基于互模式熵的脑电信号分析

摘要

人的大脑是最复杂的器官。现代医学对大脑的研究相当丰富，其中脑电图是最重要的手段之一。
　　本文提出了互模式熵的算法来量化两列脑电波信号之间的耦合程度，通过对三种实际临床数据的分析与假设检验，证明互模式熵算法的有效性：首先，我们将中年人与少年人脑电信号进行分析及对比，计算结果表明中年人的脑电耦合程度要高于少年人的耦合程度，算法能够明显区分两者之间的差异。从实际意义上来讲，说明中年人脑电的复杂度高于少年人，这符合正常人在三十岁左右达到智力高峰的一般规律。其次，我们将互模式熵算法引入对中年人与少年人的α节律的分析，得出了中年人的α波的耦合程度高于少年人的耦合程度的结论，说明互模式熵能够对两者进行区分。
　　最后，癫痫与正常脑电信号分析结果表明互模式熵算法在癫痫数据基础上表现出了更高的耦合程度。通过上述实验，说明互模式熵算法是合理有效的，可以作为检测大脑状态的一个参数，帮助未来临床脑功能的评估。为了把我们研究的算法实现临床使用，辅助医生诊断癫痫疾病，我们在安卓系统中把上述算法进行了实现。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1人脑研究发展概述

1.2 脑电图发展研究概述

1.3 相关算法研究概述

1.4论文研究内容及结构安排

第二章 脑电信号基础理论

2.1人脑的结构及功能

2.2脑电的产生与采集

2.3脑电波的类型及组成

2.4脑电信号采集中干扰信号及降噪处理

2.5小结

第三章 互模式熵算法理论

3.1熵

3.2近似熵

3.3互模式熵

3.4小结

第四章 基于互模式熵的脑电信号研究

4.1不同年龄段脑电信号分析研究

4.2 α节律的分析研究

4.3 安卓系统上算法实现

4.4 小结

第五章 癫痫与正常脑电的分析

5.1 癫痫简介

5.2 癫痫的病因症状以及防治

5.3 癫痫的数据分析

5.4 安卓系统上算法实现

5.5小结

第六章 总结与展望

参考文献

附录1 程序清单

附录2攻读硕士学位期间撰写的论文

致谢