同濟博士論叢——監(jiān)測腦活動——EEG解碼及其應用研究
定 價:51 元
- 作者:王登,苗奪謙 著,伍江,雷星暉 編
- 出版時間:2018/6/1
- ISBN:9787560869629
- 出 版 社:同濟大學出版社
- 中圖法分類:R741.044
- 頁碼:
- 紙張:膠版紙
- 版次:
- 開本:16開
《監(jiān)測腦活動:EEG解碼及其應用研究/同濟博士論叢》主要基于腦電EEG,圍繞運動想象腦一機接口、癲癇自動檢測、隱蔽信息挖掘和感知預測四個方面對監(jiān)測腦活動進行了比較深入的研究,詳細考究了各自的研究歷史與現(xiàn)狀,結(jié)合機器學習與模式識別的方法,提出了相應的預處理,特征抽取/特征選擇,模式分類的處理框架及算法,并分別從五個真實數(shù)據(jù)集中成功地驗證了所提出方法的有效性,初步建立了一個基于電生理信號EEG的監(jiān)測腦活動及基本架構(gòu)。
人腦是整個宇宙中最為神秘的器官,解碼人腦活動規(guī)律以探索智慧和生命的奧秘令無數(shù)科學家心馳神往。隨著全球腦研究的持續(xù)升溫,特別是2013年歐美先后啟動具有戰(zhàn)略意義的人腦研究計劃,腦相關(guān)的科學研究對于提升人類健康水平、帶動相關(guān)產(chǎn)業(yè)發(fā)展、刺激經(jīng)濟發(fā)展和促進社會進步勢必帶來革命性的意義。
從人的頭皮采集到的腦電(electroencephalogram,EEG)信號作為大腦信息處理過程中所發(fā)生的電生理活動的一個直觀而無損的反映,因其獨特的屬性(無創(chuàng)、高時間分辨率、使用簡便等)而日益成為相關(guān)腦研究中必不可少的研究手段,特別為監(jiān)測腦的研究提供了一種重要的技術(shù)支持。EEG解碼技術(shù)涉及神經(jīng)科學、認知心理學和智能信息處理等領域,它是從原始EEG信號中獲取與任務相關(guān)的模式,解碼腦的不同任務狀態(tài),旨在揭示人腦認知思維活動模式,建立腦活動的意向與行為之間的關(guān)聯(lián),達到認識腦、保護腦和開發(fā)腦的目的。本書的主要研究總結(jié)如下:
(1)為了準確地提取EEG信號的特征信息,提高腦思維任務的分類精度,在研究小波包變換的基礎上,提出了一種改進小波包分解EEG特征的抽取方法。該方法首先進行小波包分解,然后結(jié)合能反映EEG信號在時域與頻域上的能量分布特征的小波熵概念,從小波包庫中選擇最優(yōu)小波包基,最后利用不同腦思維任務下腦區(qū)活動的非平衡性,對不同導聯(lián)EEG信號求取不對稱率來構(gòu)成特征向量。實驗采用一個5類不同腦思維任務EEG數(shù)據(jù)集,結(jié)果表明該方法具有較高的平均分類精度。本研究為腦思維任務下EEG信號的特征抽取提供了新的思路。
。2)EEG信號是腦一機接口(brain-computerinterface,BCI)-個重要的信號來源。為了更有效和可靠地對原始EEG信號進行解碼,我們針對基于EEG的運動想象BCI多任務分類問題,提出了一套新的具有魯棒性的處理框架。該框架可以直接處理帶有噪聲的原始EEG信號,而不用領域?qū)<覍π盘杺污E進行手工標注和剔除。同時,該框架能夠自動選擇與任務相關(guān)聯(lián)的EEG通道,從而減少計算復雜度。我們采用最新的競賽數(shù)據(jù)集dataset2a-BCICompetitionⅣ驗證了所提出的框架及其相關(guān)處理算法,結(jié)果證實了對于原始包含偽跡的運動想象EEG信號,該處理框架及算法比競賽公布的前3名具有更好的分類性能。
總序
論叢前言
前言
第1章 引言
1.1 研究背景及意義
1.2 EEG解碼相關(guān)問題、研究現(xiàn)狀與進展
1.2.1 EEG產(chǎn)生機理及其基本特征
1.2.2 EEG的優(yōu)勢
1.2.3 EEG信號分析處理方法
1.2.4 EEG解碼的應用研究
1.3 研究內(nèi)容、創(chuàng)新點及組織結(jié)構(gòu)
1.3.1 研究內(nèi)容概述
1.3.2 創(chuàng)新點
1.3.3 組織結(jié)構(gòu)
第2章 基于EEG的運動想象分類及其BCI應用研究
2.1 引言
2.2 研究歷史與現(xiàn)狀
2.2.1 基于侵入式EEG的BCI研究
2.2.2 基于非侵入式EEG的BCI研究
2.2.3 應用前景
2.2.4 涉及的關(guān)鍵問題與挑戰(zhàn)
2.3 處理框架與算法
2.3 ,1處理框架
2.3.2 相關(guān)算法
2.4 實驗數(shù)據(jù)描述及分析
2.4.1 數(shù)據(jù)集1簡介
2.4.2 數(shù)據(jù)集2簡介
2.4.3 數(shù)據(jù)分析
2.5 實驗結(jié)果與討論
2.6 本章小結(jié)
第3章 基于EEG的癲癇自動檢測與分類研究
3.1 引言
3.2 研究歷史與現(xiàn)狀
3.3 檢測與分類算法描述
3.3.1 特征抽取算法
3.3.2 KNN分類器
3.3.3 系統(tǒng)描述
3.4 實驗及結(jié)果與討論
3.4.1 數(shù)據(jù)描述
……
第4章 基于EEG的隱蔽信息挖掘研究
第5章 基于EEG的感知預測研究
第6章 結(jié)論與展望
參考文獻
后記