【摘 要】
：
脑电图（EEG）是记录大脑活动的电信号,可以反映大脑的功能及生理变化等情况。脑电图信号可用于多种临床疾病的研究和诊断,例如监测认知、昏迷和脑死亡,确定头部损伤、中风和肿瘤后的损伤区域,检测精神障碍、睡眠障碍和癫痫等。脑部疾病常引发意识、感觉、运动等障碍或植物神经功能的障碍,如不及时给与治疗和干预措施,往往会产生其它并发症并影响后续的康复。随着计算机科学及神经科学的发展,越来越多的研究者探索利用计算
论文部分内容阅读
脑电图（EEG）是记录大脑活动的电信号,可以反映大脑的功能及生理变化等情况。脑电图信号可用于多种临床疾病的研究和诊断,例如监测认知、昏迷和脑死亡,确定头部损伤、中风和肿瘤后的损伤区域,检测精神障碍、睡眠障碍和癫痫等。脑部疾病常引发意识、感觉、运动等障碍或植物神经功能的障碍,如不及时给与治疗和干预措施,往往会产生其它并发症并影响后续的康复。随着计算机科学及神经科学的发展,越来越多的研究者探索利用计算机辅助方法来研究脑电图信号的特征及其与大脑功能和疾病的对应关系。本文主要研究脑部损伤患者的脑电信号,提取和分析脑电信号的特征,并利用机器学习方法,来研究脑电信号在对脑损伤患者意识障碍的自动识别上的价值。本文的主要工作和创新点如下:（1）提出了一种新的相位同步指数,并研究其在鉴别脑卒中患者意识状态（清醒、嗜睡、昏迷、轻度昏迷、中度昏迷和深度昏迷）中的作用。本文提出的左右脑半球相位同步的特征衡量了左右脑半球的脑电信号的平均相位差,通过三个实验来分析对比这个相位同步指数与其它定量脑电特征在对脑卒中患者意识状态评估价值上的优势。实验一以82例缺血性脑卒中患者的脑电信号为研究对象,统计分析了不同定量脑电特征与缺血性脑损伤患者意识状态的相关性。实验二以27例脑出血患者为研究对象,计算和提取了多种定量脑电特征,构建了基于多种定量脑电特征的线性回归模型,分析了这个回归模型在改善脑出血患者的意识评估上的价值。实验三以经历了多种意识状态的4例缺血性脑卒中患者为研究对象,收集了14段脑电信号,纵向分析研究了定量脑电特征与意识状态变化的关系,并建立了回归模型。（2）设计了集成支持向量机分类器,用于解决非平衡数据集上分类总是偏向多数类而导致分类无效的问题。这个集成分类器将数据集分成多个平衡的子数据集输入到多个独立的支持向量机中,然后对每个测试集中的样本给出多个独立的预测结果。根据这些独立的预测结果,投票给出最终的预测。实验以147例缺血性脑卒中患者为研究对象,提取了9种定量脑电特征,并将这些特征输入到集成分类器中对缺血性脑卒中患者是否有意识障碍进行分类研究。实验结果显示基于定量脑电图特征的EOSVM可对10%的脑卒中患者的意识障碍是否有意识障碍给出分类识别,且准确率、敏感度和特异性分别为94.44%、94.44%和100.00%。（3）设计了一个将脑电微状态应用于机器学习的框架,用于对缺血性脑卒中患者意识障碍的自动识别。实验将147例缺血性脑卒中患者的脑电图拼接为一个时间序列信号,然后聚类为多个脑电微状态原型图。此方法提取的脑电微状态原形图为之后的分类研究做好了准备工作。统计分析中,首先计算了这些微状态原型的统计参数,然后用统计学方法分析了这些统计参数与意识状态的相关性。分类实验中将这些统计参数作为特征输入到集成分类器中,对脑卒中患者是否有意识障碍进行分类研究。分类结果显示,当脑电图数据被聚集成6个微状态图时,集成分类器可识别出37.5%的有意识障碍的脑卒中患者,并且准确率接近100%。（4）提出了一种新的脑功能连通性特征,改进了其它五种脑功能网络中的连通性度量指标,研究了这些脑功能连通性特征在识别脑损伤患者的意识障碍中的价值。实验从607例脑损伤患者的脑电信号中提取了12个脑功能连通性特征,这些度量指标构成的脑功能网络分别被输入到集成支持向量机分类器中,对脑损伤患者是否有意识障碍进行二分类研究。试验结果显示新提出的脑功能连通性特征可以识别35.14%脑损伤患者的意识障碍,并且准确率达到98.21%,敏感度和特异性分别为100%和95.79%。（5）设计了基于自适应提升分类器的集成分类器,研究其在脑损伤患者意识障碍识别上的价值。实验从升级后的脑电数据集（更多的导联数,更高的采样率,包含648例脑损伤患者）,提取了 6种脑功能连通性特征并研究了它们的组合特征在集成的自适应提升分类器中的分类效果。实验结果显示组合的脑功能连通性特征在集成自适应提升分类器中可对88.86%的脑损伤患者给出是否有意识障碍的分类,并且分类准确率（92.04%）、敏感度（93.26%）、特异性（90.97%）和F1分数（0.92）均高于90%。
其他文献
拉曼分布式光纤传感技术可实现温度的大范围高精度监测,在桥梁隧道、油气管线、智能电网等大型基础设施结构健康监测领域具有重大社会需求和应用前景。然而,拉曼分布式光纤传感系统其传感信号为强度极弱的自发拉曼散射信号,且传感光缆多铺设于光纤损耗较大的野外恶劣环境,存在信噪比（Signal-to-noiseratio,SNR）较低的技术瓶颈。增加探测脉冲宽度可提高系统SNR,进而提高系统测温精度和温度分辨率,
随着LoRa、NB-IoT以及5G等通信技术的发展,物联网设备数量与日俱增,物联网安全也日益成为物联网应用关注的热点。物联网设备识别是物联网设备安全评估、防护和升级的必备前提,设备识别的目标是确定设备的类型、品牌、型号和固件版本等属性信息,尤其是细粒度的设备型号和固件版本信息,与设备漏洞直接关联,能够更准确的反映出设备的安全状态。然而面对物联网设备数量庞大、品牌类型繁多以及服务协议混杂等现实存在的
随着位置感知设备及技术的发展、基于位置的应用的盛行,空间文本数据——同时包含空间和文本属性的数据,也称作空间文本对象（简称对象）,正以空前的速度和规模产生。空间文本查询（Spatial-Textual Queries,STQ）是在空间文本对象集上,检索满足查询空间文本约束条件的、高精度的结果集,是基于位置服务的高频关键操作。STQ的求解以及优化是空间数据管理研究领域的一个主要方向。空间文本索引和数
图像识别是计算机视觉领域最为基础的任务。基于深度卷积神经网络（Deep Convolutional Neural Network,DCNN）的图像识别方法是目前的主流方法,取得了远超传统方法的性能。大多数基于DCNN的图像识别方法依赖于静态环境,并且需要规模庞大且类别分布均衡的训练数据。但在实际场景中,数据分布往往不平衡,数据规模在持续增长,新类别不断涌现,给图像识别带来了巨大挑战。在面对数据不平
肝癌是全球最常见且死亡率高的癌症之一。肝癌的微小肿瘤很难被及时发现是造成死亡率高的最主要原因。目前,磁共振成像（Magnetic Resonance Imaging,MRI）是临床主要的肝癌诊断手段之一,它通过注射造影剂可以明显提高肿瘤诊断的敏感性和特异性。然而,注射造影剂不可避免地存在风险高、毒性大和副作用大等问题。近年来,无造影剂MRI以其扫描时间短、低风险、无有毒金属危害等优势,成为研究的新
随着国家的日益富强与人们生活质量的逐渐提高,健康已成为所有人都非常关心的话题。但是在偏远地区,医疗基础设施保障相对薄弱,患者在就医时的长途跋涉和检测结果的漫长等待过程中,往往延误了疾病的最佳诊断和治疗时间。为解决医疗过程中这一空间性和时间性的限制难题,一场关于新一代分析和诊断设备的科技革命应运而生,这些新研发的设备具有体积小,操作简易,分析全面且迅速,综合成本低等优势。即时检测（point-of-
从不同来源、结构或角度描述同一对象的数据称为多视图数据,其往往具有不同的特征表达、结构或维度,且视图间存在相关性、一致性和互补性等各种关系。利用不同视图间关系,通过协同学习得到融合表征,以提高任务完成性能的过程为多视图学习。融合表征是多视图学习的关键问题和技术难点。本文针对基于融合表征的多视图学习方法进行研究,探索了视图相关程度对基于融合表征的分类效果的影响,研究了多视图子空间学习、子空间聚类、隐
大脑是一个非线性复杂系统,复杂度的研究是探索大脑的一种新的方法和视角,有助于发现脑疾病的神经机制。熵是一种常用的复杂度分析方法,能够刻画非平稳信号的无序性和混乱程度,在分析有限长度含噪生理信号方面具有显著优势。近年来,研究人员将熵引入到大脑功能性磁共振成像（fMRI）信号的研究中,分析大脑活动的复杂特征,取得了一定的研究成果。但是,目前熵在大脑fMRI信号的研究中仍有一些关键问题需要解决。首先,对
本文基于241个田间原状黄土土样低吸力阶段（<101KPa）的土壤水分特征曲线试验和非饱和土壤导水率试验、土壤常规理化参数系列试验,系统地研究了原状黄土非饱和导水率和土壤水分特征曲线的主要影响因素;建立了以原状黄土土壤理化参数为自变量的土壤水力运动参数模型参数的土壤传递函数,包括非饱和土壤导水率二参数幂函数、三参数幂函数、二参数指数函数模型参数土壤传递函数和土壤水分特征曲线Brooks-Cory、
脑科学是当今世界各国关注的重要的前沿学科,脑科学的研究内容之一就是治疗和预防神经性和精神性疾病,探索神经性和精神性疾病的预防方法。抑郁症、躁郁症、精神分裂症等是社会负担最大的精神性疾病,研究这类重大脑疾病的致病机理及早期诊断指标对推动脑科学领域的发展有着重要的贡献。随着网络科学和图论的发展,脑网络研究对于解释神经机理尚不明确的精神疾病有着独特的优势,它可以为从系统层面揭示脑疾病的病理生理机制提供新