Detrended Fluctuation Analysis of the Human EEG during Listening to Emotional Music

A nonlinear method named detrended fluctuation analysis （DFA） was utilized to investigate the scaling behavior of the human electroencephalogram （EEG） in three emotional music conditions （fear, happiness, sadness） and a rest condition （eyes-closed）. The results showed that the EEG exhibited scaling behavior in two regions with two scaling exponents β1 and β2 which represented the complexity of higher and lower frequency activity besides α band respectively. As the emotional intensity decreased the value of β1 increased and the value of β2 decreased. The change of β1 was weakly correlated with the ＇approach-withdrawal＇ model of emotion and both of fear and sad music made certain differences compared with the eyes-closed rest condition. The study shows that music is a powerful elicitor of emotion and that using nonlinear method can potentially contribute to the investigation of emotion.     

基于脑电信号特征的驾驶疲劳检测方法研究

目前,疲劳驾驶已成为一种严重的社会问题,然而对于疲劳驾驶的检测与预防仍缺乏有效的技术手段.采用疲劳驾驶模拟实验、结合对象辨别实验和对被试面部表情变化分析,探索了脑电信号特征与驾驶疲劳状态间的相关性.提取脑电信号的δ波、θ波、α波、β波四种脑电节律的能量值作为疲劳驾驶的特征值,采用δ波能量值与θ波能量值之和与β波能量值的比值作为疲劳指数.结果显示,疲劳指数与被试疲劳程度呈正相关,验证了利用脑电信号检测疲劳程度的合理性与客观性,为疲劳检测提供了新的思路.     

引入迁移学习的癫痫EEG信号自适应识别

在脑电图( EEG)信号识别中,EEG信号的采样环境、病人状态的多样性导致分类器训练所用的源域与分类器测试所用的目标域不匹配,分类器在目标域上表现不佳。为此,引入邻域适应策略,提出一种基于子空间相似度的改进主成分分析特征提取方法( SSM-PCA),在选择主成分时,考虑源域和目标域数据的几何和统计特性,并结合迁移学习分类器大间隔投射迁移支持向量机( LMPROJ),给出以SSM-PCA为基础的LMPROJ分类识别方法。实验结果表明,与结合PCA特征抽取技术和K近邻分类器实现的识别方法相比,该方法在识别正确率方面得到较大提升。     

基于部分相位同步的中少年脑电分析

应用一种基于部分相位同步的算法,该算法与双变量相位同步分析方法相比,在多变量非线性系统中能有效地推断直接耦合关系 还是间接耦合关系,因此,可以用此方法判定系统之间的耦合程度。首先把该方法应用于3个耦合的Rossler混沌系统中,仿真结果表明,部分相位同步方法能够准确地推断Rossl er系统之间的耦合关系。然后应用该方法对少年人脑电与中年人脑电进行分析,实验结果表明,少年人脑电耦合程度与中年人脑电耦合程度有显著的差异,说明部分相位同步算法可以作为区分中少年脑电信号的一个依据。     

基于Fisher判别法的脑电图数据分析的研究

目的本文通过对客观记录的受试者脑电图数据进行Fisher判别分析,判断其能否应用于脑电数据特征提取和分类决策。为脑电图研究的其它分析做基础分析。方法根据α波的强弱不同将21导电极分为四类,分别对63例正常状态下受试者21导联电极的脑电图数据进行Fisher判别分析,并利用误判率回代估计法检验判别准确率。数据处理和统计分析采用独立设计的脑电图分析工具箱和Fisher判别分析程序。结果表明对63例正常状态下受试者的脑电图数据进行Fisher判别分析,预测各电极分类准确率82.3%。结论Fisher判别法预测准确率较高,脑电特征(主要为α波)提取较为准确,能较好的应用于脑电数据特征提取和分类决策中,从而辅助脑电图的检查和定量分析,为脑电图的检验提供有效的分析手段。     

利用LS—SVM模块化决策系统求解EEG源参数

给定头皮脑电位的分布推算脑内电活动的源是脑电研究的一个重要的方面.研究涉及到信息科学、电磁场计算及生物医学工程等多个学科领域,其研究成果在神经疾病诊断、探索人的感觉和认知过程等方面具有蕈要意义.基于最小二乘支持向最机(LS-SVM)算法建立模块化决策系统,首先对脑电数据进行分类,然后依据分类结果提取数据样本,并建立回归模型,最后求解多种偶极子源参数.从而建立起头皮电压和脑电源参数之间的内在联系,为脑电动态分析提出一种实时的研究思路.计算机仿真计算结果证明了此方法的有效性.     

德州仪器为ECG和EEG量身打造全面集成的模拟前端

<正>当前,中国、美国等许多国家的医疗改革、人口老龄化以及个人对健康更加关注等因素都促进了医疗电子终端市场的发展。近日,德州仪器(TI)推出全面集成的模拟前端(AFE)系列首款产品ADS1298,以充分满足便携式与高端心电图(ECG)、脑电图(EEG)设备、患者监护以及消费医疗应用等需求。TI(上海)有限     

基于伪随机序列调制彩色视觉刺激的脑机接口

脑机接口（Brain-computer interface,BCI）是一种 新颖的人机交互方式,是通过人的大脑意图和计算机直接进行交流。本文提出了一种基于伪随机序列调制彩色视觉刺激,产生彩色瞬态视觉诱发电位（Chromatic transient visual evoked potential, CTVEP）的BCI系统设计与信号处理方法。根据视觉特性,彩色圆环的交替呈现与消失作为视觉刺激被证明更加舒适和安全。在本文研究中,屏幕上同时呈现36个 彩色圆环刺激,每个刺激的呈现与消失模式由相互正交的36个伪随机Gold序列中的唯一的一个给定。针对采集的枕区脑电信号,利用Gold序列的正交性,本文给出CTVEP的解码方法,通过匹配滤波判断被试注视的刺激图案。通过对20名被试的实验,给出了系统的识别准确率 ,验证了此系统在“翻译”被试选择时的可靠性。