兔皮层体感诱发电位时频特征分析

分析兔皮层体感诱发电位的时域和频域特性。兔麻醉开颅，从大脑体感运动皮层引导诱发电位。连续多次刺激，以3800Hz采样率采样。测量每次诱发电位各个波形成分的峰潜伏期。分析诱发电位的功率谱。比较单次和叠加平均电位的时频特性。结果显示诱发成分时域变异性在一个刺激周期内随时间逐渐增大，诱发电位的频谱包括3个主要频谱包。叠加平均技术使信号产生波形融合，新波形产生，后发放成份消失等多种畸变。     

小波变换及其在脑诱发电位分析中的应用

诱发脑是民是研究大脑高级神经过程的一个重要电信号。而从背景噪声中一次提取诱发电位具有非常重要的实用价值。本文介绍了新兴的不上波技术中多分辨率分析方法及其在诱发电位分析和提取中的应用。     

体感诱发电位提取方法的研究与分析

目的:为了更好地研究体感诱发电位的提取方法。方法:将基于自参考自相关自适应干扰对消技术(AAA-ICT)单次提取体感诱发电位的方法与传统的叠加平均提取方法作比较。结果:通过80例神经系统正常的受试者体感诱发电位的深入研究与分析,表明传统的叠加平均方法在提取体感诱发电位上有其合理内涵,但却存在着无法避免的缺陷。结论:AAA-ICT方法避免了其缺陷,实现了体感诱发电位提取方法上的又一大飞跃,具有很好的临床应用价值。     

听觉诱发电位提取方法的研究与分析

论述了运用小波变换进行听觉诱发电佗单次提取的原理、方法和实验分析。结果表明，对单次试验信号，经小波变换及相关分析后，可从带自发脑电干扰的信号中提取诱发电位信号。小波变换分析方法与传统的叠加平均方法相比，可减少试验次数，缩短检测周期。     

基于稀疏分解法的单次诱发电位提取

迭代加权稀疏分解法是按照白噪声在小波的多分辨结构中的二尺度关系来确定求最小l1模优化问题时的加权系数,并通过一个迭代过程来逐步消除强噪声的影响。通过对视觉诱发电位的单次提取的研究说明了这种方法具有良好的单次提取效果,其实验结果支持单次提取的视觉诱发电位是不相同的观点。     

应用连续小波变换提取脊柱手术中脊髓功能特征参数的研究

在脊柱外科手术中,为防止脊髓神经功能损伤进行术中脊髓功能监护十分必要。本研究以特发性脊柱侧弯矫形手术中脊髓功能的电生理监护特征参数提取技术为目标,试图解决监护参数在时域参数变异性较大、容易受干扰的问题。运用连续小波变换方法对手术中采集的体感诱发电位分析处理,提取信号在时频域的三个新的特征参数。通过本研究表明,在脊柱手术监护中,运用连续小波变换获得的时频域特征参数比单纯在时域分析参数具有更小的变异系数。因此时频域特征分析参数比单纯时域的幅值和潜伏期分析更稳定和可靠。在脊柱手术中如果应用时频监护参数可能会更有效地避免脊髓损伤。     

用小波变换提取视觉诱发电位信号

视觉诱发电位（ＶＥＰ）信号的动态提取及处理具有重要的临床意义。通过硬件采集的ＶＥＰ信号经过叠加平均处理后仍含有大量背景噪声，不能直接用于诊断分析。小波变换是一种新兴时频分析方法，适于分析非平稳信号。在我们研制的视觉生理地形图系统中，成功地用它从背景噪声中提取出ＶＥＰ信号，完成信号的预处理。     

基于独立分量分析的大脑视觉诱发电位单次提取

脑电 (Electroencephalography ,EEG)视觉诱发电位 (VisualEvokedPotential,VEP)的单次提取是当前生物医学信号处理领域的一个研究热点。提出一种基于独立分量分析 (IndependentComponentAnalysis,ICA)的多道脑电信号VEP单次提取方法 ,与多次叠加求平均的方法相比较 ,可以得到令人满意的结果。     

ERP单次提取中的小波变换模极大值恢复算法

自发脑电的频谱不规则,与有效信号ＥＲＰ频谱相重叠,传统滤波方法难以奏效。但由于随机噪声奇异性指数与有效信号奇异性指数大小不一样,小波变换模极大值在不同尺度下传播行为也不一样,据此可将有效信号从随机噪声中提取出来。我们发现利用小波变换模极大值算法可以提取出单次ＥＲＰ,并将此方法用于１１名被试听觉的实时提取研究。     

脊柱侧弯手术中正常体感诱发电位时频特征分析

目的提取脊柱术中体感诱发电位(SEP)的时频特征参数,确定时频域特征参数的正常值范围。方法选取1998年9月至2006年1月脊柱侧弯手术病人183例,其中皮层诱发电位168例有效(92%),女性129例,男性39例,年龄7～40岁(平均年龄16.8岁);下皮层诱发电位183例有效(100%),女性144例,男性39例,年龄7～40岁(平均年龄16.69岁)。运用短时傅立叶变换对手术中采集的体感诱发电位进行分析处理,提取信号在时频域的三个特征参数,并与时域分析方法进行比较。结果谱峰功率比波幅的变异系数更小,SEP(Cz′)的谱峰时间以(41.2±4.1)ms为中心,范围是29～55ms,谱峰频率以(53.6±6.2)Hz为中心,范围是37～79Hz;SEP(Cv)的谱峰时间以(30.1±2.9)ms为中心,范围是21～39ms,谱峰频率以(81.8±4.9)Hz为中心,范围是67～111Hz。结论运用短时傅立叶变换获得的脊柱手术时频谱具有稳定的时频特征参数分布,为建立自动判别标准及临床应用打下了基础。     

基于小波变换的颜色视觉诱发电位检测去噪研究

为了提高检测的效率，将基于小波变换的信号分析方法引入到颜色视觉诱发电位（Visual evoked potential，VEP）的检测中，提出了基于多尺度条件下小波变换模极大值分布图的重建VEP信号的方法。该方法对初始采集信号采用Mallat快速算法进行离散小波变换得到模极大值分布图。根据信号噪声的Lipschitz指数特性进行去噪。最后按照POCS（Projections onto convex sets）方法进行信号的重建。仿真实验结果表明该方法对VEP信号的去噪效果比较理想。同时该方法极大地降低了测试次数。因此该方法与现有临床的叠加方法相比有明显的优披件．     

复合自适应滤波器用于体感诱发电位信噪比的提高

本研究以可靠、快速提取体感诱发电位为目标,试图解决相干叠加方法既费时又不能反映体感诱发电位时变特征的缺点。运用以自适应噪声减法器和自适应增强器为基础构造的复合自适应滤波器提取体感诱发电位。仿真实验表明,运用复合自适应滤波器可实现从强噪声背景中快速提取体感诱发电位,能更快地识别体感诱发电位的潜伏期及幅值,并且系统性能稳定。     

基于小波变换的多分辨率医学图像融合

多模医学图像融合在医学图像分析和诊断上具有极为重要的应用价值。本文采用了基于小波变换的多分辨率分析对人脑MRI PET图像进行了融合。结果表明此方法能够充分有效地将解剖信息与功能信息集成在一起 ,并保留原始图像的边缘和纹理特征 ,具有广阔的应用前景     

大鼠脑缺血不同时期躯体感觉诱发电位的研究

脑电信号（EEG）具有较高的时间分辨率、可观测脑内活动的动态变化、完全无损检测等优点,常用于对神经系统疾病的诊断,本研究探讨脑缺血后躯体感觉诱发电位（SEP）变化及大脑皮层的功能恢复。利用线栓法建模成功的25只SD雄性大鼠分为5组,分别为正常对照组和左侧中动脉缺血术后4、24、 48 h和1周4个实验组。采用SEP记录法,在术后不同时间段电刺激大鼠的右前爪正中神经支配区,记录对照组和实验组左侧皮层脑电信号,提取SEP,并对安静状态下的脑电进行频谱分析,定量评价左侧中动脉缺血后初级体感皮层SEP及功率谱变化过程。实验结果显示,术后4 h,SD大鼠左侧大脑皮层测得的SEP潜伏期较正常状态显著增大（（16.0±1.1）ms vs（33.7±1.3）ms,P<0.01）,波幅变小（（197.2±13.0）μV vs（25.1±2.0）μV,P<0.01）,θ波、α波、β波、γ波的能量明显变小。θ波：（139 367.86±178.66）μV^2vs（2.22±0.40）μV²,P <0.01;α波:（5389.33±25.55）μV² vs（0.23±0.01）μV²,P<0.01;β波：（7911±416）μV² vs（0.01±0.01）μV²,p<0.01; γ波：（0.30±0.12）μV² vs（0.00±0.00）μV²,P<0.01。随着术后时间的延长,上述特征与对照组的差距逐渐缩小,但还不能达到正常状态的水平。研究提示,SEP可在一定程度上反映脑缺血大鼠大脑皮层功能的变化。     

体感诱发电位检测中经皮电极下电刺激分布模型的研究

体感诱发电位是检测脊神经和周围神经活动的重要方法,而经皮电刺激是体感诱发电位检测中的应用手段,通过对经皮刺激电极下电势场和电流密度场的分布的研究,可以提高检测的效率与质量。我们采用镜像法,对经皮刺激电极下人体组织中电位场和电流密度场的分布进行了理论的推导,得到了场分布的解析解,以此解析解为基础,就可以得到电极放置位置下场分布的数值解,为临床神经刺激提供理论指导。     

基于小波多分辨分析的第一第二心音提取

在心音信号的分析中,为了有针对性的分析第一心音(S1)、第二心音(S2)、第三心音(S3)、第四心音(S4),首先需要将它们从采集的心音信号中分离出来.本文提出一种方法,利用小波多分辨分析,提取第一心音及第二心音的同步信号,从而完成对第一心音和第二心音的实时分离.该方法区别于传统的依靠心电信号进行同步提取第一心音和第二心音的方法,避免了采集心音信号的同时需采集心电信号的麻烦,也提供了一种实现信号自同步的思路.用本方法对28例心音信号进行了仿真实验,1、S2均能被正确地分离出,表明该方法是可行的.     

诱发电位提取的聚类分析和小波去噪复合方法

本文研究了提取诱发电位的一种复合方法,它用聚类方法对诱发电位信号进行筛选,将筛选出的信号进行叠加以消除测试数据不一致性对叠加结果的影响.然后利用小波方法进一步去除噪声,提高信噪比.文中介绍了模糊聚类方法和小波去噪理论,并通过仿真计算来评估提取效果.仿真计算表明该方法可减少测试次数,提高信噪比,对视觉脑干诱发电位处理结果显示,该方法的实际处理效果良好.