以脑电图子序列特征向量为节点的脑网络分析方法

论文摘要

工作记忆复杂网络分析方法大多数是以通道作为节点从空间的角度进行分析,很少有从时间角度对通道网络进行分析。针对脑电图(EEG)的高时间分辨率特性及时间序列分段较难的缺陷,提出一种从时间角度构建网络并对网络进行分析的方法。首先,利用微状态将每个通道的EEG信号划分成不同的子段作为网络的节点;其次,在子段中提取并选择有效特征作为子段的特征,计算子段特征向量之间的相关性构建通道时间序列复杂网络;最后,对所构建网络的属性及相似性进行分析,并在精神分裂症患者EEG数据上进行验证。实验结果表明,通过所提方法对精神分裂症数据进行分析,能够充分利用EEG信号的时间特性从时间角度深入了解精神分裂症病人工作记忆中构建的时间序列通道网络的特点,解释了精神分裂症患者与正常人的显著性差异。

论文目录

• 0 引言
• 1 网络构建
•   1.1 数据采集及预处理
•   1.2 节点选择
•   1.3 特征提取及特征选择
•   1.4 边的构建
• 2 网络分析与讨论
•   2.1 网络属性分析
•   2.2 网络相似性分析
• 3 结语

文章来源

类型: 期刊论文

作者: 杨雄,姚蓉,杨鹏飞,王哲,李海芳

关键词: 脑电图,复杂网络,工作记忆,精神分裂症,微状态

来源: 计算机应用 2019年04期

年度: 2019

分类: 信息科技,基础科学,医药卫生科技

专业: 数学,临床医学,神经病学,精神病学,生物医学工程

单位: 太原理工大学信息与计算机学院

基金: 国家自然科学基金资助项目(1472270)~~

分类号: O157.5;R741.044;R749.3

页码: 1224-1228

总页数: 5

文件大小: 1215K

下载量: 180