基于聚类分析法的脑电图数据分析的研究

来源 :大连交通大学 | 被引量 : 0次 | 上传用户:js_netbit
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
脑电图数据是经过实验记录得到的反映脑电活动随时间变化的实验时间序列数据。对脑电图数据进行聚类分析是脑电图数据分析较有效的方法,为脑电图的研究提供了有益的分析结果。研究目的:本文通过对客观记录的受试者摄入酒精事件的脑电图数据进行聚类分析,按脑电功率和相对功率进行聚类并分析聚类簇的差异,从而分析摄入酒精事件与21导联电极分类的关系。研究方法:分别对6例正常受试者的21导联电极的脑电图数据按功率和相对功率进行聚类分析,对安静闭眼和五次在睁眼状态下摄入啤酒6个事件的脑电图数据进行分析。数据分析的的方法是系统聚类分析和K-means聚类分析。程序实现采用独立设计的脑电图分析工具箱和聚类分析程序。研究结果:按波的相对功率聚类分析发现,正常状态下大致按前额极、额部和中央、后头部、两侧得到四个聚类簇。36个事件的聚类结果中有18个额极单独为一个簇,3个额极被分开,15个额极与额部、中央或左颞部聚类为簇。正常状态下额极独立为簇,一旦摄入酒精,额极普遍和额部、中央为簇,继续饮酒额极又区别于其余电极而独立为簇,这种变化在事件中交替出现。后头部大多始终被聚类为一个簇,有个别电极与其它部位聚类为簇或为孤立点。中央部36个事件有14个与后头部聚类为簇,其余大多与前头部或颞部聚类为簇。颞部各电极在饮酒事件中表现出活跃性,甚至出现孤立点。按事件的功率进行系统聚类发现摄入酒精后额极和除中央点外的前头部的脑电功率分别减小15.74%和10.76%;前中颞部减小5.25%;左后颞部功率增大18.34%,除左后颞部外的后头部和中央点分别增大16.50%和14%。最后选取两个电极对六个事件的数据进行了K-means聚类,研究结果表明饮酒导致脑电的变化是逐渐进行的。研究结论:脑电活动对摄入酒精有显著反应,正常状态下大致按脑电部位得到四个聚类簇,刚饮酒时额极与中央区出现类似的波而聚类为簇,继续饮酒又有差异而各自为簇,这种变化交替出现。中央部在各事件中基本与前头部或后头部的邻近电极聚为簇,后头部波基本较稳定地随饮酒事件独立变化而独立为簇,颞部表现则较无规律。对事件功率聚类发现,饮酒事件中脑电功率普遍先增大后减小,到饮酒1000ml时前头部和中央部功率增大,后头部功率减小,饮酒导致脑电功率的变化是逐渐而均匀的。
其他文献
软件逆向工程技术的不断发展,带来了程序分析方法的不断进步。程序分析有助于人们理解软件构成,解决软件漏洞查找以及进行程序细节分析等。但是程序分析技术[1]也是一把双刃
近年来面向对象技术成为主流的软件开发方法。随着软件规模逐渐扩大,但软件的成本和进度也越来越难于把握和控制。软件估算技术提供了一种定量化的方法以控制软件开发过程,它帮
生物免疫系统是一种复杂的自适应系统,该系统能有效地使用多种机制防御外部病原体入侵。具体表现为免疫记忆、抗体的自我识别能力和免疫多样性的优点。同时生物免疫系统在运
Excel具有强大的数据表现能力和处理能力,以及它极低的使用成本和良好的易用性,使得Excel在中小型企业信息化过程中产生极其重要的作用,同时也使得目前绝大多数应用系统都离
随着自动化水平的不断提高,人们对于设备维修的认识水平也在提高。大型旋转设备是现代大规模生产装置的关键设备,要求长周期连续运行,在这种情况下,如果只对机器采用事后维修则会
影响力传播的最大化问题的目标是在网络中寻找影响力最大的K个点,使得从这K个点传播出的影响力(如信息、想法、观点等)期望影响到的节点数是最大的。该问题是社交网络的基础
预测是科学管理的重要环节,是决策、规划的前提。在社会经济管理中,经常要对某一事物或系统的发展趋势进行预测和分析。时间序列预测是预测领域内的一个重要研究方向,它是一种根
网络信息的飞速膨胀带来了“信息爆炸”问题,快速准确的从中获取用户所需要的信息,成为一个急需解决的问题。信息过滤(Information Filtering,IF)技术可以帮助人们检出感兴趣
随着人工神经网络系统理论的发展,神经网络技术日益成为模式分类的有效手段。神经网络的学习方式包括监督学习和非监督学习。非监督学习算法的分类精度通常很难令人满意,而监
随着网络和多媒体技术的发展以及智能终端的普及,录制各种各样的视频广告并将其投放在网络上传播变得越来越容易,视频广告已经成为当今社会最流行的商业媒介,已经成为公司提