论文部分内容阅读
运动想象是一种康复医疗新方法，它和实际运动一样能有效激活运动相关的大脑皮层。脑功能网络能够有效的反映出大脑的活动状态，它可以作为运动想象研究的辅助方法。近年来，大量研究者投入到运动想象脑电信号的模式识别方法的研究中，这一技术是康复机器人、脑机接口等领域的重要技术指标之一。
本文对脑功能网络的构建以及基于脑功能网络的运动想象脑电信号的模式识别技术进行了研究。首先阐述了运动想象脑电信号的研究背景以及目的意义，然后概述了脑功能网络、运动想象脑电信号模式识别技术的国内外研究现状，提出了一些尚待解决的问题，最后针对这些问题进行研究。本文完成了以下研究工作：
(1)脑电信号预处理：先对采集得来的脑电信号进行滤波，得到我们关注的频段成分，滤除高频噪声以及不需要的频率成分，然后做去伪迹处理，去除心电、眼电的干扰，最终得到纯净的运动想象脑电信号。预处理为脑功能网络的构建分析以及脑电信号的模式识别准备了良好有效的运动想象脑电信号。
(2)脑功能网络的构建：本文引入可反映一个集群中多个变量之间相互作用的多变量格兰杰因果分析方法，优化了运动想象因效性网络的构建，克服了当前格兰杰因果关系只能反映两个变量之间的相互作用的不足。用同一方法对基于多变量格兰杰因果关系构建的和基于格兰杰因果关系构建的因效性网络进行特征提取与分类，发现相比基于格兰杰，基于多变量格兰杰因果有更好的分类准确率，因此得出基于多变量格兰杰因果关系构建的因效性网络能更准确的反映运动想象神经活动特征状态。
(3)多类运动想象脑电信号的识别：本文提出了一种基于卷积神经网络和因效性网络的多类运动想象脑电信号识别方法。因效性网络覆盖大脑的多个功能脑区，相对于单个电极或几个电极更能反映大脑的活动状态。利用因效性网络进行多类运动想象脑电信号的识别，首先使用多变量格兰杰因果关系构建运动想象因效性网络，然后使用因效性网络矩阵训练卷积神经网络并确定卷积神经网络的模型，最后使用该模型对多类运动想象脑电信号进行分类，得到较好的准确率。该方法为多类运动想象脑电信号的识别提供了新的思路。
本文对脑功能网络的构建以及基于脑功能网络的运动想象脑电信号的模式识别技术进行了研究。首先阐述了运动想象脑电信号的研究背景以及目的意义，然后概述了脑功能网络、运动想象脑电信号模式识别技术的国内外研究现状，提出了一些尚待解决的问题，最后针对这些问题进行研究。本文完成了以下研究工作：
(1)脑电信号预处理：先对采集得来的脑电信号进行滤波，得到我们关注的频段成分，滤除高频噪声以及不需要的频率成分，然后做去伪迹处理，去除心电、眼电的干扰，最终得到纯净的运动想象脑电信号。预处理为脑功能网络的构建分析以及脑电信号的模式识别准备了良好有效的运动想象脑电信号。
(2)脑功能网络的构建：本文引入可反映一个集群中多个变量之间相互作用的多变量格兰杰因果分析方法，优化了运动想象因效性网络的构建，克服了当前格兰杰因果关系只能反映两个变量之间的相互作用的不足。用同一方法对基于多变量格兰杰因果关系构建的和基于格兰杰因果关系构建的因效性网络进行特征提取与分类，发现相比基于格兰杰，基于多变量格兰杰因果有更好的分类准确率，因此得出基于多变量格兰杰因果关系构建的因效性网络能更准确的反映运动想象神经活动特征状态。
(3)多类运动想象脑电信号的识别：本文提出了一种基于卷积神经网络和因效性网络的多类运动想象脑电信号识别方法。因效性网络覆盖大脑的多个功能脑区，相对于单个电极或几个电极更能反映大脑的活动状态。利用因效性网络进行多类运动想象脑电信号的识别，首先使用多变量格兰杰因果关系构建运动想象因效性网络，然后使用因效性网络矩阵训练卷积神经网络并确定卷积神经网络的模型，最后使用该模型对多类运动想象脑电信号进行分类，得到较好的准确率。该方法为多类运动想象脑电信号的识别提供了新的思路。