脑电图情感变化主成分的复杂度分析毕业论文.docx
- 文档编号:12705990
- 上传时间:2023-04-21
- 格式:DOCX
- 页数:33
- 大小:477.26KB
脑电图情感变化主成分的复杂度分析毕业论文.docx
《脑电图情感变化主成分的复杂度分析毕业论文.docx》由会员分享,可在线阅读,更多相关《脑电图情感变化主成分的复杂度分析毕业论文.docx(33页珍藏版)》请在冰豆网上搜索。
脑电图情感变化主成分的复杂度分析毕业论文
摘要
本次毕业设计的主要内容是研究针对观看两种不同的视频过程中采集的脑电图数据的θ波进行人脑各种部位主成分的复杂度分析。
然后对两种不同状态的分析结果进行比较,得出各种状态不同特征,来研究人脑的感情变化的特征。
本研究能够针对不同人,不同状态下收集到的脑电图数据,利用主成分的复杂度分析方法对脑电图的θ波主成分进行复杂度分析,然后对各种不同状态脑电图数据进行特征分析。
研究人脑状态与不同外界条件的关系。
使用日本光电生产的EEG-9200K脑电图仪进行脑电图实验,采集脑电图数据。
在计算机上安装MATLAB软件,使用自行开发的软件EAST进行脑电图数据分析。
在实验馆606做脑电图实验。
用来进行数据分析的脑电图数据数量必须为10次以上。
了解脑电图基本知识,通过进行脑电图实验了解脑电图实验过程,把握脑电图试验方式。
通过数据分析,培养分析问题和解决问题的能力。
本次研究中使用的分析方法主体是主成分分析,对数据进行的是复杂度的分析。
通过本次毕业设计,不但使我了解到脑电图及脑电波等较专业领域的相关知识,更使我们掌握了MATLAB的使用方法,以及一些软件环境的相关设置。
本次毕业设计,我通过对33个正常成人的脑电图进行分析,得到关于人脑脑电图情感变化θ波与UnPleasure为依据的复杂度的比例关系。
按部位总结,正常成人大脑前部(包括FP1、FP2、F3、F4、Fz5个部位)与复杂度成反比,左右两侧靠近耳部的6个部位(F7、F8、T3、T4、T5、T6)与复杂度成反比,大脑中部的2个部位(Cz、Pz)与复杂度成正比。
大脑后部左侧2个部位(P3、O1)与复杂度成反比。
大脑后部右侧的2个部位(P4、O2)与复杂度成正比。
以上数据为部分实验者采样数据的分析结果,与真实结果有可能存在差异。
关键词:
脑电图θ波主成分分析
ABSTRACT
ThemaincontentofthisgraduationdesignisthestudyofthetaEEGdatacollectedforthewatchtwodifferentvideoprocesscomplexityanalysisofthemainingredientsofthevariouspartsofthehumanbrain.Thentheresultsoftheanalysisoftwodifferentstatescometothedifferentcharacteristicsofthevariousstates,tostudythechangingcharacteristicsofthefeelingsofthehumanbrain.Inthisstudy,EEGdatacollectedfordifferentpeople,differentstate,thecomplexityoftheprincipalcomponentanalysisoftheprincipalcomponentofθwavesontheEEGcomplexityanalysis,andthentheEEGdataofthevariousstatefeatureanalysis.Inthehumanbrainstatewithdifferentexternalconditions.NihonKohdenproductionEEG-9200KelectroencephalographEEGexperiment,collectingEEGdata.MATLABsoftwareinstalledonyourcomputer,usingsoftwaredevelopedbyEASTEEGdataanalysis.EEGexperimentstodointheexperimentalHall606.ThenumberofEEGdatausedtoanalyzedataformorethan10times.ThebasicknowledgetounderstandEEGEEGexperiment,theEEGexperiment,grasptheEEGtestmode.Throughdataanalysis,tocultivatetheabilitytoanalyzeandsolveproblems.Theanalyticalmethodsusedinthisstudy,themainprincipalcomponentanalysis.
Thegraduationproject,notonlythatIlearnedtheknowledgeofthefieldofEEGandbrainwavesaremoreprofessional,moresothatwemasteredtheuseofMATLAB,aswellassomeofthesoftwareenvironmentsettings.
Thegraduationprojectdesign,throughanalysisoftheEEGof33normaladult,gettheproportionalrelationshipbetweenchangesinthehumanbrainEEGemotionalθwavesUnPleasureapproximateentropy.Partsofthesummary,thefrontofthenormaladultbrain(includingFP1,FP2,F3,F4,,Fz5area)andapproximateentropyisinverselyproportionaltothesixpartsoftherightandleftear(F7,F8,T3,T4,T5,T6)andapproximateentropyisinverselyproportionaltothetwopartsofthebraincentral(Cz,Pz)andapproximateentropyisproportionalto.Isinverselyproportionaltotheleftofthebackofthebraintwosites(P3,O1)andapproximateentropy.Therightsideofthebackofthebrain,twosites(P4,O2)andapproximateentropyisproportionalto.
Theabovedataanalysisresultsofthesamplingdataaspartoftheexperimenter,andactualresultsmaydiffer.
Keyword:
EEGθwavePrincipalComponentAnalysis
目录
第一章研究背景1
1.1课题研究的目的及意义1
1.2脑电图的定义2
1.3脑电图的发现与研究进展3
1.4脑电图波形介绍3
1.4脑电波产生的机制3
第二章分析方法及使用软件介绍5
2.1复杂度方法介绍5
2.1.1大O符号5
2.1.2Ω符号与Θ符号6
2.2软件介绍7
2.2.1关于MATLAB7
2.2.2关于EAST8
2.3硬件介绍8
第三章脑电图试验9
3.1实验原理9
3.2实验的方法与步骤9
3.3实验的注意事项10
3.4脑电图伪差11
第四章数据分析12
4.1East系统安装步骤12
4.2数据图14
4.3数据分析20
结 论22
谢 辞24
第一章研究背景
1.1课题研究的目的及意义
课题研究的目的:
了解脑电图基本知识,通过进行脑电图实验了解脑电图实验过程,把握脑电图试验方式。
通过数据分析,培养分析问题和解决问题的能力。
脑电图数据是在人脑头皮外部收录到的人脑内部电流变化产生的微弱电压信息。
本研究针对观看两种不同的视频过程中采集的脑电图数据的θ波进行人脑各种部位主成分的复杂度分析。
然后对两种不同状态的分析结果进行比较,得出各种状态不同特征,来研究人脑的感情变化的特征。
1.癫痫:
脑电图对癫痫诊断价值最大,可以帮助确定诊断和分型,判断预后和分析疗效;
图1-1脑电图
2.脑外伤:
普通检查难以确定的轻微损伤脑电图可能发现异常;
3.对诊断脑肿瘤或损伤有一定帮助;
4.判断脑部是否有器质性病变,特别对判断是精神病还是脑炎等其他疾病造成的精神症状很有价值,还能区别癔病,诈病或者是真正有脑部疾病;
5.用于生物反馈治疗。
课题研究的意义:
脑电图是将人体脑组织生物电活动放大记录的一门技术,主要用于神经系统疾病的检查。
由于它反映的是“活”的脑组织功能状态,所以,自30年代出现以来,对神经系统疾病的诊断一直发挥着重大作用。
脑电图主要用于癫痫、脑外伤、脑肿瘤等疾病的诊断。
脑血管病的脑电图,尽管无特异性改变,但对诊断和预后的判断,以及与脑肿瘤的鉴别仍十分有意义。
脑血管病急性期90%脑电图出现异常,主要是慢波增多,尤其是病灶侧更明显。
脑出血时常伴有意识障碍、脑水肿和脑室出血,只有部分轻症患者表现轻度局限性异常。
蛛网膜下腔出血的脑电图,由于动静脉畸形好发生于大脑半球的表面,可因脑血液循环障碍,而发生局限性或半球性异常。
有时对侧亦可发生异常。
随着病情的好转,慢波的波幅减低,频率增快。
脑梗塞发生后,数小时就可有局灶性慢波出现,这种改变常在数周后改善或消失。
急性缺血性脑血管病损害,以大脑中动脉为最多见,故局灶性改变主要在颞叶。
如果是短暂性脑缺血发作,在发作间期脑电图可无异常。
在发作期一部分脑电图可能出现异常,这类病人较易发生脑梗塞。
脑电图临床意义:
异常脑电图可分为轻度、中度及重度异常。
1.轻度异常脑电图α节律很不规则或很不稳定,睁眼抑制反应消失或不显著。
额区或各区出现高幅β波。
Q波活动增加,某些部位Q活动占优势,有时各区均见Q波。
过度换气后出现高幅Q波。
2.中度异常脑电图α节活动频率减慢消失,有明显的不对称。
弥散性Q活动占优势。
出现阵发性Q波活动。
过度换气后,成组或成群地出现高波幅δ波。
尼高力数字化脑电图3.重度异常脑电图弥散性Q及δ活动占优势,在慢波间为高电压δ活动。
α节律消失或变慢。
出现阵发性δ波。
自发或诱发地出现高波幅棘波、尖波或棘慢综合波。
出现爆发性抑制活动或平坦活动。
1.2脑电图的定义
脑电图是通过脑电图描记仪将脑自身微弱的生物电放大记录成为一种曲线图,以帮助诊断疾病的一种现代辅助检查方法.它对被检查者没有任何创伤。
脑电图对脑部疾病有一定的诊断价值,但受到多种条件的限制,故多数情况下不能作为诊断的唯一依据,而需要结合患者的症状、体征、其他实验检查或辅助检查来综合分析。
脑电图主要用于用于颅内器质性病变如癫痫、脑炎、脑血管疾病及颅内占位性病变等的检查。
脑电图极易受各种因素干扰,应注意识别和排除。
图1-2脑活跃度脑电图
1.3脑电图的发现与研究进展
英国医生理查德·卡顿在1875年首先在动物身上观察到了脑电波。
由于受到威廉·艾因特霍芬心电图获得成功的鼓舞,汉斯·贝格尔决定用弦线电流计来测定大脑的电活动。
彩色扫描所显示的电波。
红色和黄色表示脑电活跃,而蓝色则表示不活跃。
首先,贝格尔将狗的大脑表面暴露,测定大脑外部的电流。
然后,他把电极放在己在人脑手术中切除掉部分头盖骨的头皮下。
终于他能够通过头盖骨记录下脑电波,并收集了他的家庭成员,朋友及其他志愿者的脑电图(简称EEGs)。
贝格尔第一个识别出两种不同类型的脑电波,他分别称之为a波和b波,后来又用其他希腊字母命名了其他的波形。
当人在思考、休息睡眠时,脑电图会显示出不同图形的电波。
左图:
癫痫发作时的脑电图轨迹。
EEGs在诊断癫痫时非常有用。
癫痫是一种涉及感觉、运动和意识障碍的疾病。
任何人都可能因事故、电击或高热诱发癫痫。
那些特别容易发作癫痫的人应该服用药物,减少发作的可能性。
人体组织细胞总是在自发地不断地产生着很微弱的生物电活动。
利用在头皮上安放的电极将脑细胞的电活动引出来并经脑电图机放大后记录在专门的纸上,即得出有一定波形、波幅、频率和位相的图形、曲线,即为脑电图。
当脑组织发生病理或功能改变时,这种曲线即发生相应的改变,从而为临床诊断、治病提供依据。
1.4脑电图波形介绍
健康人除个体差异外,在一生不同的年龄阶段,脑电图都各有其特点,但就正常成人脑电图来讲,其波形、波幅、频率和位相等都具有一定的特点。
临床上根据其频率的高低将波形分成以下四种:
β波:
频率在13C/S以上,波幅约为δ波的一半,额部及中央区最明显。
α波:
频率在8~13C/S,波幅25~75μV,以顶枕部最明显,双侧大致同步,重复节律地出现δ波称θ节律。
Φ波:
频率为4~7C/S,波幅20~40μV,是儿童的正常脑电活动,两侧对称,颞区多见。
δ波:
频率为4C/S以下,δ节律主要在额区,是正常儿童的主要波率,单个的和非局限性的小于20μV的δ波是正常的,局灶性的δ波则为异常。
δ波和β波统称为慢波。
因小儿的脑组织正在不断发育与成熟之中,因此其正常脑电图也常因年龄增长而没有明确的或严格的界限,具体内容很复杂,一般非专业人员不易掌握。
1.4脑电波产生的机制
影响脑电图的主要因素有年龄、个体差异、意识状态、外界刺激、精神活动、药物影响和脑部疾病等。
其中年龄和个体差异与脑生物学特点及遗传心理因素有关。
外界刺激与精神活动引起的脑波改变属于脑机能活动的一些生理性变化。
药物影响和脑部疾病所产生的脑波变化往往是病理性的,但也可以是一过性和可逆性的。
1.年龄和个体差异
脑电图作为客观反映大脑机能状态的一个重要方面,和年龄的关系非常密切。
如在小儿,脑电图可以观察到随年龄增加的脑波发展变化。
年龄阶段不同,脑波可显示明显的差异。
另一方面,由于小儿时期脑兴奋抑制机制发育水平的年龄差异,因而对内、外界各种因素影响的反应较成人显著,容易出现明显的脑波异常,而且异常的范围也较广泛,但相应的消失也较成人快。
在小儿时期异常脑波的出现也与年龄有关。
年龄不同,异常波型也不相同,在癫痫时尤其如此。
到成年时,脑波逐渐稳定,中年后随着脑机能的逐渐减退,脑波又产生相应的变化。
到老年期由于有脑缺血性损害或有脑萎缩存在,大多数也会出现有意义的脑波异常。
关于脑波的个体差异多在1岁后出现,并随年龄的增加而逐渐增加,至成人时脑波差异已相当显著。
许多研究结果认为脑电图与遗传及心理特征有一定关系,但出生后各种环境因素对大脑和心理性格的形成也有一定的影响。
2.意识状态
脑电图能够反映意识觉醒水平的变化,成人若在觉醒状态出现困倦时,脑电图就由α波占优势图形出现振幅降低,并很快转入涟波状态。
入睡后脑波变化将进一步明显并与睡眠深度大致平行。
在病理状态下,脑电图波形的异常又与病因及程度有关,除大多数表现为广泛性或弥漫性波外,还可见到一些其他的异常波型。
临床上常根据这些异常波型来推断意识障碍的病因、程度,还可确定病位。
3.外界刺激与精神活动
脑波节律一般易受精神活动的影响,如当被试者将注意力集中在某一事物或做心算时,α节律即被抑制,转为低幅β波,而且精神活动越强烈,α波抑制效应就越明显,外界刺激也可引起同样的变化。
这就是为什么在做脑电图时周围环境要安静,受检者要放松、不要思考问题的缘故。
4.体内生理条件的改变
临床上诸如缺血缺氧、高血糖、低血糖、体温变化、月经周期的变化、妊娠期、基础代谢等都直接影响脑组织的生化代谢,所以脑波也相应地出现变化。
如脑组织酸中毒时,脑血管扩张,脑血流量增加,将引起脑波振幅降低和出现快波化。
5.药物影响
在临床上大多数药物对脑机能会产生直接或间接的影响,尤其是那些直接作用于中枢神经系统的药物可引起明显的脑波变化。
具体变化与个体差异、药物种类、服药方法、药量等都有很大关系。
如口服给药,刚开始和增加药量时会出现脑波变化,有些在停药后的短期内脑波改变仍可持续存在,甚至会出现一种反跳现象而见到脑波增强,这就是临床上治疗癫痫不能突然换药或停药的原因。
第二章分析方法及使用软件介绍
2.1复杂度方法介绍
同一个问题往往可以由不同的算法解决,但是算法不同,效率也不同。
对于处理数量较少的数据项而言,算法之间效率的差异也许微不足道,但是当数据量增长时,这种差异就会成比例地增长。
为了使得算法效率具有可比性,JurisHartmanis和RichardE.Stearns引入一种称为“计算复杂度”的度量标准来衡量一种算法的难易程度。
计算复杂度表示应用一种算法需要付出多大的努力或是成本是多少。
这种成本可以用很多标准衡量,特定的应用场合决定了成本的不同含义。
本书介绍两种衡量效率的标准:
时间标准和空间标准。
由于时间因素较之空间因素更为重要,所以考虑效率时通常关注处理数据所花费的时间。
然而,即使是效率最低的算法,当运行在Cray计算机上时,也会比效率最高的算法在PC机上运行的执行效率要高,所以运行时间通常是系统相关的。
举个例子,为了对一百个算法进行比较,就必须在同一台机器上运行这些算法。
并且,即使在同一台机器上运行,运行时间的测试结果还跟算法所采用的语言有关。
编译程序执行起来比解释程序要快得多。
同一个程序,用C或Pascal写就比用BASIC或LISP写要快约20倍。
要评估一种算法的效率,就不能使用微秒或纳秒这样的实际时间单位,而应该采用某种逻辑单位,描述一个文件或数组的尺寸n同处理这些数据所需的时间t之间的关系。
如果尺寸n和时间t之间是线性关系,即
,那么数据量增长5倍将会使处理时间增长同样的倍数,即如果
,就有
。
同样,如果
,那么n翻倍只会让t增长一个时间单位。
即,若
,那么
。
通常来说,表示n与t之间关系的函数式会比上面的函数式要复杂得多,只有当涉及的数据量巨大时,计算这样的函数式才显得重要;任何不会从实质上改变函数式数量级的项都应当从函数式中剔除。
经过处理后的函数式给出的是原有函数式的近似效率估量。
但这种近似的效率估量与原函数相比,在效率上足够接近,当函数式处理的数据量很大时尤其如此。
这种效率的估量就称为渐进复杂度。
在两种情况下常采用这种复杂度,第一种情况是,在忽略函数式特定项来表达一个算法效率时;另一种情况是,在函数式的精确表示非常困难,或不可能得到这种精确表示,而只能进行近似表示时。
2.1.1大O符号
最常用来描述渐进复杂度,即用来估计函数增长率的,是由PaulBachmann于1894年引入的大O符号。
给定两正值函数f和g,考虑以下定义:
定义1:
,条件为:
存在正数c和N,使得对于所有的
,有
。
上述定义表明,如果对于足够大的n,或者说大于某自然数N的n,存在正数c,使得f不大于cg,则f是g的大O表示。
f和g的关系既可以理解为g(n)是f(n)的一个上界,也可以理解为f最终至多增长得跟g一样快。
这种定义的问题在于:
首先,它只声明一定存在某个c和N,但没有给出怎么求出这两个常数的任何提示。
其次,它并未给这些值以任何限制。
当有许多可能的值时,并不知道如何选择。
实际上,对于同一对f和g,通常可以指定无数对c和N。
2.1.2Ω符号与Θ符号
大O符号表示函数的上界。
对应于大O符号的定义,也有一个下界的定义:
定义2:
,条件为:
存在正的常数c和N,使得对于所有的
,有
。
上述定义表明,f是g的大Ω表示,如果有一正数c,对于几乎所有的n,使得f不小于cg。
换句话说,cg(n)是f(n)大小的下界,最终f至少以速率g增长。
该定义与大O符号定义的惟一不同之处就在于不等式的方向;将“≥”换成“≤”,就把一个定义变成另一个定义。
可以用一个等式来表示两符号之间的联系
Ω符号跟大O符号同样都有冗余问题:
c和N有无限多种选择。
对于等式(2.2),我们就是要找到一个c,使得
,如果
,那么对于任意的
该不等式都成立,其中2是图2-2中c的界限。
还有,如果
,且
,那么
;这就是说,只要我们能找到这样一个g,而使
,那么我们就能找到无限多个。
比方说,函数2.2是
的Ω,但也是n,n1/4,n1/3,n1/2,…,还有
,
,…以及其他许多函数的Ω。
出于实际需要,我们只对最接近的Ω(即最大的下界)感兴趣。
每次我们选择函数f的Ω时都有只考虑最接近的Ω。
对于函数f,有无限个可能的下界,也就是说,跟f有无限个上界一样,f也有一个无限大的g的集合,使得
。
为了避免混乱,我们将只关心最小的上界和最大的下界。
注意到两个符号的定义中的那个等号,它指出了大O和Ω符号的公共部分:
在大O定义中使用的是“
”,在Ω定义中使用的是“
”,“=”在两个定义中均出现了。
这意味着有一种方式可以用来约束可能的上界和下界的集合。
我们用以下定义来描述这种约束:
定义3:
f(n)=Θ(g(n),条件为:
存在这样的正数c1,c2及N,使得对于所有
,有
。
上述定义表明:
f与g有着相同的阶数,f与g同阶,或两函数最终以相同的速率增长。
若
,并且
,我们就认为
。
我们刚才列出的函数中,既是函数2.2的大O又是函数式(2.2)的Ω的函数是
。
事实上,这并不是惟一的,同样有着无限多种选择。
象
,
,
,……也都是函数(2.2)的Θ。
但显然会选择最简单的,即n2。
当应用任何一种符号(大O、Ω、Θ)时,要记住这些都是近似表示,其中,在许多情况下,也许很重要的细节都被忽略了。
2.2软件介绍
工作基础:
要求学生具备独立编写程序及测试基础能力,能够掌握MATLAB语言编程知识及能运用MATLAB语言实现一些基础的语言编程。
研究条件:
使用日本光电生产的EEG-9200K脑电图仪进行脑电图实验,采集脑电图数据。
在计算机上安装MATLAB软件,使用自行开发的软件EAST进行脑电图数据分析。
在实验馆606做脑电图实验。
用来进行数据分析的脑电图数据数量必须为10次以上。
应用环境:
支持MicrosoftWord7.0,MicrosoftWord8.0或Office2003等,例如Windows98或Windows2000/XP的操作系统
2.2.1关于MATLAB
MATLAB是矩阵实验室(MatrixLaboratory)的简称,是美国MathWorks公司出品的商业数学软件,用于算法开发、数据可视化、数据分析以及数值计算的高级技术计算语言和交互式环境,主要包括MATLAB和Simulink两大部分。
图2-1MATLAB界面截图
MATLAB是由美国mathworks公司发布的主要面对科学计算、可视化以及交互式程序设计的高科技计算环境。
它将数值分析、矩阵计算、科学数据可视化以及非线性动态系统的建模和仿真等诸多强大功能集成在一个易于使用的视窗环境中,为科学研究、工程设计以及必须进行有效数值计算的
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 脑电图 情感 变化 成分 复杂度 分析 毕业论文