论文部分内容阅读
脑疲劳作为一种亚健康状态正严重影响人们的生活质量,如何有效地干预和改善脑疲劳状态已成为世界范围内的研究热点。神经反馈训练方法通过对被训练者生理和心理的学习干预,有效地刺激被训练者的神经反应,可以实现辅助干预、帮助改善脑功能状态。本文以神经反馈训练辅助改善亚健康人群脑功能状态为研究目标,结合多重分形去趋势波动、模糊熵、锁相位分析方法,分别从脑功能分形特性、复杂程度和同步程度三个方面提取了反映脑功能状态的特征参数,基于遗传算法优化相关向量机分类器评估脑功能状态改善效果。为了分析神经反馈训练对于脑功能状态多重分形强度的影响,提取训练前后脑电信号的分形特征量包括质量指数、Hurst指数、奇异谱宽度,以训练前后状态分类正确率作为训练效果指标。三种参数的分类识别率均在80%以上,说明神经反馈训练能够改善脑功能状态,分形特征能够作为分析大脑长程相关性的重要参数指标。为了研究神经反馈训练对大脑复杂程度的影响,针对脑电信号瞬时变化难以捕捉引起的信息丢失问题,提出了改进模糊熵算法,通过限定指数函数的边界宽度,来捕获序列中的细节信息。改进模糊熵特征变化显著(P<0.05),体现了脑电信号复杂程度的变化。进一步,采用分类器识别训练前后的脑电信号,分类正确率可达89.99%,表明神经反馈训练可以提高大脑复杂程度,改进模糊熵算法更加突出脑电信号的复杂信息。为了分析神经反馈训练对大脑同步性的影响,在传统锁相位方法的基础上,引入欧氏距离作为判定条件,以提高固有模态函数与原始信号间的相似性。与训练前相比,训练后的脑电同步特性显著增加(P<0.05),同时,基于改进锁相位特征识别训练前后脑功能状态差异,分类正确率为82.35%,说明神经反馈训练可以改善脑功能状态。基于Visual Studio、SQL Server和MATLAB,设计并实现了神经反馈训练干预与评估脑功能状态系统,该系统包括登录模块、神经反馈训练模块、信号采集模块、滤波及特征提取模块,可实现对脑功能状态的干预与评估。