科学技术和计算机技术。随着脑科学技术的进步,人们对于大脑活动的认识不断地深入。近年来,人们已经能通过脑电波(Electroencephalogram,EEG)等脑波信号从脑电信号、脑磁信号等方面对于大脑活动进行直观的了解。在这其中,由于其成本的低廉性和使用的方便性,脑电波信号已经成为使用较为广泛的方式。另一方面,随着人工智能技术的理论突破,包括生成对抗网络在内的新技术被提出并迅速在各个领域中得到应用。使用人工智能中的新算法、新模型用于脑波信号分析已经成为一个方兴未艾的具有希望的领域。我们的研究旨在将脑波信号可视化,从而探究人类认识能力。文章的主要内容如下:在脑电数据集的处理中,介绍了一些传统方法,但是这些传统方法不能较好地满足需求,因此对其进行了不同程度的改进。然后介绍了本文用到的相关技术,主要包括脑机接口技术、数据可视化技术、生成对抗网络GAN等。在这其中,对脑机接口技术中的脑电波信号采集和基于脑电波信号的脑机接口进行了介绍,以癫痫治疗为例说明了脑电波信号的应用。在数据集和相关技术的基础上,训练了标准图像分类器和脑电波分类器,这样的目的是为了判别脑电波生成图像的正确性,为脑电波生成实验打下较好的基础。对EEG信号的处理及脑波可视化技术进行了研究。由于EEG是非线性、非平稳的随机过程,因此在传统信号处理方法中,引入了相关维度、熵、小波变换等多种数学技巧。值得说明的是,传统方法也能够实现对例如癫痫等脑科疾病的实时检查等医疗应用。但是对于认识意识等人类深层次的思维活动,传统方式无法以直观的方式显示思维的内容。在脑波可视化领域,介绍了发展迅速的生成对抗网络GAN,采用适当方式采集一定规格的脑电波信号,并以一定的损失函数及C+D+G的结构训练GAN,其中C指已训练好的分类器,D指试图鉴别真假图片的鉴别器,G指试图以高斯噪声生成假图片并欺骗鉴别网络的生成器。值得一提的是采取了额外的高斯层以解决脑电波样本集太小的问题。然后利用已经训练好的标准图像分类器对生成结果进行检验,结果证明分类效果较好。达到实验预期。