脑电数据的双水平分析及特征选择方法在精神分裂症诊断中的研究

发布时间：2024-01-31 18:12

　　脑电信号是大量神经元同步发生的突触后电位总和行成的信号,其中包含了大量的生理和病理信息,可以反映一个人的脑活动状态。大量研究表明,精神分裂症病人和正常人的脑电信号特征区分明显,因此借助脑电特征进行精神分裂症病人的诊断,已成为许多专家学者的研究课题。传统的精神分裂症诊断是基于心理医生的主观判断,虽然借助了临床诊断量表,但是结果的主观性和误判率仍然比较高。随着机器学习技术的兴起,这项技术被越来越多的研究者应用到该类疾病诊断中,并已有不少研究人员证明了该课题研究的可行性及意义。近年来随着脑机接口(BCI)技术的发展,脑电生理特征已成为监测视觉,运动,想象及病理的重要指标。大多数基于脑电特征如ERP峰值幅度,功率谱等的精神分裂症诊断的研究已经取得了不错的结果。由于脑电特征数目远远大于被试数目,在构建分类模型中往往会有精度不够和过拟合的问题。因此,本研究在使用脑电特征进行模型构建之前,先使用特征选择算法进行特征筛选,不仅能减少特征冗余,而且大大提高了诊断模型的准确率和鲁棒性,同时也降低了诊断系统复杂度。本文主要使用了4种filter式特征选择算法,分别是Relieff,MI,SD,mRMR,并对...

【文章页数】：85 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
符号对照表
缩略语对照表
第一章 绪论
    1.1 研究背景、目的与意义
        1.1.1 研究背景
        1.1.2 研究目的
        1.1.3 研究意义
    1.2 脑电信号的双水平分析方法
        1.2.1 脑电信号的双水平分析方法概述
        1.2.2 脑电信号的双水平分析方法研究现状
    1.3 本课题的主要研究内容与实验设计
第二章 双水平特征提取方法介绍
    2.1 基于传感器水平分析的P300特征集提取
        2.1.1 P300在精神分裂症诊断中的价值
        2.1.2 P300特征提取
    2.2 基于传感器水平分析的时域及频域特征提取
    2.3 基于源水平分析的特征提取
        2.3.1 源定位分析方法介绍
        2.3.2 源定位分析方法在精神分裂症中的应用
        2.3.3 布罗德曼分区
    2.4 本章小结
第三章 精神分裂症诊断系统构建的相关算法介绍
    3.1 filter式特征选择算法
        3.1.1 Relieff算法
        3.1.2 mRMR算法
        3.1.3 SD算法
        3.1.4 MI算法
    3.2 分类器选择
    3.3 诊断模型评估
    3.4 本章小结
第四章 精神分裂症诊断系统构建
    4.1 实验设计
        4.1.1 实验对象
        4.1.2 odd-ball实验范式
        4.1.3 数据采集
    4.2 数据预处理
        4.2.1 数据检查
        4.2.2 带通滤波
        4.2.3 ICA去伪
        4.2.4 数据分段
    4.3 特征提取
    4.4 特征选择
    4.5 模型构建及评估
    4.6 本章小结
第五章 结果与分析
    5.1 双水平特征集对分类结果的影响
    5.2 不同特征选择算法对结果的影响
    5.3 最优模型所使用的特征分析
    5.4 实验结果讨论与分析
    5.5 本章小结
第六章 总结与展望
    6.1 工作总结
    6.2 工作展望
参考文献
致谢
作者简介



本文编号：3891313