《脑疲劳对脑电互信息特征的影响》由会员分享，可在线阅读，更多相关《脑疲劳对脑电互信息特征的影响（18页珍藏版）》请在金锄头文库上搜索。
1、河北工业大学城市学院2014届本科毕业设计（论文）中期报告毕业设计（论文）题目:脑疲劳对脑电互信息特征的影响专业（方向）：生物医学工程学生信息：106181、刘思、生医C103指导教师信息：04085、杨硕、副教授报告提交日期：2014年4月18日一、课题简介课题的研究内容本课题研究内容主要是提取正常态和疲劳状态下脑电信号，对脑电数据进行去噪、滤波等预处理后， 计算每个通道脑电信号的信息熵以及任意两个通道脑电信号之间的联合信息熵，从而可以得到各通道脑电 信号间的互信息矩阵，分析各通道间信号关联程度的高低，并对比两种状态下脑电各通道关联变化，具体 利用MATLAB语言编程来实现，并对结果进行分析
2、，以获取脑疲劳对脑网络的影响。大脑是一个复杂的协同工作的系统，大脑信息的传递需要靠众多神经元群共同协作完成，分析多通道 脑电信号之间的同步关系，可以获得大脑不同区域之间信息整合、传递、处理的重要信息。双通道同步分 析方法主要用于分析两导脑电信号之间的相互关系，可以分为线性和非线性的方法，线性的方法包括互相 关和基于谱的一致性等。大脑具有明显的非线性特征，基于非线性的双通道同步分析方法发展迅速。例如 相位同步、非线性独立性、互信息和非线性相关等课题的研究原理细胞全部在细胞液中浸入，细胞膜内外有非常多的带电离子，钾离子主要在细胞内，钠离子主要在细 胞外。在安静状态时，这些离子就会相对来说稳定一些，
3、但是当受到刺激，细胞膜的通透力就会发生一些 变化，各种离子可能就变得活跃，在细胞膜内外来回出入，出现钾钠离子交换，便产生了生物电。生物电 现象是生命活动的基本特征之一，各种生物均有电活动的表现，大到鲸鱼，小到细菌，都有或强或弱的生 物电。现代生理学研究发现，人体所有器官都会产生生物电现象，并且以电的形式一一动作电位，通过相 应的神经纤维把兴奋传导到大脑中枢，大脑中枢以动作电位的方式，把神经冲动信号通过相应的神经纤维 传到效应器，从而产生器官或组织的功能活动。大脑皮层的神经元具有生物电活动，经常有持续的节律性电 位改变,称为自发脑电活动。将引导电极放在头皮上记录到的皮层的脑电波，称为脑电图。脑电
4、波（Electroencephalogram,EEG ）是大脑在活动时，脑皮质细胞群之间形成电位差，从而在大脑皮质的细胞外 产生电流。它记录大脑活动时的电波变化，是脑神经细胞的电生理活动在大脑皮层或头皮表面的总体反映。 互信息是一种基于信息论理论的信息熵，可以从信息传递的角度刻画不同脑区功能的相互作用。相位同步分 析广泛应用于脑电信号分析，其优点在于忽略信号的幅度的影响而考察两信号之间的相位关系，从而能够检测出比较微弱的相互联系。基于信息理论的信息熵特别适合研究刺激与响应间关系，这种方法的重要性早 被人们认识。人们利用它测量突触的连接，获得了比传统线性方法更好的效果。该方法还被用来估计通过 神
5、经元点燃速率所能传递的最大信息。互信息被证明用它来评价不同刺激在神经元编码过程中产生的各种 信息的价值非常有用，因为人们认为表达刺激特征是通过神经元处理完成的。同时用它来计算编码模型传 输绝对信息量以便评价模型的有效性。课题的研究意义互信息(mutual information, MI)以信息论为基础，通过测量两个时间变量各自及其联合概率密度分布， 利用熵的概念，来量化两个时间变量之间的统计独立性。预防和消除脑疲劳，已经成为迫切需要解决的一 大问题。智慧来自大脑，没有充满活力的健康的大脑，很难想像会有超人的智慧。我国大中城市有50%以 上的白领每天伏案工作至深夜，其中80%的白领因长期用脑过度
6、患有不同程度的脑疲劳，其中6成以上的 白领经常性头晕、头痛，4成以上的白领导致神经衰弱、失眠、健忘甚至脑功能衰退，还有2成的白领引 发了其它身心疾病，甚至有的白领不堪重负而自杀。据日本的抽样调查结果显示：59 .6%的脑力劳动者平 均每天用脑时间长当学习或用脑工作较长时间后，常会感到头昏脑涨，注意力集中不起来，学习和工作效 率降低，这是大脑疲劳的表现。怎么缓解大脑疲劳呢，有人用吸烟、休息或是睡觉的方法来调整，然而吸 烟会给大脑及身体健康带来严重的副作用。专家提醒，缓解大脑疲劳的较好方法是适当运动，如打球、做 操、散步等。但活动强度不宜过大，时间不宜过长。大脑可以在运动中得到放松，消除疲劳。尤其
7、对于那 些工作压力大、精神负担重，在工作、事业、人际关系和家庭等方面，总是处于一种思考、焦虑、烦闷、 恐惧、抑郁的压力之中的人，更应该通过适当运动，以缓解大脑疲劳，改善睡眠质量，避免出现精神障碍 性疾病。我国学校达10小时，40.2%的学生每天伏案学习至深夜，仅有1%的人有脑保健意识。很多人会 有这样的亲身体验，现在推行的为学生减负，每节课规定45分钟，课后让学生大脑有适当的休息,推行课 间操、工间操，使大脑疲劳得到恢复。这对学生的脑保健十分重要。长时间高负荷脑力活动引发的脑疲劳 会引起人的警觉性下降、思维信息处理速度变缓以及认知功能减弱。因此对脑疲劳引发脑电变化的研究具 有重要的科学意义和临
8、床应用价值2-3二、研究方法互信息概念从信息论的角度讲,某一个电极上含有相邻其他电极信号上的信息,存在信息传递，即互信息。信息传递 描述了大脑皮层上各个导联所代表的脑区间联系密切的程度。选取一个导联为基准，计算这个导联与其他导 联的信息交换的总和，以这个综合作为这个导联的互信息值，然后依次选取其他一个导联为基准导联计算其 与其他导联的互信息总和。这样就能得到不同位置导联的信息交换情况。所谓信息熵，是一个数学上颇为 抽象的概念，在这里不妨把信息熵理解成某种特定信息的出现概率。一般而言，当一种信息出现概率更高 的时候，表明它被传播得更广泛，或者说，被引用的程度更高。我们可以认为，从信息传播的角度来
9、看， 2信息熵可以表示信息的价值。这样子我们就有一个衡量信息价值高低的标准，可以做出关于知识流通问题 的更多推论。脑电信号分析方法1932年Dietch首先用傅立叶变换对脑电信号进行了分析，此后，该领域相继引入了时域分析、频域 分析等脑电图分析的经典方法。近年来相继出现了如时频分析、高阶谱分析、非线性动力学分析、人工神 经网络分析等现代处理技术运用于脑电分析，它们代表了脑电信号现代分析方法的新发展。（1）时频分析法：1910年Harr提出了最早的小波规范正交基思想，1981年，Morlet首次提出了 “小 波分析”这一概念，并建立了以他的名字命名的Morlet小波。1984年Grossman和
10、Morlet提出了小波变换 的数学形式。1987年，Mallat巧妙地将多尺度分析的思想引入小波分析中，包括小波函数的构造及信号按 小波变换的分解及重构，与此同时，Daubechies构造了具有有限支集的正交小波集，至此，小波分析的系 统理论得以初步建立。小波变换具有多尺度、相对带宽恒定、适当选择基本小波可在时域和频域都具有表 征信号局部特征的能力等特点。小波变换在不同的尺度变换下等效为不同中心频率的带通滤波器，因而被 广泛应用检测EEG信号中的异常波，如棘波、棘慢复合波等。Senhadji等利用小波检测出了非周期刺激下 所诱发的EP信号，Thakor等利用小波分析对脑损伤的程度进行识别，发现
11、小波分析是分析脑损伤特征的 有效手段。Anna Caterina Merzagora等通过小波变换提取脑电特征，来达到探测一个人的说话行为，研 究结果表明，说谎者与说实话者的脑电波在0波段对应的小波系数有很大的差别。这说明小波系数将成为 一个新的特征来用于说谎检测。Nanaho Tanei等运用小波变换有效探测了左右眼眼动行为与脑电信号之间 的联系。（2）高频分析法：早在20世纪60年代，一些数学家们就开始研究高阶统计量，然而仅是限于理 论上的分析。直到1989年Vail首次召开高阶谱分析国际研讨会，这一举动标志着信号处理领域中一个 新纪元的开始。1990年IEEE Trans. Automa
12、tic Control和IEEE Trans. on ASSP先后出版了有关高阶统计 量的专刊，至此，高阶统计量的研究跨入了一个新的发展阶段。近年来，高阶统计量作为信号处理的新方 法受到了越来越多的研究人员关注。高阶统计被广泛地应用到许多领域，包括声纳、雷达、等离子物理、 生物医学、地震数据处理、图象重构、谐波恢复、时延估计，自适应滤波、阵列处理、盲反卷积以及盲均 衡等。随着人们对脑电信号的深入研究，发现脑电在更多的情况下表现为典型的非线性随机过程。人们采 用了各种信号处理技术研究脑电信号，使脑电信号的研究得到进一步发展。传统的功率谱分析所包含的信 息基本上蕴藏在自相关函数中，这对于一个高斯过
13、程的完全统计是足够了，但是却不能获得有关高斯性的 偏离度和非线性存在的信息，然而用高阶累积量定义的高阶谱却含有这样的信息。采用高阶累计量的方法 进行脑电等生物信号处理有如下优点：可以抑制加性高斯噪声，有效于信号参数估计性能的提高；能 够检测和刻画信号的非线性特性或辨识非线性系统；可以提取随机过程偏离高斯分布的程度；能够有 效地检测信号的幅度信息和提供信号的相位信息，因而可以用于辨识非最小相位系统。双谱是高阶谱中 阶数最低，且处理方法最简单的高阶统计量，同时它包含了高阶谱的所有特性，因而受到广泛的应用。国 外的一些学者对双谱的数学理论及其应用做了大量的研究。越来越多的研究表明，脑电信号是一个非线
14、性、 非高斯的随机过程，利用双谱分析方法可以有效的提取常规谱分析方法所无法获得的有用信息。（3）非线性动力学分析法：非线性科学兴起于20世纪60年代，被喻为20世纪自然科学的“第 三次革命”。混沌作为非线性系统的主要表现，具有非周期性、非随机性、非线性、对初始条件敏感性等 特点。在大多数物理和生物系统中，多由类似混沌的行为所支配，传统的完全确定的系统在自然界中几乎 不存在，和传统的线性系统描述方法相比，非线性系统更适合于描述真正自然界的行为。大脑是一个非常 复杂的非线性系统，脑电信号是一种非稳态的、时变的、复杂的非线性时间序列。1985年，Babloyantz等 人首次将非线性动力学和混沌理论
15、应于EEG信号的分析，并得出了人类的睡眠脑电信号是混沌信号这一 结论。运用于非线性动力学方法对EEG信号进行提取和分析，为更深入地研究大脑活动的过程和特征开 辟了新的途径。目前，较为常用的非线性动力学方法主要有：Lyapunov指数、关联维和复杂度等。运用 的方法不同，但主要的目的如下：（1）揭示脑的功能，主要研究人体在不同生理状态（如安静、思维、麻醉、 睡眠等），不同脑功能状态下的非线性动力学特征，以了解脑功能的工作机制（2）治疗脑的疾病，这方面的 研究主要是研究人体处于病理状态下（如癫痫、老年性痴呆、脑损伤等）非线性动力学特性有何变化，为临 床提供分析和诊断参考。1965年Kolmogor
16、ov首先给出了复杂性度量KC的定义，1976年Lempel and Ziv实现了有关Kolmogorov熵的算法，称为Lempel-Ziv复杂度算法，这一算法用于度量序列的增加及 新模式增加的速度，1987年Kasper and Schuster给出了该算法的实现程序。1991年Pincus首先提 出并定义了一种度量序列复杂度的测度方法一近似熵（ApEn）2000年Richman对近似熵的算法做了改进， 提出了一种更好的序列复杂度的测度方法一样本熵。复杂度是作用于时间序列的一种指标，一段时间序列 通过一个特定的复杂度算法处理，可以得到一个复杂度值。这个值表示的是序列的非规则程度，不规则变 化序列的复杂度值较高，而像常数序列、周期序列这种模式比较简单的序列的复杂度值就比较低。在对生 物医学信号时间序列进行复杂度分析时，往往需要首先对原始信号进行粗粒化预处理，这种预处理有可能 会造成丢失原始信号中所蕴藏的信息，甚至在某些情况下根本改变原始信号的动力学本质4-5三、阶段
