论文网
计算机方面有关论文范文,与构建网络结构图和识别运动脑电信号相关发表论文
本论文是一篇计算机方面有关发表论文,关于构建网络结构图和识别运动脑电信号相关本科毕业论文范文。免费优秀的关于计算机及电极及医疗器械方面论文范文资料,适合计算机论文写作的大学硕士及本科毕业论文开题报告范文和学术职称论文参考文献下载。
母大写F、T、P、O等来表示）.相关脑区各解剖部位电极应代表和体现的是各个脑皮质区的功能.对64个电极进行脑区功能划分如图5所示.图4国际10-20系统电极放置法（64channel）相应的脑区功能划分图
图4：大脑分左右两个半球,每个半球上按功能划分都有运动区、躯体感觉区、视觉区、听觉区和联合区等神经中枢.并且大脑半球在功能上都是对称的.在神经传导的运作上,两半球相对的神经中枢,彼此配合,发生交叉作用：两半球的运动区对身体部位的管理,是左右交叉、上下倒置的；即大体上是左半球管右半身,右半球管左半身.每一半球的纵面,在功能上也有层次之分,原则上是上层管下肢,中层管躯干,下层管头部.[13]
3.3实验数据分析
采用时间相关分析来度量网络节点（64个电极）间的关系,通过阈值和延迟相关分别决定节点间是否连边及连边的方向.最后,构建出一系列不同密度下的网络结构图.信号特征分析与识别的结果如图5所示.
说明：图5中,如果实验生成网络结构图中有孤立节点存在表明这些电极是没有参加此次动作发生的活动.
下面可以从两个角度来分析所生成的网络结构图：
1）利用大脑各脑区功能划分和基本运作原理,并对应到国际10-20系统电极放置法(64-channel),可以观察到当受试者眼球受到屏幕光标的视觉刺激之后,大部分来自于大脑的视觉电信号不断地在向大脑的运动区发送信号,并请求左脑或右脑的运动区做出向右或向左的动作.由于两半球的运动区对身体部位的管理,是左右交叉、上下倒置的,即左脑运动区执行向右的动作,右脑运动区执行向左的动作.（图a中,绝大多数的视觉区电极（编号56～64）分别向右脑运动区电极（编号12,14）发送信号,表明执行的是向左的动作.图b中,大部分电极都分别不断地向右脑运动区电极（编号7,12,14,40）和躯体感觉区（编号17～19）发送信号,表明大脑进行想象动作发生的时候是躯体感觉区和运动区共同作用的结果,从而执行的是向左的动作.人在进行想象运动时,大脑中发出的脑电波信号影响到想象运动中的肌肉组织.当人的四肢有活动的时候,这个运动皮层区就活跃起来.结果表明和大脑的运作原理完全匹配,并且还具备很强的鲁棒性,该方法识别精确度高,识别速率快.
2）从网络的统计特性出发,如果是在视觉诱发状态下,网络关系图中网络节点的入度数目最多的大部分都是运动区电极,而且是中心性节点,说明运动区电极在网络中起着主导作用,即它是信号的执行端；网络关系图中网络节点的出度大部分是视觉区和躯体感觉区的电极,并不断地在向大脑运动区电极发送信号,即它是信号的发送端.因此,基于描述各个节点在网络中所占的地位有助于我们从整体上确定节点间关系很有意义.
图6
图6统计了每组数据集所生成的网络关系图中节点的入度数目分布情况（节点入度数目很小的都视为0,以便更好地区分出来）,（a）节点密度较高的主要集中在节点14,29,38,40,这些节点定位到国际10-20系统电极放置法(64-channel)发现均位于大脑的右半脑,由于两半球的运动区对身体部位的管理,是呈左右交叉的,因此表明执行向左方向的动作.（b）节点数目分布较多的分别是电极22,25,30,39,其它们位于大脑的左半脑,实现向右的动作.由此可以看出,在网络关系图中节点入度数目最多的大部分都是运动区电极,而且是中心性节点,说明运动区电极在网络中起着主导作用,即它们是信号的执行端.
4应用前景
基于视觉诱发(real)[14]和想象左右手运动思维(imagine)[15]的脑电数据的实证研究表明,本文探讨的运用构建网络结构图方法是可靠的.该项研究对理解大脑认知过程、智能信息处理有重要的理论意义,对研发处理高度复杂数据的新型信息感知技术、模式识别技术具有重要的价值.对挖掘人类认知潜能、研发残疾人和老年人自理自助系统、特别是对认知障碍疾病的康复等问题具有重要的应用前景,并具有极其重要的社会意义.新型的脑计算机接口也可以应用于汽车安全驾驶系统、残疾人轮椅控制、高危险
计算机方面有关论文范文
参考文献：
[1]高上凯,张志广,高小榕,等.基于脑机接口技术的新型医疗器械[J].中国医疗器械杂志,2006,30（2）:79-82.
[2]WolpawJR,BirbaumerN,McFarland,GertPfurtscheller,TheresaM.Vaughan.Brainputerinterfacesformunicationandcontrol[J].ClinicalNeurophysiology,2002(113):767-791.
[3]JonathanR.Wolpaw.Brainputerinterfacesasnewbrainoutputpathways[J].Physiol579.32007:613619.
[4]GerwinSchalk,DennisJ.McFarland.BCI2000:AGeneral-PurposeBrain-ComputerInterface(BCI)System.IEEETRANSACTIONSONBIOMEDICALENGINEERING,VOL.51,NO.6,JUNE2004
[5]吴婷,颜藩正,耪帮华.一种快速的脑电信号特征提取与分类方法[J].系统仿真学报,2007,19(18).
[6]JiZhong,QinShuren,PengLiling.Time-FrequencyAnalysisofEEGSleepSpindlesBasedUponMatchingPursuit.ISIST’2002Proceedings,2ndInternationalSymposiumonInstrumentationScienceandTechnology,Vol.2:671-675.
[7]TulgakalayciandOzcanOzdamar.WaveletPreprocessingforAutomatedNeuralNetworkDetectionofEEGSpikes.IEEEEngineeringinMedicineandBiology[J],0739-5175,1995(3/4).
[8]QinShuren,JiZhong,TestCenter,ChongqingUniv.,Chongqing.ExtractionoffeatureinformationinEEGsignalbyvirtualEEGinstrumentwiththefunctionsoftime-frequencyanalysis.IEEE978-953-184-135-1,2009.
[9]ZhangTong,yangFusheng,TangQingyu.AutomaticDetectionandClassificationofEpilepticWavesinEEG-ABierarchicalMulti-MethodIntegratedApproach[J].ChineseJournalofBiomedicalEngineering,1998,17(1).
[10].省略/pn4/eegmmidb/
[11]丁宝玺.脑电图数据的相关性分析[J].现代生物医学进展,2008(8).
[12]SharbroughF,ChatrianGE,RPLesser,etal.Americanelectroencephalographicsocietyguidelinesforstandardelectrodepositionnomenclature[J].ClinNeurophysiol.1991,8(2):200-202
[13]唐孝威.脑科学导论[M].浙江大学,2006.
[14]尹晶海,胡剑锋.基于
计算机方面有关论文范文,与构建网络结构图和识别运动脑电信号相关发表论文参考文献资料：