基于InfomaxICA算法少次自动提取事件相关电位

摘要

事件相关电位(ERP)是受试者在主动参与的情况下获得的一种长潜伏期诱发电位，具有高时间分辨率的特点，能锁时性地反映认知动态过程。但ERP信号很微弱，由实际采集的脑电记录可发现，它总是淹没在自发脑电中，并伴随有眼动伪迹、50Hz工频干扰以及其它电生理信号成分等。如何从强大的自发脑电信号背景中提取出稳定的ERP信号是它在认知神经科学等领域中应用的关键问题之一。
　　本文提出了一种基于Infomax ICA少次自动提取ERP的方法，并应用于实际脑电信号的 ERP成分提取。为了增强 ICA分解的有效性，对原始数据中的自发脑电信号和ERP信号进行了均衡。混合信号经过ICA分解后，根据IC的固定时间模式的标准差来自动选择代表ERP信号的独立分量(IC)，重构后得到ERP信号。
　　本论文主要有两点创新：首先提出了利用各IC的固定时间模式的相关特性来自动选取ERP信号IC，以达到利用ICA方法实现自动少次提取ERP成分的目的；其次提出了信号均衡的方法，以解决ERP成分与自发脑电在混合信号中的能量不均衡的问题。
　　研究了三种ERP信号的提取过程及其影响因素，即：视觉诱发电位(VEP)、视觉 P300以及听觉 P300。并采用皮尔逊相关系数(Pearson)对提取出的信号波形进行了评价。实验结果验证了算法的有效性，并表明该算法具有较好的实用性，增强了ERP信号少次提取的客观性。
　　对于视觉诱发电位(VEP)，采用6试次的原始脑电数据经过算法处理后能自动得到VEP信号，与205试次平均结果(标准信号)相比，它们之间的Pearson相关系数达到0.9106，而6试次平均结果与标准信号之间的Pearson相关系数为0.3066。
　　对于视觉 P300，采用6试次的原始脑电数据经过算法处理后自动提取出视觉P300成分，与29试次平均结果(标准信号)相比，它们之间的Pearson相关系数达到0.9035，而6试次实验数据平均的结果与标准信号之间的Pearson相关系数为0.5105。
　　对于听觉 P300，采用5试次的原始脑电数据经过算法处理后自动提取出听觉P300成分，与29试次平均结果(标准信号)相比，它们之间的Pearson相关系数达到0.8770，而5试次实验数据平均的结果与标准信号之间的Pearson相关系数为0.5394。
　　总之，将本文方法用到ERP成分的提取中，能够取得很好的效果。该方法作为单次/少次提取ERP的技术大大增强了脑电信号与信息处理方面的客观性。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

§1.1脑电基础知识及研究背景

§1.2事件相关电位概述

§1.3国内外脑电信号提取研究现状

§1.4本文的研究内容及章节安排

第二章 独立分量分析的理论与相关算法

§2.1独立分量分析的问题描述

§2.2独立分量分析的基本模型

§2.3独立分量分析的典型算法

§2.4 独立分量分析的相位敏感性

§2.5本章小结

第三章 事件相关电位(ERP)少次自动提取方法

§3.1 信号均衡

§3.2 ICA的实现方式

§3.3选择ERP信号对应的IC分量

§3.4重构信号

§3.5算法描述

§3.6本章小结

第四章 视觉诱发电位(VEP)提取过程

§4.1刺激材料和任务

§4.2 VEP实验结果与分析

§4.3 VEP实验结果讨论

§4.4本章小结

第五章 视觉事件相关电位P300提取过程

§5.1刺激材料和任务

§5.2视觉事件相关电位P300实验结果与分析

§5.3视觉事件相关电位P300实验结果讨论

§5.4本章小结

第六章 听觉事件相关电位P300提取过程

§6.1刺激材料和任务

§6.2听觉事件相关电位P300实验结果与分析

§6.3听觉事件相关电位P300实验结果讨论

§6.4本章小结

第七章 总结与展望

§7.1总结

§7.2本论文创新点

§7.3未来工作展望

参考文献

致谢

作者在攻读硕士期间主要研究成果