基于EEG的脑网络特征的脑疲劳状态分类研究

摘要

目前，脑疲劳已经成为一种现代人普遍存在却又极易被忽视的健康问题，连续长时间处于大脑疲劳状态严重损害人的认知与行为能力，影响人类身心健康。因此，认识脑疲劳的作用机理，能够对其进行准确识别并探索相关缓解脑疲劳的方法就显得尤为重要。 本文首先设计脑电实验，构建并比较不同状态的脑功能网络。通过持续认知任务构建脑疲劳模型，采集被试正常态、疲劳态和磁刺激后状态的64导自发脑电信号，构建并比较分析了被试正常态、疲劳态和磁刺激后的脑功能网络。结果发现，相比于正常态，脑疲劳状态下脑功能网络的复杂程度显著降低，其连接的无序性明显增强；相比于脑疲劳态，磁刺激穴位后脑功能网络的复杂程度有明显增强，同时各脑区间的相关程度也有大幅度提高。 其次，求取正常态、疲劳态和磁刺激后状态脑功能网络的全局和局部特征参数，研究脑疲劳对大脑连接性所产生的影响，探究脑疲劳的作用机理，并探究磁刺激是否对大脑疲劳存在缓解作用。基于复杂网络理论，计算并定量分析了被试正常态、疲劳态和磁刺激后状态脑功能网络的全局以及局部特征参数，同时采用主观评价方法对三种状态进行对照分析。结果表明，脑功能网络全局特征参数与局部特征参数可以很好得反映脑疲劳后大脑的连接性变化情况，为深入了解脑疲劳作用机制提供了新的思路，并且，磁刺激穴位能够有效缓解大脑疲劳。 最后，对正常态和脑疲劳状态进行分类研究，以探索科学评定脑疲劳的客观检测指标。本文分别将全局特征和局部特征参数作为分类特征，选用支持向量机算法对所有被试的正常态和疲劳态进行了分类研究，并对这两种方法的分类正确率结果进行了对比分析。研究结果表明，相比于将脑功能网络的全局特征参数作为分类器的输入，其局部特征参数作为分类特征来识别正常态和疲劳态时的分类效果更好。脑功能网络的局部特征参数更适于作为区分正常态和脑疲劳态的分类特征，有望成为客观判定脑疲劳状态的指标。

目录

声明

第一章 绪论

1.1课题背景及研究意义

1.2 国内外研究现状

1.2.1 脑疲劳研究现状

1.2.2 脑功能网络研究现状

1.2.3 磁刺激穴位研究现状

1.3 本文主要研究内容

第二章 脑电实验设计及数据预处理

2.1 实验设计

2.1.1 脑电实验流程图

2.1.2 被试

2.1.3 脑疲劳实验与主观测评实验

2.1.4 磁刺激穴位实验

2.2 EEG数据的采集与预处理

2.2.1 EEG数据的采集系统

2.2.2 EEG数据的预处理

2.3 本章小结

第三章 脑网络的构建与分析

3.1 脑网络的构建

3.1.1 网络节点的定义

3.1.2 EEG信号导联间关联特性分析

3.1.3 阈值的选取及二值矩阵的构建

3.1.4 三种状态的脑网络构建

3.2 主观疲劳量表统计分析

3.3 脑网络特征参数分析

3.3.1 脑网络的局部特征参数

3.3.2 脑网络的全局特征参数

3.4 本章小结

第四章 脑疲劳状态的脑网络特征分类研究

4.1 支持向量机算法

4.2 基于脑网络特征的分类模型构建

4.2.1 基于脑网络局部特征参数的分类研究

4.2.2 基于脑网络全局特征参数的分类研究

4.3 本章小结

第五章 总结与展望

5.1 总结

5.2 展望

参考文献

攻读学位期间所取得的相关科研成果

致谢