腦電信號特征分析與針灸鎮(zhèn)痛關(guān)聯(lián)性研究.pdf

1、腦電信號(EEG)包含了大量的生理信息，對其作深入的研究不僅僅有助于提高對大腦神經(jīng)系統(tǒng)的了解，更可以通過對腦電信號的分析，來驗證各種治療的效果，所以腦電圖檢查在臨床診斷中起著越來越重要的作用。
　　 目前對腦電信號進行去噪處理和特征提取的研究已經(jīng)越來越廣泛，現(xiàn)有的研究認為大腦活動及腦電圖均具有非線性的特征。對腦電圖的非線性動力學分析可能提供一種新的方法，來研究生理和病理狀態(tài)下的大腦動力學變化情況。本文在人體誘發(fā)疼痛刺激實驗基礎(chǔ)上

2、，設(shè)計不同模式的電刺激鎮(zhèn)痛實驗，從非線性動力學的觀點研究針灸鎮(zhèn)痛過程中腦電信號的特征變化，從全新的角度探討針刺對鎮(zhèn)痛治療的可能作用機理，為針灸鎮(zhèn)痛臨床應用提供可視性理論依據(jù)。
　　 本文主要從腦電信號的去噪和特征提取兩方面進行展開，我們采用了傳統(tǒng)的信號處理方法分析來對腦電信號進行去噪處理，根據(jù)其缺陷進行了一定的改進，提出了一種自動化的去噪運算方法，并采用了兩種經(jīng)典的信號處理方法對腦電信號進行了特征提取，具體工作如下：
　　

3、 首先，我們深入了解腦電信號的特點，概述腦電信號的生理科學意義，以及腦電信號的采樣方法和流程。簡要介紹本文中所采用實驗的框架和流程?；谀X電的非線性特征，非線性動力學分析方法又被選取作為主要的分析手段。通過對非線性動力學各參數(shù)的進一步了解，我們最后選取了近似熵(ApEn)和KC復雜度作為大腦活動性的指標，用以反映大腦的復雜度。
　　 然后我們先采用經(jīng)驗模式的方式，對連續(xù)的腦電信號進行截取并深入研究獨立分量分析(ICA)算法，探

4、討ICA算法對腦電信號進行預處理的可行性。ICA通過對非高斯分布數(shù)據(jù)進行有效表示，獲得在統(tǒng)計學上獨立的各個分量，通過對噪聲分量的去除以及信號分量的重構(gòu)，實現(xiàn)對噪聲和偽跡的去除。針對目前信號分解后噪聲分量的處理尚停留在目測去除和人工識別階段，耗時嚴重以及準確度差的不足，本文提出了一種基于獨立分量分析的KC復雜度自動閾值算法，這種算法很好地解決了這個問題，我們計算分解后各分量的KC復雜度值，對得到的值進行閾值處理，將閾值以下的信號判別為噪聲