應(yīng)用分類方法處理事件相關(guān)電位的研究.pdf

1、事件相關(guān)電位是通過被賦予特定意義的給定刺激作用于感覺系統(tǒng)或腦的某一部位,在腦區(qū)引起的電位變化。事件相關(guān)電位包含多種成分,不同的成分被認(rèn)為源自不同的腦區(qū),具有不同的生理、心理或認(rèn)知含義。事件相關(guān)電位已在各種相關(guān)學(xué)科中得到了廣泛應(yīng)用。提取事件相關(guān)電位是應(yīng)用事件相關(guān)電位的前提。常用的提取方法是疊加平均法。疊加平均法要求同一實(shí)驗(yàn)重復(fù)好幾十遍,被試容易產(chǎn)生疲勞,不利于實(shí)驗(yàn)開展。而且,疊加平均法不能提取單個實(shí)驗(yàn)的事件相關(guān)電位,無法觀察事件相關(guān)電位在

2、實(shí)驗(yàn)間的變化。關(guān)于事件相關(guān)電位的研究與應(yīng)用提出了從單次實(shí)驗(yàn)?zāi)X電圖中提取事件相關(guān)電位的需求。
　　 針對從單次實(shí)驗(yàn)?zāi)X電圖中提取事件相關(guān)電位的問題,本文提出了一個基于分類的框架。該框架的基本思想是:在一個被試的腦電圖上訓(xùn)練得到的分類模型包含著該被試背景腦電的特性,以這樣的分類模型為基礎(chǔ)可構(gòu)造出一個優(yōu)化模型,這樣可把從單次實(shí)驗(yàn)?zāi)X電圖中提取事件相關(guān)電位的問題轉(zhuǎn)化為求解優(yōu)化模型的問題。本文接著用logistic回歸實(shí)例化了這一優(yōu)化模型中的

3、分類模型,從而得到了一個可計(jì)算的優(yōu)化模型,稱之為基于logistic回歸的優(yōu)化模型。在事件相關(guān)電位提取的特定背景下,本文對基于logistic回歸的優(yōu)化模型進(jìn)行了綜合分析,提出并證明了若干命題,以這些命題為基礎(chǔ)推導(dǎo)出了專門用于從單次實(shí)驗(yàn)?zāi)X電圖中提取事件相關(guān)電位的SingleTrialEM算法。本文設(shè)計(jì)了三個模擬測試和一個認(rèn)知測試,讓隨機(jī)選取的被試參與了這些測試。測試結(jié)果表明SingleTrialEM算法是有效的。
　　 事件相關(guān)

4、電位被廣泛用于各種人類認(rèn)知研究和臨床評估中,依靠事件相關(guān)電位測謊是一個典型的例子。除了測謊之外,事件相關(guān)電位還被用于判定注意力差異、精神分裂癥、認(rèn)知障礙、智能障礙等。諸如此類的應(yīng)用,都需要對事件相關(guān)電位分類。
　　 本文概述了事件相關(guān)電位的分類問題,內(nèi)容包括事件相關(guān)電位分類的應(yīng)用、事件相關(guān)電位分類的一般做法、事件相關(guān)電位的特征提取方法、分類器的訓(xùn)練與使用等,并給出了一個驗(yàn)證所有環(huán)節(jié)的事件相關(guān)電位分類實(shí)驗(yàn)。事件相關(guān)電位是非常高維的

5、數(shù)據(jù),其中包含著非常多的與分類無關(guān)的信息,提取事件相關(guān)電位的特征向量是事件相關(guān)電位分類中非常重要的工作。本文提出了專門針對事件相關(guān)電位分類問題的時空特征提取方法,該方法同時考慮了事件相關(guān)電位的空間差異性和時間特性,在對比實(shí)驗(yàn)中表現(xiàn)良好。
　　 本文的工作可簡單概括為,提出了基于分類的單實(shí)驗(yàn)事件相關(guān)電位提取方法和專門用于事件相關(guān)電位分類的時空特征提取方法,基于分類的單實(shí)驗(yàn)事件相關(guān)電位提取方法的核心是SingleTriaueM算法。