脑电波毕业论文.docx
- 文档编号:23905249
- 上传时间:2023-05-22
- 格式:DOCX
- 页数:23
- 大小:520.38KB
脑电波毕业论文.docx
《脑电波毕业论文.docx》由会员分享,可在线阅读,更多相关《脑电波毕业论文.docx(23页珍藏版)》请在冰豆网上搜索。
脑电波毕业论文
摘 要
脑电图是通过脑电图描记仪将脑自身微弱的生物电放大记录成为一种曲线图,是脑神经电生理活动在大脑皮层或头皮表面的总体反映。
脑电信息数据的分析研究是人类对人脑思维研究中一个重要研究方法,通过对人脑脑电波信息的分析研究可以发现许多不为我们所知的结果,也可以解释人类行为的一些现象。
本课题研究的主要目的是通过检测和分析由感情变化事件引起愉快和不愉快的情绪时产生在大脑皮层区域之间的θ波段脑电活动变化,从而得出人脑与情感之间的关系,在得出结果的基础上讨论得到结果的意义,并为脑信息研究提供试验基础和理论依据。
本文主要运用主成分分析法对通过实验获取的脑电信号数据进行分析处理。
对与感情变化相关的脑电图实验数据中的θ波段进行过滤,提取θ波。
对θ波进行主成分分析并提取第一主成分、第二主成分,计算第一主成分、第二主成分的贡献率,然后对EAST程序输出的数据结果进行统计分析。
得到的结论有:
对于日常生活中习惯用右手的女性来说,θ波的第一主成分的贡献率越大,愉快的情绪就越强烈;θ波的第二主成分的贡献率越大,愉快的情绪越少,不愉快的情绪越多。
关键词:
脑电图感情θ波主成分分析
ABSTRACT
EEGisbytheEEGplethysmometerthebrainitselfweakbioelectricalenlargerecordbecomeagraph,andbrainelectrophysiologicalactivityintheoverallsurfaceofthecerebralcortexorscalp.EEGdataanalysisresearchhumananimportantresearchmethodsinthestudyofthehumanbrainthinking,somephenomenacanbeinterpretednotastheresultofourknowledge,humanbehaviorcanbefoundthroughtheanalysisofthehumanbrainbrainwaveinformation.
Themainpurposeofthisresearchisthedetectionandanalysistoproduceθ-bandEEGactivitychangesintheareaofthecortexbetweenpleasantandunpleasantemotionscausedbytheemotionalchangeevents,toarriveattherelationshipbetweenthehumanbrainandemotions,discussedthesignificanceoftheresults,andtheresultsonthebasisofexperimentalandtheoreticalbasisforthebraininformationStudies.
Inthispaper,principalcomponentanalysisofEEGdataobtainedthroughexperiments,analysisandprocessing.θ-bandassociatedwithemotionalchangesintheEEGexperimentdatafiltering,extractingθwaves.Principalcomponentanalysisoftheθwave,andextractsthefirstmaincomponent,asecondmaincomponent,andcalculatingafirstmaincomponent,thecontributionrateofthesecondmaincomponent,andthenthetheEASTprogramoutputdataresultsforstatisticalanalysis.Totheconclusion:
Forright-handedwomenindailylife,thethelargerθwavecontributionrateofthefirstprincipalcomponent,themoreintenseunpleasantemotions;greaterthecontributionrateθwavesecondprincipalcomponenttheunpleasantemotionsfewer,themoreunpleasantemotions.
Keywords:
EEGemotionθwavesPrincipalComponentAnalysis
目 录
第一章 研究背景
1.1课题研究的目的及意义
脑是人体内最重要的器官之一,是接受外界信号、产生感觉和知觉、形成意识、进行逻辑思维并发出指令的中枢。
人类之所以能够主宰世界,是因为人脑的高度发达,它是人类智能与高级精神活动的生理基础。
人脑为人类提供了知觉、运动、注意、学习、记忆、思维、语言、情感、意识等最重要的高级功能和认知行为,因此认识脑从而认识人类自身已经成为本世纪最具挑战性和最活跃的科学前沿。
虽然20世纪70年代和80年代初出现的计算机断层扫描(CT)、核磁共振(MRI)、正电子发射扫描(PET)等现代检测方法的应用使得我们能够从活体和整体水平来研究脑,但是对脑电信号的研究作为一种真正无创伤、高时间分辨率的脑研究方法仍然是脑功能检测和研究的重要手段,并正逐渐成为脑研究领域的热点[1]。
目前,世界许多国家已将脑的研究作为重点资助领域,美国、欧洲和日本相继启动了脑研究计划。
人类大脑的各个组成部分彼此的动作是紧密联系、相互支援、相互协调着进行工作的,而并非分工式的工作。
为了研究正常状态下正常人的大脑功能的差异,说明大脑两半球功能活动的非对称性,关于反映脑的各局部的脑电波活动情况值得我们进一步研究。
在脑部的不同区域发出的是不同频率成分的脑电波,因此对脑的不同部位在不同事件刺激下的情况用主成分分析法进行研究,用脑电图数据定量准确地、科学地对左右脑进行主成分分析,这对更好的认识脑、保护脑、开发脑有十分重要的实际意义。
另外,如何利用计算机有效地且可靠地处理大量的脑电图数据也是需要进一步研究的课题。
本课题研究的主要目的是通过检测和分析由各种感情事件引起愉快和不愉快的情绪时产生在大脑皮层区域之间的θ波段脑电活动变化。
不同的事件刺激大脑会得出不同的结果,在得出结果的基础上讨论得到结果的意义,为脑电图数据分析以及临床脑电学研究作基础性的分析,从而为研究不同事件下产生的脑电图数据提供坚实的理论基础和科学的实验依据。
1.2脑电图的定义及特点
脑电图(EEG)是脑神经电生理活动在大脑皮层或头皮表面的总体反映,也就是通过电极记录下来的脑细胞群的自发性、节律性脑电活动,将脑电活动的电位作为纵轴,实验时间序列作为横轴,这样把电位与时间的相互关系记录下来的就是脑电图。
脑电图数据是经过客观实验记录所得到的反应脑电活动随时间变化的微小电压值、实验时间序列和实验事件信息等的数据,也就是脑电信号的数据。
脑电图按电极放置在头部的位置不同分为头皮脑电图、皮层脑电图及深部脑电图。
其中头皮脑电图记录的是大脑神经细胞由于电活动产生的电场经容积(由皮层、颅骨、脑膜及头皮构成)传导后在头皮上的电位分布;记录皮层脑电图比较麻烦,首先通过做开颅手术时将电极放置在大脑皮层然后记录成脑电图;深部脑电图是对皮层下大脑各种内部结构的电活动的记录。
本课题研究的脑电图就是常规的头皮脑电图。
脑电信号具有以下几个特点:
(1)背景噪声强,脑电信号非常微弱。
一般EEG信号只有50μV左右,最大100μV。
噪声背景强是指非研究对象的信号在观察中有强烈的表现,例如神经紧张、面部肌肉动作等带来的伪迹、强烈的工频干扰等。
(2)脑电信号非平稳性和随机性都很强。
随机性强是由于影响它的因素太多,其规律还处于不断认识中,必须借助统计处理技术来检测、辨识和估计它的特征。
非平稳是由于构成脑电信号的生理因素始终在变化。
(3)非线性。
生物组织的调节及适应机能必然影响到电生理信号具有非线性的特点。
(4)脑电信号的时域、频域特征比较突出。
(5)脑电信号一般都是用多导电极测得的信号,因此在各导联信号之间必然存在着非常重要的互信息。
如何有效地揭示这些互信息,突出隐含在多导脑电信号之间的重要特征,是建立和评价脑电信号处理方法的一个重要标准。
1.3脑电图的发现及研究进展
最先记录并正确地描述人的脑电活动的是Jean大学的精神科教授HansBerger,他于1924年着手于人的脑电活动的研究。
他把两枚白金针电极从患者颅骨缺损部位插向大脑皮质,成功地从人脑记录到规律的电活动。
接着他确认了即使不将电极插入大脑皮质,而在头皮上安放电极也可以记录到这样的电活动。
他首先把正常人在安静闭眼时主要出现在枕、顶部的10Hz、50μV左右的规则的正弦波命名为α波;而当受试者睁开眼注视物体时,波就消失,出现18~20Hz、20~30μV的波,把这种波命名为β波,并把这样的脑电活动称为脑电图[2]。
Berger在1924~1929年间,确认了自己对于人类脑电图方面的发现,此后他发表了关于脑电图的14篇论文,其中对正常人的脑电图以及癫痫、脑肿瘤、其他精神疾病的脑电图等现代脑电图学研究的大部分问题都进行了广泛的观察与记录。
但是,在1933年英国的著名生理学家E.D.Adrian(艾德里安)重复了H.Berger的工作并承认了他的成果以后情况有了变化。
Adrian在当时设备最完整剑桥大学生理学研究室同B.Mathews一起研究了脑电图,确认了Berger所提出的α波和β波,并提议将α波称为“Berger节律”,但被Berger本人所拒绝。
Berger的有关脑电图的研究被Adrian等人所肯定以后,脑电图的研究有了急速的发展,并被推广到全世界范围。
脑电图不仅用于研究方面,而且作为诊断癫痫、脑肿瘤及其他精神疾病的有力手段,所起的作用与X线检查、心电图检查一样,成了临床试验的方法之一。
在脑电图研究近百年历史上,研究者们一直在探索适合脑电活动分析的方法。
虽然20世纪70年代和80年代初涌现出计算机断层扫描(CT)、核磁共振(MRI)等现代检测方法,脑电作为一种非损伤性检测方法仍然是大脑功能检测和研究的重要手段[3]。
目前,国内外有关脑电图这一课题的研究日益增多,研究方法也日益完善,已经有很多方法应用于此。
由于技术的限制,最初的脑电图研究方法主要是通过研究者目测完成,利用经验消除伪差和干扰,并根据脑电图波形的幅度、频率和瞬态分布等给出评价和结论。
这使得对脑电图的研究停留在主观水平上,这种简单的定性分析很难在复杂多变的脑电图中直接提取具有理论价值和实际应用价值的信息。
直到20世纪60、70年代,随着计算机技术的迅猛发展,脑电图的分析研究才进入了计算机分析的阶段。
这使得脑电图的定量分析有据可依,定性工作有了定量分析的支持更具有客观性。
归结起来,近几十年脑电图的计算机分析研究方法主要有时域分析法、频域分析法、时频分析法及主成分分析方法等。
1.4脑电图波形介绍
脑部电活动根据不同脑部的状态、功能或病理被分成了不同的频带,由不同频率和振幅的波混合组成。
α波:
α波是确定脑电图快慢的基准波,具有10Hz左右即8~13Hz的频率,在正常成人的顶枕部最明显。
在放松和精神不紧张的情况下,他们在正常成年人清醒期间出现。
在眼睛闭合时看得最清楚。
β波:
频率约14~30Hz,以额叶及中央区最明显。
一般波幅不超过30微伏。
与α波相比较,它们具有较低的幅值,在紧张和焦虑的时候频率有所加强。
θ波:
频率约4~7Hz,在顶叶及颞叶较明显,是儿童觉醒时脑电图的主要成分,成年人觉醒时脑电图无θ波。
δ波:
频率约1~3Hz,出现在颞叶与枕叶,是婴儿脑电图中的主要节律。
觉醒的正常成年人无δ波,但在深睡时可出现δ波。
其中δ和θ波称为漫波,β和γ波称为快波。
依年龄不同其基本波的频率也不同,如三岁以下小儿以δ波为主,三到六岁以α波为主,随年龄增长,α波逐渐增多,到成年人时以α波为主,但年龄之间无明确的严格界限,如有的儿童四,五岁枕部α波已很明显。
正常成年人在清醒、安静、闭眼时,脑波的基本节律是枕部α波为主,其他部位则是以α波间有少量慢波为主[4]。
判断脑波是否正常,主要是根据其年龄,对脑波的频率、波幅、两侧的对称性以及慢波的数量、部位、出现方式及有无病理波等进行分析。
下面详细介绍与本课题研究相关的θ波。
θ波为持续时间为1/8-1/4秒的一种脑电波成分,所以把频率为4-8HZ的脑电波节律称为θ节律。
它在正常人睡眠时出现,但青年女性有时在觉醒时可看到低振幅的θ波。
儿童在觉醒期间,特别是在不快、沮丧状态或从睡眠中觉醒过来时等情况下也可看到θ波。
θ波为优势脑波时,人的意识中断,身体深沉放松,这是一种高层次的精神状态,也就是我们常听到的“入定态”。
在这样的状态下,由于意识中断使得我们平常清醒时所具有批判性或道德性的过滤机制被埋藏起来,因而大开心灵之门,对于外界的讯息呈现高度的受暗示性状态,这就是为什么人在被催眠时会容易接收外来的指令。
此外,θ波与脑部边缘系统有非常直接的关系,对于触发深层记忆、强化长期记忆等帮助极大,所以,在科学界称θ波为“通往记忆与学习的闸门”。
1.5脑电波产生的机制
在人体中,大脑是最复杂的器官。
脑的任何部分都与大脑皮层有联系,通过这种联系,把来自各处的信息汇集在大脑皮层进行加工、处理。
人脑的表面积大约有2500cm2,脑的平均质量为1400g,脑皮质包含感觉反应区,精确控制身体各部肌肉运动的区域。
脑的纵向沟将其分为左右两个半球,左脑感知和支配身体右侧,右脑感知和支配身体左侧。
构成脑的最佳估计是约为10000亿个神经和神经胶质细胞,相当于整个银河系星体的总数,其中神经胶质细胞是神经细胞的10~50倍,有1000~100000种不同类型[5]。
这个巨量的群体通过树突、轴突、各类介质和生物电荷以其绝妙的方式互连为一体,形成一个及其复杂的结构,发挥着绝妙的功能。
这是人类认识史上所接触的最为复杂的结构。
所以,人脑是世界上最复杂的物质,它是人类智能与高级精神活动的生理基础。
神经元(Neuron)是脑中处理信息的基本单元,大脑皮质中与功能有关的神经元主要是位于皮质层的锥体细胞。
神经元存在多种形态,其机能也不完全相同,但是其一般形态基本相似。
神经元的结构一般可分为两部分:
细胞体(Cellbody)以及由它发出的一个轴突(Axon)和多个树突(Dendrite)[6]。
当神经元活动时,有微弱的电流在神经系统产生。
神经元不同部位的电活动特点并不完全相同,总的来说一个神经元可产生四种信号:
输入、整合、传导和输出信号。
大多数情况下,树突接受传入信息,传向细胞体,轴突把信号输出到另一个细胞。
人脑内的信息传递是通过细胞间的电流活动来实现的。
人脑内的细胞基本上分为两类:
树状细胞和星状细胞。
星状细胞的电流方向呈星状,所以各方向的电流相互抵消,无法形成有效可以测量到的电流信号。
而树状细胞的电流具有单一方向,当大量树状细胞平行排列时会形成一个较强的电场。
人脑内的大脑皮质内具有大量垂直于皮质外壳的电流,除了一部分抵消以外,大量平行的树状细胞形成了一个能够在头皮外足以测量到的电场。
脑电波是大脑众多细胞同时兴奋和抑制的结果。
从头皮表面(或皮层表面)所记录到的电位,是许多神经细胞活动时产生的场电位的总和,所以节律性的脑电波是许多神经细胞同时活动与同时抑制的结果,只有这样,波幅才能较大,否则相互抵消,波幅变小乃至脑电变化消失。
这种同时放电和同时抑制的过程叫做“同步化[7]”。
由于最常见的脑电波为每秒10次左右的α节律,每个波的周期约100ms左右,这比神经细胞的动作电位要慢得多,与神经细胞的突触后电位的时程较接近,从而提出脑电波是由神经细胞的同步性慢活动引起的。
脑电信号通常是利用脑电图仪获得的。
脑电图仪是专门用于测量和记录脑电图的装置,用来观察脑内神经细胞产生的电活动,它是由独立工作的许多通道组成的,每一通道包括电极、导线、放大和调理装置、记录装置等。
脑电图就是由这些电极同时放在头皮表面上记录到的,是两个电极间的自发性脑生物电活动电位差随时间的变化而连续变化的曲线的记录。
大脑发出的微伏级的电信号通过放在头皮上面的电极传输到信号采集器,微伏级的微弱电位变化被放大100万~200万倍,经过分析前的预处理,然后才送到计算机里做有关的分析处理。
根据电极放置位置的不同,脑电图分为头皮脑电图、皮层脑电图和深部脑电图等。
皮层脑电图和深部脑电图是带创伤性的,有时需要手术来完成,技术难度较大。
头皮脑电图方法简单,无任何创伤,是常规的检测方法,本文中所指的脑电图都是头皮脑电图。
记录脑电所用的电极有漏斗状、盘状和针状电极,还有需要放置在特殊部位的电极,如蝶骨电极、鼻咽电极、耳鼓电极、皮质电极和深部电极等。
电极材料以火棉胶固定的Ag-AgCl或金质的盘状电极性能较好。
由于现在的放大器的输入阻抗极高,其它材料也可以获得很好的效果。
脑电信号的随机性表现在它所记录下来的并不是单一神经细胞综合起来的电位活动。
从大脑皮层测量出来的这些综合效应,必然会受到来自体内以及体外的主观和客观方面因素的影响。
影响脑电图的因素又很多,诸如遗传心理因素,来自生理方面的变化以及外界的刺激等。
这些影响的出现往往是随机的,因此导致了测得的脑电信号也带有随机特性。
对同一个体,在不同的状态下测出的同一测量指标会又一些差别,而且即便是在相同的记录条件下,不同个体间的差异也非常明显。
在脑电信号采集过程中,各种干扰也是不可避免的,有来自生理性的伪差、物理性的伪差等。
脑电图中一切不是从大脑皮质中描记出来的信号都是伪差。
比较常见的有肌肉活动:
如咬牙、皱眉,出现高波幅(150μV)快波(30~60Hz);手足的大动作,各导联出现高波幅,形状不一的波形;出汗,两侧额部出现250ms慢波,形成基线不稳;眨眼,出现对称的单个或节律性100μV、250~300ms慢波;心电干扰,节律性与心率相同;工频干扰等。
对伪差的识别不当很容易在临床上造成误诊,因此对于采集到的脑电信号,必须考虑到噪声背景的影响。
在脑电信号处理中,并不是对噪声都采取滤除处理,往往要根据实际需要,采用相应的处理方法。
有时候只有在去除噪声后才能获得所需的信息,而有些噪声对某些症状的分析是有用的信息,需要检测出来而不是被当作背景滤除。
根据记录时间的长短,脑电信号一般可以分为短程脑电记录和长程脑电记录,两种记录均能为许多脑部疾病的诊断提供有用的信息。
但是有些病理信号的出现带有很强的随机性,突然出现并且持续较短时间后就很快消失,因此在短程脑电记录中不容易被捕捉到。
此时需要采用长程脑电记录来检测病理信号。
然而,长程脑电记录需要的时间较长,所得到数据量也较大。
例如,睡眠脑波采集就是长程记录,通常需要记录长达8~9h的脑电数据,按每个通道每秒钟采样100~200Hz,共约数万个到数十万个数据。
对于数据量极大的信号,进行手工操作或人工阅读的工作量是非常大的而且也是非常困难的,依靠计算机进行自动处理已经成为临床上必不可少辅助诊断的手段。
第二章 分析方法及使用软件介绍
2.1主成分分析方法介绍
我们在研究某一个问题时,为了研究地更全面、详尽而不遗漏重要信息,总是选取尽可能多的指标。
这就会带来这样的问题:
选取的指标过多,给研究带来一定困难,并且众多的指标之间可能存在一定的相关性,这样就造成了信息的重叠,给研究结果带来影响。
那么,能否通过原始众多指标之间的线性组合,用较少几个综合指标(主成分)代替原来众多的原始指标,并且能解释原始指标大部分信息?
这就是主成分分析法的基本原理。
主成分分析就是将多项指标转化为少数几项综合指标,用综合指标来解释多变量的方差—协方差结构。
综合指标即为主成分。
所得出的少数几个主成分,要尽可能多地保留原始变量的信息,且彼此不相关。
它是一种数学变换方法,即把给定的一组变量通过线性变换,转换为一组不相关的变量(两两相关系数为0,或样本向量彼此相互垂直的随机变量),在这种变换中,保持变量的总方差(方差之和)不变,同时具有最大方差,称为第一主成分;具有次大方差,称为第二主成分,依次类推。
若共有p个变量,实际应用中一般不是找p个主成分,而是找出m(m
主成分分析中为了消除量纲和数量级,通常需要将原始数据进行标准化,将其转化为均值为0方差为1的无量纲数据。
主成分分析法利用降维技术用少数几个综合变量来代替原始多个变量,这些综合变量集中了原始变量的大部分信息。
其次它通过计算综合主成分函数得分,对客观经济现象进行科学评价。
再次它在应用上侧重于信息贡献影响力综合评价。
2.2软件介绍
2.2.1关于MATLAB
MATLAB语言起源于1980年美国CleverMoler教授在线性代数领域的早期工作,于1984年出现了MATLAB的第一个商业版本。
MATLAB语言具有强大的数学运算能力、方便实用的绘图功能及语言的高度集成性,使其在许多科学与工程领域的应用越来越广,并且有着更广阔的应用前景和无穷无尽的潜能。
因此在开发工具的选择上,我们采用了高性能用于工程计算的编程软件─美国MathWorks公司推出的MATLAB(R2010b)。
MATLAB是一种高性能用于工程计算的编程软件,它把科学计算、结果的可视化和编程都集中在一个十分方便的环境中。
它语言简洁紧凑,运算符丰富灵活;既有结构化的控制语言,又能面向对象编程;语法限制不严格,程序设计自由度大,并且程序的可移植性较好;MATLAB强大的图形用户界面设计增加了极大的灵活性和可视化程度。
MATLAB强大的扩展功能为各个领域的应用提供了基础。
MATLAB工具箱包括统计工具箱、优化工具箱、偏微分方程数值解工具箱、样条工具箱、信号处理工具箱及曲线拟合工具箱等,这些工具箱为各个领域的研究和工程应用提供了有力的工具,各个层次的研究人员可直观、方便地进行分析、计算及设计工作,从而大大地节省了时间。
MATLAB的优势就在于矩阵的操作,MATLAB的SymbolicMath工具箱把处理的矩阵类型扩展到各种各样的非数值矩阵,其中丰富的拓展命令就是我们进行矩阵操作的基础。
MATLAB(R2010b)在以往MATLAB的基础上又改进和完善了整个图形处理功能,包括一般数据可视化软件都具有的功能(例如二维曲线和三维曲面的绘制和处理等)和一些其他软件所没有的功能(例如图形的光照处理、色度处理以及四维数据的表现等)。
MATLAB(R2010b)还对一些特殊的可视化要求(如图形对话等)新增了相应的功能函数,还着重改善了图形用户界面(GUI)的制作,满足了对这些方面有特殊要求的用户。
MATLAB(R2010b)可以把自己的MATLAB程序自动转换为独立运行的C和C++代码,仅仅利用它的编译器和C/C++数学库和图形库,还可以编写与MATLAB进行交互的C或C++语言程序。
另外,在Web应用中可以使用自己的MATLAB数学和图形程序,只需要通过其网页服务程序。
综上所述,MATLAB(R2010b)在各个方面都表现的十分出色,突出自己的特点和强大功能。
在开发环境中,用户可以更方便地控制多个文件和图形窗口:
在编程方
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 脑电波 毕业论文