答辩演示(常晓刚)

《答辩演示(常晓刚)》由会员分享，可在线阅读，更多相关《答辩演示(常晓刚)（34页珍藏版）》请在金锄头文库上搜索。

1、脑电图数据因子分析的研究 学生姓名：常晓刚指导教师：陈志华 教授研究方向：脑电图数据分析目录第一章 本文研究的背景和主要工作第三章 因子分析法的基础知识第四章 基于脑电图实验数据的因子分析第五章 结论第二章 实验描述第一章 本文研究的背景和主要工作v1.1 本文研究的背景v1.2 本文研究的主要工作1.1 本文研究的背景v 本文研究的背景：在脑电图数据分析时，研究人员经常需要面 对大批量的数据，这些数据不但数据量大，涉及的变量众多，而且 变量间往往存在一定的相关性，为分析问题带来了一定的难度。因 此，如何正确有效的处理这些多变量大样本的数据，既是研究人员 感兴趣的一个问题，也是研究人员需要具备

2、的一种能力。在这方面 ，因子分析有着较为广泛的应用。 v 由于在不同状态或不同条件下人脑的状态是不同的，因此我们 对各种事件进行分析，获得不同状态下人脑的不同特征。v 本研究的主要内容：利用因子分析法对三个实验每种状态下的脑电 图数据进行分析，得出每种状态下第一个公共因子所对应各部位的主要 特征，用这些特征来区别不同状态，探讨其在大脑的高级认知活动规律 ，并为其客观评价方法的建立奠定必要的基础。 v 本研究的任务:将脑电图数据中各种不同成分分离开，为对各种成 分分别研究提供基础。 v 本研究要达到的水平：明确因子个数，然后按照因子个数对脑电图 数据进行分离，并对分离的各成分进行分析，并得出各成

3、分的主要特征 。1.2 本文研究的主要工作第二章 实验描述v 2.1 听音乐实验-在听音乐的实验中，听完一段 v 音乐后，我们会纪录下受试者在听音乐时的感觉， v 主要记录的是是否喜欢刚才听过的音乐、在听的过 v 程中是否有精神不集中的时候、是否有想睡觉的时 v 候等等。 v 2.2 听语言实验-在听语言实验中，要记录受试者在 v 听中文和日文时的感觉，主要记录的是在听懂和听不 v 懂时是否有精神不集中的时候、能否继续听下去等 v 等。 v 2.3 心算实验-在心算实验中，要记录受试者心算时 v 是否觉得烦躁、是否有跟不上的时候、如果跟不上是 v 否直接放弃或是还努力的想跟上等等。v v 2.

4、1 听音乐实验(1) 研究对象 v 本实验受测者共12人，6名男性，6名女性，平均年龄26.5岁。 均来自高校理工科研究生，无音乐教育背景，并且均身体健康, 无 严重的神经系统疾病史和精神病药物服用史,属于从正常人群中所取 的个体。 v (2) 实验过程 v 实验所采用的音乐片段都是经过调查得出的,调查采用问卷方式 ，脑电数据采集后，对每个被测试者进行问卷调查，得出能使人产 生愉悦感觉的喜欢音乐和使人产生烦躁、精力不集中的不喜欢音乐 ，将所有这些音乐信息存入数据库，为试验提供数据支持。 v 实验时单独测试一名受测者，其他人在另外的房间等候。实验 采用坐姿进行，受测者开始测试前，由操作者询问其大

5、脑状态，也 就是在此之前做过什么，并作详细记录。此测试分三步进行，第一 步，受测者安静闭眼，周围没有任何干扰，此过程连续持续三分钟 ，并记录脑电图数据，完毕后休息半分钟。第二步，通过耳机为受 测者播放受测者喜欢的音乐，音乐时间大约三分钟左右，记录脑电 图数据，完毕后休息半分钟。第三步，通过耳机播放受测者不喜欢 的音乐，也大约三分钟，记录脑电图数据，实验完毕。2.2 听语言实验v v (1)研究对象 v 语言实验受测者共13人，6名男性，7名女性，平均年龄25.5岁 。多数受试者均是习惯用右手、健康的普通人，属于从正常人群中 选取的个体。同时，13名受试者的母语均是汉语，且无日语基础。 v (2

6、)实验过程 v 实验在一个隔音、隔光的屏蔽室内进行，受试者在一个舒适安 静的环境内且处于闭着眼睛且没有精神活动的放松状态。在记录脑 电时，关闭屏蔽室内的灯光，基本没有光线，并保持安静。 v 每例受试者的有效实验事件为4个，实验采用坐姿进行。第一步，受 测者安静闭眼保持三分钟，操作者记录数据。第二步，通过耳机播 放日本新闻广播闭眼努力收听三分钟（内容为单纯的语言朗读，无 音乐等其他形式的声音），操作者记录数据。第三步，受测者通过 耳机闭眼收听中文新闻联播三分钟，操作者记录数据。第四步，受 测者安静闭眼保持三分钟，操作者记录数据。2.3 心算实验v (1) 研究对象 v 心算实验受测者共15人，9

7、名男性，6名女性，平均年龄26.5岁。所有受测 者均来自高校理工科研究生。并且均身体健康, 无严重的神经系统疾病史和精 神病药物服用史,属于从正常人群中所取的个体。 v (2) 实验过程 v 实验环境也是一个隔音、避光的屏蔽室，受测者能很容易的在此环境中比 较长时间的集中精力，保持安静。此实验需要受测者进行十以内的加法运算， 为配合实验，实验操作者设计编写一个产生随机运算数的程序。此程序每个三 秒钟产生一个十以内的数，共产生40个随机数。 v在心算试验中，每例受测者的有效时间时间为3个，实验采用坐姿进行。 调好实验设备，为受测者接好脑电极。第一步，受测者安静闭眼保持三分钟， 在此期间，实验操作

8、者记录脑电数据。休息一分钟后实验继续进行。第二步， 受测者闭眼，启动产生随机加数程序，每出现一个随机数，由操作者为受测者 告知所出现的加数，受测者心里计算结果。40个随机数全部出现后，此步骤结 束。在此期间操作者记录受测者的脑电数据，最后核对受测者计算的是否正确 。休息一分钟后，第三步，受测者仍然保持安静闭眼三分钟，操作者记录脑电 数据，实验结束。实验环境v、v、v、v、v、v：后颞；v：额中线；v：中央头顶 ；v：顶中线； 2)v、v：耳(或乳突)。v、v：后颞；v：额中线；v：中央头顶 ；v：顶中线； 2)v、v：耳(或乳突)。三个实验均在一个隔音、隔光的屏蔽室内进行，受试者在一个舒适 安

9、静的环境内且处于闭着眼睛且没有精神活动的放松状态。在记录脑电 时，关闭屏蔽室内的灯光，基本没有光线，并保持安静。我们采用的是 16导联的脑电图仪，脑电极为：Fp1、Fp2、F3、F4、C3、C4、P3、P4 、O1、O2、F7、F8、T3、T4、T5和T6（见上图）。选择A1，A2两个 耳垂电极作为接地电极，电极Fz，Cz作为参考电极。所有电极的接触阻 抗都小于5K。信号采样率为200Hz，信号通过0-300Hz的低通滤波。第三章 因子分析法的基础知识v3.1 因子分析法的定义、目的和思想v3.2 因子模型v3.3 针对第一个公因子进行分析的重要性3.1 因子分析法的定义、目的和思想v 因子分

10、析的定义：它研究相关阵或协方差阵的内部依赖关系，它将 多个变量综合为少数几个因子，以再现原是变量与因子之间的相关关系 。 v 因子分析法的目的：因子分析的目的是用有限个不可测量的潜在变 量来解释原始变量间的相关性或协方差关系。 v 因子分析法的思想：它的基本思想是将观测变量进行分类，将相关 性较高，即联系比较紧密的分在同一类中，而不同类变量之间的相关性 则较低，那么每一类变量实际上就代表了一个基本结构，即公共因子。3.2 因子模型v 因子分析是把每个原始变量分解成两个部分：一部分是由所有变量 共同具有的少数几个因子构成的，即所谓公共因素部分；另一部分是每 个变量独自具有的因素，即所谓独特因素部

11、分。设有户个测量变量xl，x2，xP，每个变量可作如下分解： vxl = ll l + l2 2 + + l m m + 11 vx2 = 2l l + 22 2 + + 2 m m + 21 v vxp = pl l + p2 2 + + p m m + pp （1） v 上式为因子模型，其中 l， 2， m叫做公共因子，它们是在 各个变量中共同出现的因子。我们可以把它们看作高维空间中所张起的 互相垂直的m个坐标轴。i（i=1，2，p）表示影响xi的独特因子。ij 做因子载荷，它是第i个变量在第j个主因子上的负荷，或者叫做第i个变 量在第j个主因子上的权，它反映了第i个变量在第j主因子上的相

12、对重要 性。i为独特因子的载荷。因子分析的基本问题就是要确定因子载荷。v 为了使本文的研究更加有效，结论更加具有普遍性，我们设计了听 语言、听音乐和心算三个实验，对每个实验下的受测者进行了因子分析 ，得到了每个实验不同状态下的脑电图数据。由于在这三个实验中，由 于第一个公共因子在所有的公共因子中方差贡献率最大，所以选取第一 个公共因子相关最密切脑电极所占比重最具说服力，重点分析了第一个 公共因子与人脑各部位的比重关系，最后得出第一个公共因子在左、右 侧脑半球所占的比重。由于脑电信号十分微弱，所以在检测到的脑电图 信号中，往往包含大量的高频和低频的干扰信号成分。为此，实验中我 们采取滤波的方式消

13、除高频和低频的干扰信号成分。考虑到人脑脑电信 号的主要的频率范围，我们设定滤波频段为430Hz。3.3 针对第一个公因子进行分析的重要性第四章 基于脑电图实验数据的因子分析v4.1 听音乐实验的结果v4.2 听语言实验的结果v4.3 心算实验的结果实验的数据分析过程我们选择MATLAB 7.1 作为脑电图数据的因子分析的开发平台，用以对本文 三个实验的脑电图数据进行系统分析。我们是在MATLAB环境下对得到的脑电 图数据进行分析研究的。首先第一步是明确因子个数；第二步是按照因子个数对 脑电图数据进行分离；第三步是对每个因子所产生的成分进行分析；最后得出各 成分的主要特征。MATLAB里的一个画

14、面即block是以200Hz为采样频率，采样 时间为5.12秒，采样点数1024个。下面将一一介绍这些步骤和这些步骤需要用的 知识。为避免由于量纲差异和方差较大的变量影响因子荷载的确定,对各个受测者 的脑电图初始数据进行标准化处理, 可以建立标准化数据矩阵, 并求出标准化数 据矩阵的相关系数矩阵。计算原始变量的相关系数矩阵，如果得到各个电级之间 的相关系数的绝对值均大于0.3,则说明有较强的相关性,因而进行因子分析是可 行的。数据分析前，我们要对所有受测者在各种状态下的脑电图数据进行430Hz 波段的过滤, 得到他们在各种状态下相关系数矩阵的贡献率和特征值。根据特征 值大于1和累积方差贡献率大

15、于80%来提取公因子，明确因子个数。公共因子能 够反映所有变量的情况，按照公共因子个数对变量进行分组，由不同状态下公共 因子个数的不同来说明状态不同时的要求。分析过程： 1.载入脑电图语言实验的数据。 2.对输入数据进行430Hz的过滤，将原始数据标准化，以消除变量间在数量级和量纲上的不同，求出标准化数据的相关矩阵。 3.求相关矩阵的特征值和特征向量，特征值和特征向量从大到小排序。 4.由特征值求出方差的贡献率，贡献率从大到小排序。 5.由特征值和方差的累积贡献率求出公共因子个数，设F1，F2， Fp为p个因子，其中前m个因子包含的数据信息总量（即其累积贡献率）不低于80%时，可取前m个因子来反映原评价指标。（注：按照特征值1和方差的累积贡献率80%来选取公共因子个数。） 6.建立因子分析模型的目的不仅是找出主因子，更重要的是知道每个主因子的意义，以便对实际问题进行分析。如果求出主因子解后，各个主因子的典型代表变量不很突出，还 需要进行因子旋转，通过适当的旋转得到比较满意的主因子。在这里我采用的方法是最 大方差正交旋转法。进行因子旋转，就是要使因子载荷矩阵中因子载荷的平方值向0和1两个方向分化，使大的载荷更大，小的载荷更小。因子旋转过程中，如果因子对应轴相互正交，则称为正交旋转；如果因子对应轴相互间