基于多变量希尔伯特频域模型的癫痫发作预测

癫痫发作具有突发性和反复性,对患者生命安全构成巨大威胁.为了对癫痫发作进行有效地预测,提出了多变量希尔伯特频域模型的癫痫发作预测方法.将希尔伯特边际谱、希尔伯特边际谱的变化方向和希尔伯特加权频率组成一个三维特征向量作为多变量希尔伯特频域模型,输入到支持相量机中,实现癫痫的发作预测,最后采用癫痫发作预测特征方法对预测结果进行评估.实验结果表明:采用多变量希尔伯特频域模型分析方法预测δ波和θ波的癫痫发作,癫痫预测范围在30~45 min,患者有足够的时间采取措施应对;癫痫发作周期在5~10 min,缩短患者等待时间,降低焦虑程度;与多种相关方法进行比较,该方法具有较低的错误预报率和较高的预测敏感度.     

采用频带能量进行ECoG信号的特征提取

对于典型的采用皮层脑电图的脑-机接口系统,测试者想象左手小手指或舌头运动,提出了采用频带能量的特征提取方法.首先,把频带能量作为特征,进行导联的选择,从64导联中获取特征最明显的11导进行分析;然后采用频带能量进行皮层脑电图信号的特征提取,并利用主分量分析进行降维;最后采用Fisher线性判别分析进行两类意识任务的分类.离线分析结果表明,该方法对测试数据取得了很好的分类准确率.     

基于Alpha波的异步脑-机接口系统

利用Alpha波建立了一个脑-机接口系统,包括脑电数据采集、脑电信号分析、特征提取和分类,并进行了实时在线分析.该脑-机接口系统的工作模式为异步,测试者可以任意选择何时启动系统,并随意选择4个命令中的一个进行输出,是一种更加自然的人机交互方式.实验结果表明,该系统取得了很高的分类正确率,具有很好的实用性.     

建筑施工工地的用电安全措施

从建筑施工工地的外部环境、人员状况、等电位联结状况等，浅述了建筑施工工地存在着电气危险隐患，以及必须采取的用电安全措施。     

基于CSP与SVM算法的运动想象脑电信号分类

针对基于两种不同意识任务(想象左手运动和想象右手运动)的脑机接口,使用共空间模式(common spatial pattern,CSP)算法对BCI 2003竞赛数据进行特征提取;基于滑动时间窗,利用CSP方法对C3,Cz和C4位置的脑电信号进行处理.利用支持向量机对特征进行分类,获得最大分类正确率82.86%,最佳时间点4.09 s,最大互信息0.47 bit,最大互信息陡度0.431 bit/s.与BCI 2003竞赛结果相比,最大互信息陡度有了显著提高,证明该方法更适合BCI实时系统的要求.     

一类时延脑电模型的分岔研究及其控制

基于Robinson等人对一类简约脑皮层电模型的研究,对该模型的分叉特性进行了研究.考虑到兴奋型神经元和抑制型神经元之间信息传递的延时,讨论了延时对简约模型稳定性的影响,并给出了模型发生Hopf分岔的条件.结果表明,当时延在一定的阈值内,模型可以保持其稳定状态.进一步地,针对该模型设计了导数反馈控制器,消除了Hopf分岔现象.数值仿真验证了理论的有效性.     

脑电信号频带能量特征的提取方法及分类研究

研究了基于运动想象脑电信号脑-机接口的特点,根据事件相关去同步和事件相关同步现象对GRAZ大学提供的想象左右手运动时的脑电数据进行μ节律和β节律处的频带能量提取,针对频带能量特征提取过程中滑动时间窗口长度往往依据经验选择的缺点,提出使用交叉验证的方法对最佳滑动时间窗口的长度进行选择,通过对比几种分类器的分类结果,得出在窗口长度为2s时使用支持向量机分类器可以获得最佳分类效果,对训练数据集的平均分类识别正确率最大可以达到91.4%,而在该窗口长度下对测试数据集的最大分类正确率为87.9%,最大互信息0.56bit,表明该频带能量特征提取方法结合支持向量机分类器比较适合于BCI的研究。     

EEG模型的混沌动力学特性研究

EEG是大脑电生理过程的宏观表现,研究EEG模型的非线性动力学特征可以使大脑的活动规律得到进一步认识。EEG模型中,以兴奋性神经元集群的兴奋性输入作为参数,分析了模型的关联维数和最大Lyapunov指数的变化。数值仿真实验显示该EEG模型具有极限环,倍周期分岔,混沌等复杂的动力学行为,进一步说明混沌存在于EEG模型中。

Abstract：

EEG is the expression of brain electrophysiological activity in macroscopic scales,and the rule of brain activity can be recognized by analyzing nonlinear dynamics of EEG model.Regarding the excitatory inputs to excitatory populations as a parameter,correlation dimension and largest Lyapunov exponent were calculated.Numerical simulation shows complex dynamical behaviors,such as limit cycle,doubling-period bifurcation,chaos and so on,provide the evidence that chaos exists in EEG model.     

特征选择算法在ECoG分类中的应用

研究了基于运动想象的皮层脑电信号ECoG的特点,针对BCI2005竞赛数据集I中的ECoG信号,通过提取频带能量获得了想象左手小指及舌头运动时的特征,结合Fisher,SVM-RFE及L0算法对特征进行选择,采用10段交叉验证的方法得到训练数据集在各维特征数下的识别正确率并选出最佳特征组合.结果表明:三种特征选择方法中SVM-RFE算法所选出的特征组合可以获得最低的识别错误率以及最低的特征维数,针对所选出的特征组合,使用训练数据集的特征对线性支持向量机进行训练,使用训练好的模型对测试数据集进行分类,识别正确率可以达到94%.     

脑皮层功能柱模型中的Hopf分岔

研究了一种脑皮层功能柱的集中参数模型,分析了平衡点的稳定性,并给出了其Hopf分岔条件.数值仿真显示,该模型在不同参数条件下可以表现为多种不同的脑电波信号.通过改变外部输入脉冲密度,模型状态响应经历了稳定平衡点和极限环的过程,验证了其Hopf分岔的存在条件.对Hopf分岔的研究为进一步深入了解大脑的非线性结构提供了理论依据.