單次誘發(fā)腦電特征提取工具包及算法優(yōu)化.pdf

1、誘發(fā)電位是神經科學研究和臨床應用中進行神經疾病診斷重要手段之一，具有特殊的科學研究和臨床應用價值，它的研究有助于對生理和病理活動中神經機理的深入探討。目前臨床上使用最為廣泛的誘發(fā)腦電提取方法是疊加平均法，但疊加平均往往掩蓋了信號波形有意義的細節(jié)信息，影響參數提取準確性，因此許多研究提出了誘發(fā)腦電少次提取的方法。本文針對多元線性回歸方法誘發(fā)腦電提取特征均一化、缺乏特異性的特點，提出了基于自適應特征庫的多元線性回歸方法改進方案。結合誘發(fā)腦電

2、單次提取分析工具的多樣性，針對不同腦電/誘發(fā)電位的單次特征提取需求和數據結構復雜的問題，設計了一套整合不同誘發(fā)腦電單次提取分析方法的MATLAB工具包，并在軟件結構和人機交互方向對該工具包進行了優(yōu)化。
　　目的：對基于小波濾波和多元線性回歸的誘發(fā)腦電參數單次提取方法進行改進，保留單次實驗數據間更多的動態(tài)特征，并提高參數估計準確率。為便于該軟件工具包的應用，優(yōu)化誘發(fā)腦電單次提取分析工具包的數據分析結構和人機交互界面。
　　方法

3、：隨機選取4組小波濾波后誘發(fā)腦電數據，分別疊加平均后進行主成分分析，所得主成分組成特征庫，單次提取時，針對每次數據從特征庫中選擇與當次誘發(fā)腦電信號相關系數最高的主成分作為自變量開展多元線性回歸分析，由回歸分析結構重構出單次誘發(fā)電位信號并自動提取潛伏期和幅值等關鍵特征?；谀Ｐ?視圖-控制器設計模式，獨立單次誘發(fā)腦電特征提取工具包功能，簡化軟件結構;增加工具包命令行控制模式，用于數據批量處理;完善多數據集操作功能，便于數據分析對比;并通過

4、軟件試用實驗，對比工具包改進前后分析效率。
　　結果：使用新方法對信噪比0.5-1.5的模擬誘發(fā)腦電信號進行特征提取，潛伏期誤差7.18±2.09ms，幅值誤差3.90±1.45μV，誤差均低于原MLRd、ARX、ICA、CSOBI等方法。真實誘發(fā)腦電信號分析中，新算法預測的P300成分潛伏期與幅值參數更接近專家判定的基準數值，潛伏期與幅值參數的平均誤差分別為11.16±8.60ms和1.40±1.34μV。新方法對不同刺激位置的