基于EEG及脑部MRI分析的注意缺陷多动障碍神经机制研究

摘要

注意缺陷多动障碍（Attention Deficit Hyperactivity Disorder，ADHD）是一种学龄儿童高发行为障碍综合症，严重影响到患儿的学习和生活。目前对ADHD的诊断多采用量表和问卷的形式，缺乏客观性。本文通过研究ADHD和正常人的脑电（Electroencephalogram，EEG）与脑部磁共振图像（Magnetic Resonance Imaging，MRI），结合信号处理、双谱分析、图像处理及深度学习等方法，深入探讨了ADHD的神经机制和临床诊断方法。
　　本文第一部分，从临床上招募了16名ADHD患儿和对照组，实现了改进型视觉持续性行为测试实验，过程分为Go和NoGo两个条件，分别记录受试者的脑电信号。提出了时域、频域和改进的双谱有效能量分析等定量方法，全面分析脑电信号。实验结果表明：（1）Go条件下ADHD组P2-N2峰峰值显著低于对照组；（2）NoGo条件下ADHD组11Hz左右的频谱峰值显著低于对照组；（3）两种条件下，ADHD组脑电双谱有效能量集中于?波频段，且都显著大于对照组；（4）两种条件下，ADHD组脑电双谱主峰的频率位置均显著高于对照组。
　　本文第二部分，研究了ADHD患者和对照组的脑部MRI。提出了结合预处理与径向基函数（ Radial Basis Function， RBF）神经网络、概率神经网络（Probabilistic Neural Network，PNN）和深度学习卷积神经网络（Convolutional Neural Network，CNN）的方法，完成ADHD临床MR图像分类。实验结果表明（：1）RBF神经网络分类准确率达到72.41％；（2）PNN分类准确率达到89.66%；（3）CNN的分类准确率为86.21%。实现了ADHD的自动诊断，且准确率很高，为ADHD的诊断提供了客观指标，可对大量临床MR图像自动识别，减轻了临床医师确诊的负担。
　　因此，本文从一维脑电、二维图像、时域、频域和空域全面分析了 ADHD的临床信号，讨论了造成注意力缺陷的神经机制，并为临床提供了快速、准确、定量的ADHD诊断方法。

目录

封面

声明

中文摘要

英文摘要

目录

第1章 绪论

1.1 研究背景

1.2 国内外研究现状

1.3 论文的研究内容和结构

第2章 ADHD患儿事件相关脑电位研究

2.1 ERPs技术

2.2 EEG信号采集实验

2.3 EEG信号的事件相关电位研究

2.4 小结与讨论

第3章 ADHD患儿脑电信号的双谱研究

3.1 双谱理论

3.2 EEG信号的双谱研究

3.3 小结与讨论

第4章 基于普通神经网络的ADHD患者脑部

4.1 磁共振成像（MRI）

4.2 脑部MRI信号来源

4.3 RBF神经网络对MR图像分类

4.4 PNN对MR图像分类

4.5 小结与讨论

第5章 基于深度学习的ADHD患者脑部MR图像病类判别

5.1 脑部MRI信号预处理

5.2 深度学习对MR图像分类

5.3 小结与讨论

第6章 总结与展望

6.1 总结

6.2 展望

致谢

参考文献

攻读学位期间的研究成果