一、经颅磁刺激对癫痫病灶脑电相关维数的影晌（论文文献综述）
焦磊磊[1]（2020）在《脑卒中认知障碍患者治疗前后的脑电信号研究》文中研究说明脑卒中是一种急性脑血管疾病,在发病率、死亡率、致残率、复发率上呈现出四高的特点。卒中后由于脑部血管堵塞或破裂导致脑部血液循环受阻而引起相应部位脑组织损伤,出现各种功能障碍现象,其中,认识功能障碍就是常见并发症,包括记忆力、注意力、定向力、失语、失认、视觉空间障碍等。认知功能的康复有赖于患者的主动学习和康复锻炼,卒中后认知障碍（PSCI）患者由于无法有效的配合医护人员,给康复过程及效果评估带来困难。目前,临床上针对卒中后认知功能障碍患者的评价手段多是采用医学量表进行评估,由于康复评价手段的主观性和重复效应给临床康复评价增加了难度。因此,探究一种能够辅助判断PSCI患者康复程度的方法将对康复过程起到促进作用。神经康复评价较行为学评价相比更为具体、准确,是康复评价领域研究的热点。本论文以静息态脑电（EEG）为研究对象,分析脑卒中认知障碍（PSCI）患者治疗前后的EEG变化,探讨EEG作为卒中后认知功能评估和预后判断辅助工具的可能性,同时为进一步研究EEG与认知功能间的关系提供支持。EEG分析过程分为信号预处理和特征分析两部分,预处理包括滤波、重参考、独立成分分析等步骤。预处理后的EEG特征分析主要通过功率谱分析和脑网络分析两种方法进行。功率谱分析中,基于Welch算法计算康复治疗后认知功能得到改善的PSCI患者EEG在α、β、δ、θ频段的功率,通过相对功率、频段间功率比及脑半球对称性指数量化治疗前后EEG的变化及特点,并通过统计学配对样本t检验的方法,筛选出治疗前后具有显着性变化的功率谱特征。从实验结果中发现,PSCI患者经过康复治疗后EEG的低频段功率降低,高频段功率增高,左右脑半球对称性得到提高。表明PSCI患者神经元细胞和组织的认知活动参与度得到提高,参与认知和生理活动的脑平衡程度得到改善。脑网络分析中,通过同步似然（SL）算法计算康复治疗后认知功能得到改善的PSCI患者EEG在不同频段的脑功能网络,并针对患者自身治疗前后对比这一实际问题,提出了采用个人阈值这一理念去构建二值网络,接着通过图论法分析脑功能网络的拓扑结构属性,并通过统计学配对样本t检验的方法,筛选出治疗前后具有显着性变化的脑功能网络特征。从实验结果中发现,PSCI患者经过康复治疗后EEG的α频段脑功能网络连接性增强,脑功能网络各种参数的显着变化,表明脑功能网络全局连通性得到提高,脑区之间信息交互能力得到增强。以上研究结果表明,PSCI患者的EEG随认知功能康复治疗过程发生相应改变,证实了EEG作为卒中后认知功能改善的辅助判断依据的可能性,同时,为进一步研究EEG与认知功能间的关系及最终实现神经康复评价提供了支持。
周飒[2]（2019）在《经颅超声调控下脑肌电信号耦合估计》文中认为脑卒中作为一种由急性脑血管病变导致的疾病,是世界范围内排名前三的致死原因之一。有效的脑卒中神经康复手段可以减轻患者家庭及社会负担,降低我国医疗支出。近年来基于电、磁、声、光等的神经调控手段已逐渐应用于脑卒中康复治疗,其中,低强度经颅超声刺激技术作为一种新兴的无创脑调控手段,由于同时具有高空间分辨率、渗透力强以及可逆性等特点,近年已成为神经科学以及康复工程领域的热点研究内容,并已用于脑卒中神经康复的研究中。研究表明脑卒中是由神经肌肉通路病变引起的,在神经肌肉系统中,反映大脑功能状态的脑电信号与体现肌肉运动状态的肌电信号间存在神经肌肉功能耦合现象。因此,利用超声调控下的脑肌电耦合分析可以体现出超声干预下运动皮层与靶向肌肉间的同步振荡联系,进而评价运动系统功能的变化,对理解经颅超声刺激对运动神经环路的作用效应和深层机理具有重要价值,对完善超声调控的评价方法及临床应用具有重要意义。本文首先介绍了经颅超声刺激技术原理和发展现状,概述了基于神经肌肉功能耦合的脑肌电信号同步分析的基本方法,结合当前经颅超声调控效应评价方式的局限性,提出从运动神经系统的角度,利用脑肌电耦合分析探究超声调控效应。研究了有效的脑肌电耦合分析算法,并应用于经颅超声刺激下同步记录的脑电和肌电信号的耦合分析。其次,介绍了两种信息论中代表性的耦合分析算法,即互信息和传递熵,针对传递熵算法计算准确度依赖于参数的特点,提出了基于混合粒子群优化的传递熵耦合估计方法,并构建了数值非线性耦合模型,对优化后的传递熵算法与传统方法进行了仿真对比分析,从而初步验证了混合粒子群算法的在传递熵参数估计中的有效性。再次,构建了具有多种耦合关系的神经元群模型,并采集了实测人体脑肌电数据,对所提出的基于混合粒子群的传递熵耦合估计方法对耦合强度的敏感性、抗噪鲁棒性以及在多延迟条件下的耦合估计性能进行了系统性评估,进一步,利用实测的脑肌电数据对所提出方法进行了初步分析,证明了该方法在皮层肌肉耦合分析中的实用性。最后,设计了经颅超声刺激下的脑肌电同步采集系统,并对系统的主要装置和超声刺激参数的作用进行了详细讨论。开展了超声刺激小鼠运动皮层过程中的局部场电位以及尾部肌电的同步采集实验,通过互信息算法和改进后的传递熵算法对小鼠脑肌电数据进行了耦合分析,证明了超声刺激可以显着提升刺激皮层与靶向肌肉间的耦合强度,且刺激后脑电到肌电方向的耦合会显着高于肌电到脑电方向,耦合强度会随着刺激时间的增加而增加,从而验证了所研究的方法能够有效分析超声调控效应在运动神经环路的作用方式,同时反映出超声对运动功能的调控作用,为经颅超声刺激在中风康复中的应用提供依据。
刘浩[3]（2019）在《经颅直流电刺激对局灶性癫痫病人脑网络特性的影响》文中研究指明癫痫是一种常见的以反复痫性发作为特征的慢性神经系统疾病,其发作机制尚未明确,治疗方法也有待进一步探究。经颅直流电刺激作为一种无创的神经调控手段已经在癫痫的治疗方面有一些科学研究和临床应用。近年来,越来越多的人认可癫痫是一种脑网络层面的疾病,因此,从脑网络层面研究经颅直流电刺激对于癫痫患者大脑活动的调控具有重要的意义。本文的工作是基于局灶性癫痫患者接受经颅直流电刺激前后的头皮脑电信号,使用同步似然法建立脑网络,探究经颅直流电刺激对于局灶性癫痫患者脑网络的调控作用。主要内容包括:1.我们探究了经颅直流电刺激前后真刺激组和伪刺激组局灶性癫痫患者脑网络五个指标的变化,发现真刺激组和伪刺激组存在差异,经颅直流电刺激后真刺激组在α频带脑网络平均聚类系数降低,在γ频带的平均聚类系数略有升高;在γ频带的特征路径长度有所下降;小世界性则在θ和α频带有显着的降低。同时,我们发现经颅直流电刺激后θ和α频带脑网络中与刺激部位对应节点的节点度显着上升,θ、α以及β频带脑网络中与刺激部位对应节点的中介中心性显着上升。以上结果表明经颅直流电刺激能够调控局灶性患者的脑网络,改变脑网络的特性。2.进一步地,我们探究了真刺激组中有效组和无效组在经颅直流电刺激前后局灶性癫痫患者脑网络的变化,发现有效组中经颅直流电刺激显着地降低了患者θ频带脑网络的小世界性,显着增加了θ和α频带脑网络中与刺激部位相关节点的节点度,显着增加了θ、α以及β频带脑网络中与刺激部位相关节点的中介中心性。以上结果表明经颅直流电刺激在有效组中的确有效地调控了局灶性癫痫患者的脑网络,这些调控作用与其抗癫痫的效果相关。3.通过对比有效组和无效组患者在刺激前基线脑网络特性,我们发现经颅直流电刺激前有效组脑网络在θ和α频带的平均聚类系数和特征路径长度以及小世界性是显着高于无效组的,这表明有效组和无效组的患者在接受刺激前的脑网络存在明显差异。对于具有高平均聚类系数和特征路径长度以及小世界性的患者,经颅直流电刺激具有较好的治疗效果。总之,本文研究表明经颅直流电刺激能够有效地调控局灶性癫痫患者的脑网络,改变脑网络局部和全局的特性,对于脑网络表现出高平均聚类系数、特征路径长度以及小世界性的局灶性癫痫患者有更好的抗癫痫效果。
韩凌[4]（2016）在《脑电信号同步分析及癫痫发作预测方法研究》文中进行了进一步梳理脑电信号是人类复杂电生理过程的表现,其中包含丰富的大脑活动信息,这些信息与人脑的生理结构和状态有关。脑电信号的同步是大脑不同区域建立起通信联系的一个关键特征,可以揭示大脑各个区域如何进行信息的整合和传播,有助于深入理解脑部功能障碍机理,对癫痫等神经功能障碍疾病的诊断、预防和治疗具有非常重要意义。癫痫发作是脑内神经元阵发性异常超同步化电活动的临床表现,具有突发性、反复性和暂时性等特点,给患者带来痛苦和身心伤害,严重时甚至危及生命。如果能够及早地对癫痫患者进行发作预测,可以给患者和医生提供采取相应保护措施的时间,避免由于癫痫突然发作给患者带来意外伤害。本文将脑电信号的同步分析理论应用到癫痫发作预测中,研究癫痫患者在处于不同状态时各种脑电信号同步参数的变化情况,提出两种癫痫发作预测的新方法。主要研究内容和创新性成果包括以下几个方面:（1）本文分别对解放军第463医院癫痫病患者头皮脑电信号和CHB-MIT癫痫头皮脑电数据库信号进行了分析。癫痫病脑电信号同步分析问题普遍采用皮层脑电信号,皮层脑电信号是有创采集,不能实现对患者状态进行实时跟踪。本文采用头皮脑电信号,头皮脑电信号是无创采集,可以实现对患者状态的实时监测,有利于癫痫发作预测的临床应用。（2）本文针对双变量同步分析方法空间分辨率低的问题,提出了相位同步脑网络模型法,从全脑区对癫痫脑电信号进行同步分析。首先将脑电数据分成癫痫发作间期组、癫痫发作前期组和癫痫发作期组;利用小波变换法提取子频段,然后利用希尔伯特黄变换求出平均瞬时相位;分别求出任意两个导联间的锁相值,构建功能性脑网络,对脑网络的各种属性进行分析。比较三组状态下功能性脑网络各种属性的变化情况,找出癫痫发作过程中相位同步在整个大脑区域的变化规律。（3）本文为了解决多变量同步分析问题,从相位同步、频谱同步和频率同步三个方面共同分析癫痫脑电信号同步变化。在前面介绍内容的基础上,利用希尔伯特黄变换求出瞬时相位,希尔伯特边际谱和希尔伯特加权频率;然后利用多变量相位同步分析法求出多变量相位同步指数;通过对比三种状态脑电信号的多变量相位同步指数、希尔伯特边际谱和希尔伯特加权频率的脑电地形图,找出癫痫发作过程中上述三个参量在整个大脑区域的变化规律。（4）本文针对癫痫发作预测的问题,提出了基于空频域特征分析的癫痫发作预测方法。在前面分析结果的基础上,将多变量相位同步指数、希尔伯特边际谱和希尔伯特加权频率组成空频域特征参量,输入到分类器中进行癫痫发作预测。为了寻找最优的预测效果,本文分别使用了 Fisher线性判别、支持向量机和极端学习机三种分类器,并通过K段交叉验证方法对三种分类器的预测效果进行评估,结果显示支持向量机和极端学习机的预测效果最好。利用发作预测特征法对多种相关预测方法进行评估,结果表明基于空频域特征分析的癫痫发作预测法可以得到较高的敏感度和较低的错误预报率（平均误报率0.05/h,平均敏感度87.92%,平均预测时间37.8min）。（5）本文针对癫痫发作预测的问题,提出了基于相位同步因子分析模型的癫痫发作预测方法。在前面研究结果的基础上,求出瞬时相位的因子分析模型,即相位同步相关源对应的时间序列;将相位同步因子分析模型作为特征参量输入到分类器中进行癫痫发作预测。采用前面介绍的三种分类器,对预测效果进行对比。利用癫痫发作预测特征方法对相位同步因子分析模型和主成分分析模型的预测效果进行评估,结果表明基于相位同步因子分析模型法可以得到较好的预测效果（平均误报率0.05/h,平均敏感度90%,平均预测时间39.8min）。
李红利[5]（2012）在《癫痫脑电信号的非线性分析》文中研究说明癫痫疾病严重威胁着人们的身体健康。癫痫脑电分析是研究癫痫的一个重要手段。当前，癫痫的脑电分析主要以病灶区单导联或双导联皮层脑电（Electrocorticogram, ECoG）作为脑电研究对象。本文研究的脑电数据包括两部分，一部分数据来自所设计的脑电采集实验，为临床采集的20导联头皮脑电（Electroencephalogram, EEG）数据；另一部分数据为网上数据库中提供的颅内皮层脑电数据。本文针对脑电数据进行了复杂性、同步性和多尺度等非线性分析，提取了线性分析方法无法提取的有效特征。利用LZ复杂度和关联维数等复杂度分析方法，分析了癫痫脑电数据，提取了癫痫脑电的复杂度特征。分析表明，癫痫EEG的复杂度普遍低于健康EEG，癫痫发作阶段的ECoG的复杂度低于发作间隙ECoG的复杂度。脑电信号的复杂度特征可以作为癫痫疾病的诊断和预测特征。利用排序递归图的分析方法对癫痫脑电进行了确定性的分析。分析表明，癫痫脑电的确定性特征与复杂度特征分析所得的结论一致。但确定性的计算速度更快，更适合分析短时高噪且高度非平稳脑电信号。从大脑是一个相互耦合和相互作用的复杂网络的观点出发，提出了利用排序互信息的方法研究不同导联之间的信息传输，对EEG进行多导联同步性分析。分析表明，癫痫患者的大脑不同区域之间的信息交流明显强于健康对象，即癫痫患者的大脑同步性明显增强。利用小波分解和小波重构技术，得到不同节律（频带）的脑电信号。分析了小波熵、复杂度和确定性特征在不同节律下的变化规律。分析表明，这些特征在不同节律中的变化规律并不相同。通过单独分析子频带，可以提取潜藏在癫痫脑电信号中的更精确的信息。提出了将基于无迹卡尔曼滤波（Unscented Kalman Filter, UKF）的神经网络作为癫痫脑电特征的分类器。UKF算法通过迭代运算可快速估计神经网络的权值，解决神经网络的训练问题。结果表明，该分类器的分类性能优于线性判别分析（Linear Discriminant Analysis, LDA）分类器。本文利用非线性分析方法提取了癫痫脑电数据的多种特征，为癫痫的自动诊断和发作预测提供了理论依据。
郝崇清[6]（2012）在《基于时间序列的复杂脑网络构建与分析》文中研究说明大脑是由上千亿神经元组成的有机整体，神经元网络是大脑进行信息加工和处理的信息通路，网络中拓扑或节点的改变会导致网络特性发生改变，从而导致大脑的病变。本文从复杂网络角度研究脑网络的构建及其动力学演化机制。针对抑郁症等精神疾病无具体病灶的特点，本文首次采用了全脑域、可达大脑深部的磁刺激方案，通过脑电图分析表明该方案能有效改善抑郁状态，为了研究脑网络状态改善的内在机制，获得网络的节点动力学方程和拓扑是研究的前提和基础。对于有病灶区域的癫痫疾病，分析了病灶区切除前后脑电的不同，发现脑电信号的非线性特性存在明显区别；由于脑电信号的非线性分析并不能反映脑网络拓扑的演化特征，而传统的脑网络构建方法由于网络节点数过少难以反映网络结构的复杂性，因而必须探索新的时间序列的复杂网络构建方法。由于神经元的动力学方程和神经元网络拓扑是未知的，本文从动力学系统角度出发，提出了仅利用含噪时间序列估计神经元动力学方程和神经元网络拓扑结构的方法。首先利用最小二乘自适应控制方法和压缩传感恢复算法实现了节点的动力学方程估计；然后利用稀疏贝叶斯学习方法辨识无标度网络和小世界网络的拓扑结构，通过仿真表明所提出的方法具有较强鲁棒性和准确性。首次提出了混沌时间序列构建复杂网络的直接法，发现构建的Lorenz及R ssler系统的网络拓扑图与它们的混沌吸引子存在形态相似性。分析洛伦兹系统相空间重构方法构建的复杂网络，发现随着嵌入维数的增加平均路径长度逐渐增加、聚类系数逐渐减小。为克服可视图建网方法无法体现时间依赖性的缺陷，提出了局部可视图建网方法，通过分析神经元混沌簇放电时间序列，发现了网络的拓扑和统计特性能反映时间序列随时间的演化特征。通过分析睁眼和闭眼情况下脑电信号递归图的确定性，发现了闭眼情况下确定性明显高于睁眼时，并且利用构建的复杂网络同样反映了闭眼情况下的拓扑图规则有序的确定性特征。利用提出的复杂网络构建方法研究癫痫脑电信号，发现从网络拓扑和统计特性上能明显区分癫痫发作和发作间歇期的信号；对强直性阵挛癫痫发作前、中、后的脑电信号分析，发现了滑动局部网络的聚类系数在癫痫发作时显着升高，可以用于强直性发作的预测。本文提出的复杂网络拓扑估计方法以及时间序列的复杂网络构造方法能够刻画脑网络的动力学特性，为精神疾病治疗提供了新的思路。
王寅旭[7]（2012）在《低频重复经颅磁刺激对癫痫大鼠脑电非线性活动及海马区突触素表达的影响》文中指出背景：癫痫是神经科仅次于脑卒中的常见病，据世界卫生组织统计，全世界癫痫患者超过5000万，中国超过900万，其中20～30%的患者现有抗癫痫药物难治，属药物难治性癫痫。目前药物难治性癫痫的患者可通过外科手术、迷走神经刺激术、脑深部电刺激、脑电生物反馈及生酮饮食等方法治疗。但这些治疗方法普遍存在操作的侵入性、技术复杂及费用昂贵，或疗效差、副作用大等缺点，从而限制了其在临床上的推广应用。因此寻求安全、有效、非侵入性、技术条件要求相对低以及相对廉价的癫痫治疗方法，具有重要的临床价值。重复经颅磁刺激（repetitive transcranial magnetic stimulation，rTMS）作为一种新兴的神经调控技术，具有无痛、无创、安全性高、易操作及相对廉价等优点，已广泛应用于神经、精神领域研究，并展示出了良好的应用前景。尤其在癫痫方面，目前诸多基础实验及临床研究均表明低频rTMS具有抗痫作用，但其机制尚待阐清。本实验建立氯化锂-匹鲁卡品慢性癫痫大鼠模型，观察低频rTMS对其脑电非线性参数及海马区突触素（Synaptophysin，SYN）表达的影响，从电生理方面和蛋白水平探讨低频rTMS的抗痫机制，以期为临床实践提供实验依据。目的：观察低频rTMS对慢性癫痫模型大鼠脑电非线性活动及海马区SYN表达的影响，探讨低频rTMS抗癫痫机制。方法：制作氯化锂-匹鲁卡品慢性癫痫大鼠模型，将造模成功大鼠随机分为非刺激组和刺激组，同时设立对照组（腹腔注射生理盐水）。给予刺激组大鼠0.5HZ、40%运动阈值（motor threshold，MT）、100次/串、5串/天、串间隔30秒，连续7天的rTMS。（1）于刺激后7天、14天和28天分别采集各组大鼠的脑电信号，分析脑电非线性参数值：关联维数（Correlation dimension，D2）、点关联维数（Point wise correlation dimension，PD2）、李亚普诺夫指数（Lyapunovexponent，LE）、柯尔莫哥罗夫熵（Kolmogorov entropy，KE）；近似熵（Approximate entropy，ApEn）；复杂度（Complexity, Cx）的变化。（2）于刺激后7天、14天和28天分别处死同等数量的对照组、非刺激组及刺激组大鼠，灌注取脑。免疫组织化学染色法检测各组大鼠海马区SYN表达的变化。结果：（1）刺激组、非刺激组脑电非线性参数D2、PD2、LE、KE值均低于对照组，差异具有统计学意义（均p<0.05），CX、ApEn值与对照组无统计学差异（均p>0.05）；刺激组D2、KE值低于非刺激组，差异具有统计学意义（均p<0.05），而LE、PD2、CX、ApEn值与非刺激组无统计学差异（均p>0.05）。（2）与对照组比较，非刺激组大鼠海马区SYN表达明显增多，差异具有统计学意义（均p<0.05）；与非刺激组相比，刺激组大鼠海马区SYN表达有不同程度减少，刺激后7天两组间虽有差异，但不具统计学意义（均p>0.05）；刺激后14天及28天，两组间差异具有统计学意义（均p<0.05）。结论：（1）癫痫大鼠的脑电活动复杂度降低，低频rTMS对癫痫大鼠脑电活动有一定的抑制作用；（2）癫痫大鼠海马区SYN表达高于正常大鼠，低频rTMS下调癫痫大鼠海马区SYN的表达；（3）低频rTMS抗痫作用可能与其下调海马区SYN表达、抑制癫痫大鼠脑电生理活动有关。
耿跃华[8]（2010）在《磁刺激神门穴诱发脑电信号分析》文中研究说明磁刺激是一种新型刺激疗法,它利用时变电流流入线圈,在线圈周围产生时变脉冲磁场,并在生物组织内诱发感应电流,从而刺激神经组织。由于其具有无痛、无创及操作简便等明显的优点被广泛应用于运动、认知功能的研究以及相关临床治疗。现代医学已经证实经穴具有声学、光学、电学、磁学、温度、离子浓度等物理化学相对特异性,穴位既可探知体内信息变化又可接收外界信息。针刺作为刺激信息的输入方式已被人们所熟知和应用,磁刺激在人体穴位部位产生感应电流作用于穴位处感受器,它同样可以作为一种输入调节信息的方式。针灸影像学是近年来兴起的一门崭新的学科,通过对磁刺激穴位诱发的脑电信号分析,从时间或空间上重塑出大脑表皮或内部电信号的特征,对刺激作用效应进行客观评价,开辟了传统针灸刺激作用效应由主观感知到客观评价的新途径。本论文将脑电信号分析与穴位磁刺激相结合,利用非线性信号分析方法和脑源定位技术对不同刺激频率、不同刺激状态下的脑电信号进行分析对比,对磁刺激神门穴的作用效应进行分析与评估。主要工作如下:一、用磁刺激方式刺激肢体神门穴,同时采集诱发的脑电信号进行分析,研究不同频率磁刺激神门穴时引起的脑电信号的变化。实验采用0.5Hz,1Hz和3Hz三种频率的磁刺激。在每种频率刺激下,研究了安静、磁刺激、假性刺激和假穴四种状态的脑电信号,分组对比了每种状态之间的差异性。结果显示,磁刺激穴位状态与其他三种状态均具有一定的特异性,尤其是与磁刺激假穴状态相比具有特异性,充分说明磁刺激神门穴对脑功能的确有一定的影响。二、对实验过程中所采集的脑电信号进行离线处理,对脑电信号的样本熵值进行了计算。结果显示,3Hz磁刺激组在整个脑区的样本熵值较假穴组有显着降低,1Hz和0.5Hz样本熵值无统计学规律。样本熵值的降低表明大脑脑电信号的复杂度降低,大脑的状态趋于平稳和有序。因此,从复杂度的分析结果上来看,3Hz频率磁刺激神门穴对神经兴奋性有较强的抑制作用。三、提取实验所采集脑电信号的诱发电位,分组观察和比较三种频率刺激下,四种状态的脑电诱发电位的幅值。结果显示,3Hz磁刺激的四种状态均无诱发电位,1Hz和0.5Hz磁刺激的磁刺激组与假穴组主要诱发产生代表思维加工的P150成份。对刺激组和假穴组的P150幅值进行统计学分析,1Hz磁刺激组的幅值显着高于假穴组,这表明对神门穴进行1Hz磁刺激比对非穴位点进行磁刺激能够激发出更多的认知活动。而0.5Hz磁刺激刺激组与假穴组相比较无显着差异,3Hz磁刺激难以从诱发电位角度进行研究。四、对1Hz和0.5Hz磁刺激实验的磁刺激组和假穴组的脑电诱发电位P150成份进行偶极子溯源分析。结果显示,1Hz和0.5Hz磁刺激组诱发P150的几个偶极子全部定位于代表认知和情绪控制功能的扣带回,而假穴组诱发P150定位于扣带回,左侧额中回和中央回。可以认为对神门穴进行1Hz和0.5Hz磁刺激定位的脑功能区域更加集中,且集中于思维信息加工区域。而1Hz和0.5Hz假穴刺激的脑源定位更加分散,除了定位于代表思维加工的区域,还分散于语言区域,运动区域等,提示磁刺激神门穴对思维功能可能具有靶向调控作用。
赵龙莲,梁作清,伍文清,胡广书[9]（2010）在《生物反馈训练后癫痫患者脑电相关维数变化的分析》文中进行了进一步梳理研究生物反馈训练对难治性癫痫患者脑电相关维数的影响。以21例难治性癫痫患者为研究对象,强化患者1215 Hz的感觉运动节律波,抑制48 Hz的θ波。经过一定疗程的反馈治疗后,其中6例癫痫症状有明显改善且跟踪采集了脑电记录的病例,其16导联处的脑电相关维数均有不同程度的增加,尤其以训练点C4附近前脑区的脑电相关维数增加更加显着,表明脑电生物反馈治疗有助于皮层神经元群体电生理活动向更加混沌的状态转化,从而改善癫痫病态症状。相关维数可以通过表征大脑生理状态的改变,用于脑电生物反馈治疗效果的评价。
欧阳高翔[10]（2010）在《癫痫脑电信号的非线性特征识别与分析》文中进行了进一步梳理从20世纪80年代,随着非线性动力学理论的发展,非线性动力学被广泛地用于分析癫痫脑电信号。然而,由于基于混沌理论的非线性动力学分析方法需要假设脑电是低维混沌信号,对脑电信号的数据长度及平稳度要求较高,且对脑电信号中的噪声很敏感。为了克服传统非线性动力学方法的缺点,本文立足于癫痫脑电信号分析的要求,提出了新的方法用于刻画癫痫发作各阶段脑电信号的动力学特征变化。首先,结合传统递归图和排序递归图提出了混杂递归图方法分析失神发作脑电信号。该方法的新颖性在于定义时间序列的递归状态时,不仅考虑局部相空间距离而且考虑局部排序模式分布结构。仿真分析表明,基于混杂递归图的对角线结构分布的确定性测度DET,能够刻画模型参数的变化,并且抗噪声干扰能力更强。该方法用于分析大鼠失神发作间隙期、发作前期和发作期脑电信号的确定性特征,发现发作前期脑电信号的DET均值显着地大于发作间隙期,但显着地小于发作期。结果表明大鼠失神性癫痫发作前期脑电的确定性特性程度比发作间隙期脑电更高,但是比发作期脑电更低。其次,为了进一步调查失神性癫痫发作各阶段脑电信号隐藏的非线性动力学特征,基于脑电信号的排序模式分布特性,提出了一个新颖的相异性指数方法。该方法通过计算排序模式分布的距离来分析两段脑电信号的相异性。由神经元群模型模拟生成脑电信号,仿真分析相异性指数的性能。结合移动窗口技术,该方法用于分析110段大鼠失神发作脑电信号,其中58段失神发作脑电信号在其发作前相异性指数有显着地增加,能够成功地检测到发作前期状态,表明该方法可以用于检测失神发作脑电信号的动力学特征变化。再次,针对脑电同步分析在癫痫发作研究中的重要意义,基于排序模式分析提出了一个新颖的互信息估计方法。该方法通过对时间序列排序模式进行分类,来实现复杂的概率分布估计,从而直接估计出时间序列的信息量。通过耦合Henon映射模型和耦合神经元群模型模拟生成耦合时间序列,仿真分析排序互信息方法的性能。相比于传统的直方图方法,基于排序模式的互信息估计方法能够更好地刻画模型耦合系数的变化,而且抗噪声干扰能力更强。该方法应用于分析癫痫发作脑电信号,发现脑电信号间的互信息随着癫痫发作的开始而逐渐增加,在完全发作时达到最大。最后,提出了排序自互信息法用于刻画癫痫发作间隙期、发作前期和发作期脑电的动力学特征。仿真分析发现噪声和混沌序列的自互信息AMI（δ）值随着时滞偏移δ增大而衰减的速率不同,表明自互信息方法能够区别噪声和混沌序列。该方法用于分析癫痫发作各阶段脑电信号,发现发作间隙期、发作前期和发作期脑电的自互信息值分别在时滞偏移δ大约为5-6、7-8和9-10时达到稳定值。进一步结合线性判别分析,表明排序自互信息能够识别不同发作阶段的脑电信号。
二、经颅磁刺激对癫痫病灶脑电相关维数的影晌（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、经颅磁刺激对癫痫病灶脑电相关维数的影晌（论文提纲范文）
（1）脑卒中认知障碍患者治疗前后的脑电信号研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 缩略语/符号说明 |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 认知功能评价方法的研究现状 |
| 1.2.2 认知障碍的EEG研究现状 |
| 1.2.3 EEG分析方法 |
| 1.3 研究目的及研究内容 |
| 1.4 章节安排 |
| 第2章 实验设计与方法 |
| 2.1 研究对象 |
| 2.1.1 纳入标准 |
| 2.1.2 排除标准 |
| 2.1.3 退出标准 |
| 2.2 实验仪器 |
| 2.2.1 重复经颅磁刺激仪 |
| 2.2.2 脑电采集系统 |
| 2.3 实验流程与方法 |
| 2.3.1 实验流程 |
| 2.3.2 治疗方法 |
| 2.3.3 认知功能评定方法 |
| 2.3.4 脑电采集方法 |
| 2.3.5 统计学方法 |
| 2.4 医学量表结果 |
| 2.5 本章小结 |
| 第3章 EEG检测原理及信号预处理 |
| 3.1 EEG概论 |
| 3.2 EEG神经生理检测基础 |
| 3.3 EEG成分组成 |
| 3.4 EEG分析流程及信号预处理 |
| 3.4.1 EEG分析流程 |
| 3.4.2 信号预处理 |
| 3.4.3 预处理结果 |
| 3.5 本章小结 |
| 第4章 基于Welch算法的功率谱分析 |
| 4.1 功率谱及计算方法 |
| 4.2 功率谱特征选择及提取方法 |
| 4.2.1 功率谱特征选择 |
| 4.2.2 特征提取方法 |
| 4.3 Welch功率谱特征分析 |
| 4.3.1 相对功率分析 |
| 4.3.2 频段间功率比分析 |
| 4.3.3 各频段脑对称性分析 |
| 4.4 本章小结 |
| 第5章 基于同步似然算法的脑网络分析 |
| 5.1 基于同步似然(SL)算法构建脑功能网络 |
| 5.2 脑网络拓扑特性参数 |
| 5.2.1 节点的度 |
| 5.2.2 聚类系数 |
| 5.2.3 最短路径及特征路径长度 |
| 5.2.4 介数 |
| 5.2.5 全局效率 |
| 5.3 结果与分析 |
| 5.3.1 治疗前后EEG同步似然分析 |
| 5.3.2 阈值 |
| 5.3.3 脑功能网络拓扑参数分析 |
| 5.4 本章小结 |
| 第6章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的学术成果 |
| 攻读学位期间参与的项目 |
（2）经颅超声调控下脑肌电信号耦合估计（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 超声神经调控技术的优势及发展现状 |
| 1.2.1 经颅超声刺激的特点及优势 |
| 1.2.2 经颅超声刺激的发展现状 |
| 1.3 脑肌电耦合分析概述 |
| 1.4 本文主要研究内容 |
| 第2章 脑肌电耦合分析算法研究 |
| 2.1 引言 |
| 2.2 脑肌电同步分析算法 |
| 2.2.1 互信息 |
| 2.2.2 传递熵 |
| 2.2.3 基于混合粒子群优化的传递熵估计(HPSO-TE) |
| 2.3 本章小结 |
| 第3章 基于HPSO-TE的脑肌电耦合估计研究 |
| 3.1 引言 |
| 3.2 基于神经元群模型的HPSO-TE耦合估计 |
| 3.2.1 神经元群模型 |
| 3.2.2 耦合强度敏感性探究 |
| 3.2.3 鲁棒性分析 |
| 3.2.4 不同延迟状态下的耦合估计 |
| 3.3 实测数据分析 |
| 3.4 本章小结 |
| 第4章 经颅超声刺激下脑肌电同步采集及主要参数 |
| 4.1 超声刺激及脑肌电采集实验平台 |
| 4.1.1 超声刺激系统 |
| 4.1.2 神经电生理记录系统 |
| 4.1.3 神经生理信号记录电极 |
| 4.1.4 其他装置 |
| 4.2 超声刺激主要参数 |
| 4.2.1 超声强度 |
| 4.2.2 基波频率 |
| 4.2.3 声脉冲群重复频率及次数 |
| 4.3 动物手术与脑肌电数据采集 |
| 4.3.1 动物手术 |
| 4.3.2 脑肌电数据采集 |
| 4.4 本章小结 |
| 第5章 经颅超声调控下脑肌电信号耦合分析 |
| 5.1 引言 |
| 5.2 脑肌电数据预处理 |
| 5.3 基于信息论测度的超声调控下脑肌电耦合分析 |
| 5.3.1 互信息分析 |
| 5.3.2 传递熵分析 |
| 5.3.3 超声刺激对脑肌电耦合的影响分析 |
| 5.4 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间承担的科研任务与主要成果 |
| 致谢 |
| 作者简介 |
（3）经颅直流电刺激对局灶性癫痫病人脑网络特性的影响（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 引言 |
| 1.1 癫痫 |
| 1.2 癫痫治疗的现状 |
| 1.3 经颅直流电刺激 |
| 1.3.1 经颅直流电刺激的神经调控作用 |
| 1.3.2 经颅直流电刺激在癫痫治疗中的应用 |
| 1.4 癫痫病人的脑电信号 |
| 1.4.1 脑电信号的类型 |
| 1.4.2 癫痫病人头皮脑电信号的特点 |
| 1.5 大脑连接分析方法 |
| 1.5.1 大脑网络连接类型 |
| 1.5.2 建立功能连接网络的方法 |
| 1.5.3 基于图论的功能连接网络分析 |
| 1.5.4 基于图论的功能连接网络分析在癫痫研究中的应用 |
| 1.6 本论文研究的主要内容及结构安排 |
| 第二章 材料与方法 |
| 2.1 病例信息 |
| 2.2 实验设计 |
| 2.2.1 经颅直流电刺激 |
| 2.2.2 脑电记录 |
| 2.3 建立癫痫病人脑网络 |
| 2.3.1 数据预处理 |
| 2.3.2 同步似然性 |
| 2.4 基于图论的脑网络分析 |
| 2.4.1 图的定义 |
| 2.4.2 节点度和中介中心性 |
| 2.4.3 平均聚类系数、特征路径长度和小世界性 |
| 2.5 统计分析 |
| 第三章 结果 |
| 3.1 脑电数据预处理 |
| 3.2 真、伪经颅直流电刺激对脑网络的调控 |
| 3.2.1 真、伪经颅直流电刺激前后脑网络拓扑图 |
| 3.2.2 真、伪经颅直流电刺激前后脑网络全局特性 |
| 3.2.3 真、伪经颅直流电刺激前后脑网络局部特性 |
| 3.3 有效、无效经颅直流电刺激对脑网络的调控 |
| 3.3.1 有效、无效经颅直流电刺激前后脑网络全局特性 |
| 3.3.2 有效、无效经颅直流电刺激前后脑网络局部特性 |
| 3.3.3 有效、无效经颅直流电刺激前基线状态脑网络差异 |
| 3.4 本章小结 |
| 第四章 讨论与展望 |
| 4.1 阴极经颅直流电刺激调控全局网络特性以及意义 |
| 4.2 阴极经颅直流电刺激调控刺激部位节点特性以及意义 |
| 4.3 阴极经颅直流电刺激调控了θ和 α频段脑网络活动 |
| 4.4 总结与展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的学术论文 |
（4）脑电信号同步分析及癫痫发作预测方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 脑电信号的概述 |
| 1.2.1 脑电信号的产生 |
| 1.2.2 EEG信号的特点 |
| 1.2.3 EEG信号的分类 |
| 1.3 癫痫及癫痫脑电 |
| 1.3.1 癫痫的分类 |
| 1.3.2 癫痫发作机制 |
| 1.3.3 癫痫的治疗方法 |
| 1.3.4 脑电图在癫痫治疗中的作用 |
| 1.3.5 癫痫脑电的采集方式 |
| 1.3.6 癫痫脑电的特征波 |
| 1.3.7 癫痫脑电研究的意义 |
| 1.4 癫痫发作预测的研究现状 |
| 1.4.1 线性分析方法 |
| 1.4.2 非线性动力学分析方法 |
| 1.4.3 相位同步分析法 |
| 1.5 存在的主要问题 |
| 1.6 本文研究内容 |
| 第2章 脑电信号同步分析方法 |
| 2.1 双导联脑电信号同步分析算法 |
| 2.1.1 线性方法 |
| 2.1.2 非线性方法 |
| 2.2 多导联脑电信号的同步分析算法 |
| 2.2.1 相位同步簇 |
| 2.2.2 S估计器 |
| 2.2.3 相关矩阵分析 |
| 2.2.4 频率流 |
| 2.2.5 复杂网络分析 |
| 2.3 本章小结 |
| 第3章 基于相位同步脑网络模型的癫痫脑电信号同步分析 |
| 3.1 提取子频段 |
| 3.2 获取瞬时相位 |
| 3.2.1 本征模态函数 |
| 3.2.2 经验模态分解 |
| 3.2.3 希尔伯特变换 |
| 3.3 锁相值 |
| 3.4 功能性脑网络 |
| 3.5 实验结果及分析 |
| 3.5.1 实验数据 |
| 3.5.2 区域同步性分析 |
| 3.5.3 全脑同步性分析 |
| 3.6 本章小结 |
| 第4章 多导联癫痫脑电信号的同步分析 |
| 4.1 多变量相位同步分析方法 |
| 4.2 希尔伯特边际谱 |
| 4.3 希尔伯特加权频率 |
| 4.3.1 瞬时频率 |
| 4.3.2 希尔伯特加权频率 |
| 4.4 Kruskal-Wallis秩和检验 |
| 4.5 实验数据 |
| 4.5.1 EEG数据 |
| 4.5.2 预处理 |
| 4.5.3 数据的截取 |
| 4.6 实验结果及分析 |
| 4.6.1 多变量相位同步分析 |
| 4.6.2 希尔伯特边际谱 |
| 4.6.3 希尔伯特加权频率 |
| 4.7 本章小结 |
| 第5章 基于空频域特征分析方法的癫痫发作预测 |
| 5.1 多种分类方法 |
| 5.1.1 Fisher判别 |
| 5.1.2 支持向量机 |
| 5.1.3 极端学习机 |
| 5.2 交叉验证 |
| 5.3 发作预测评估方法 |
| 5.4 实验结果分析及评价 |
| 5.4.1 实验数据 |
| 5.4.2 实验结果 |
| 5.4.3 实验分析 |
| 5.5 本章小结 |
| 第6章 基于相位同步因子分析模型的癫痫发作预测 |
| 6.1 因子分析 |
| 6.1.1 基本因子分析模型 |
| 6.1.2 因子载荷矩阵和特殊方差矩阵的估计 |
| 6.1.3 因子旋转 |
| 6.1.4 因子得分 |
| 6.1.5 因子分析的步骤 |
| 6.2 因子分析与主成分分析的区别 |
| 6.3 相位同步因子分析模型 |
| 6.4 实验结果分析与评价 |
| 6.4.1 实验数据 |
| 6.4.2 实验结果 |
| 6.4.3 实验分析 |
| 6.5 本章小结 |
| 第7章 结论与展望 |
| 7.1 本文的研究成果 |
| 7.2 对未来工作展望 |
| 参考文献 |
| 致谢 |
| 攻读博士期间发表的论文 |
（5）癫痫脑电信号的非线性分析（论文提纲范文）
| 中文摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 引言 |
| 1.2 癫痫的临床表现及危害 |
| 1.3 癫痫的分类 |
| 1.4 癫痫的治疗方法 |
| 1.5 癫痫脑电研究的意义 |
| 1.6 国内外研究现状 |
| 1.7 存在的主要问题 |
| 1.8 经研究思路 |
| 1.9 主要贡献 |
| 1.10 内容安排 |
| 第2章 实验数据采集与预处理 |
| 2.1 大脑信号的采集 |
| 2.2 脑电信号的频域构成 |
| 2.3 实验数据 |
| 2.3.1 EEG 数据 |
| 2.3.2 ECoG 数据 |
| 2.4 EEG 数据的预处理 |
| 2.4.1 数据的限幅 |
| 2.4.2 数据的带通滤波 |
| 2.4.3 数据的截取 |
| 2.5 本章小结 |
| 第3章 癫痫脑电的复杂度分析 |
| 3.1 LZ 复杂度 |
| 3.1.1 LZ 复杂度算法 |
| 3.1.2 EEG 数据的 LZ 复杂度 |
| 3.1.3 ECoG 数据的 LZ 复杂度 |
| 3.2 相空间重构 |
| 3.2.1 互信息法确定时滞 |
| 3.2.2 自相关法确定时滞 |
| 3.2.3 嵌入维数 |
| 3.3 关联维数D_2 |
| 3.3.1 EEG 数据的关联维数 |
| 3.3.2 ECoG 数据的关联维数 |
| 3.4 本章小结 |
| 第4章 癫痫脑电的递归确定性和同步性分析 |
| 4.1 排序递归图 |
| 4.2 DET 分析结果 |
| 4.2.1 集总参数模型 |
| 4.2.2 EEG 数据的 DET |
| 4.2.3 ECoG 数据的 DET |
| 4.3 EEG 数据的同步性分析 |
| 4.3.1 互信息 |
| 4.3.2 排序互信息 |
| 4.3.3 EEG 数据的排序互信息 |
| 4.4 EEG 的同步性 |
| 4.5 本章小结 |
| 第5章 癫痫脑电的多尺度分析 |
| 5.1 小波变换 |
| 5.2 小波熵 |
| 5.2.1 脑电信号的多尺度小波分解和重构 |
| 5.2.2 小波包熵 |
| 5.3 小波熵分析结果 |
| 5.3.1 EEG 的小波熵 |
| 5.3.2 ECoG 的小波熵 |
| 5.4 ECoG 的多尺度复杂度和确定性分析 |
| 5.4.1 ECoG 的多尺度 LZ 复杂度分析 |
| 5.4.2 ECoG 的多尺度D_2 分析 |
| 5.4.3 ECoG 的多尺度 DET 分析 |
| 5.5 本章小结 |
| 第6章 基于无迹卡尔曼滤波的神经网络识别癫痫脑电信号 |
| 6.1 人工神经网络 |
| 6.2 基于 UKF 的神经网络 |
| 6.2.1 UT 变换 |
| 6.2.2 UKF 算法 |
| 6.2.3 基于 UKF 的神经网络训练算法 |
| 6.3 基于 UKF 的神经网络算法仿真 |
| 6.3.1 混沌时间序列预测 |
| 6.3.2 三分类问题 |
| 6.4 LDA 分类器 |
| 6.5 癫痫脑电的分类 |
| 6.5.1 基于多尺度小波熵特征的分类 |
| 6.5.2 基于多尺度 DET 确定性特征的分类 |
| 6.6 本章小结 |
| 第7章 总结与展望 |
| 7.1 结论 |
| 7.2 展望 |
| 参考文献 |
| 发表论文和科研情况说明 |
| 致谢 |
（6）基于时间序列的复杂脑网络构建与分析（论文提纲范文）
| 中文摘要 |
| ABSTRACT |
| 图目录 |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 脑电图及其处理方法 |
| 1.3 复杂网络及其应用 |
| 1.3.1 复杂系统与复杂网络 |
| 1.3.2 脑网络 |
| 1.3.3 时间序列的复杂网络构建 |
| 1.4 复杂网络特性指标 |
| 1.4.1 复杂网络可视化 |
| 1.4.2 网络的平均路径长度、聚类系数和度分布 |
| 1.4.3 模体分布 |
| 1.4.4 模块度 |
| 1.5 压缩传感及其应用 |
| 1.6 神经动力学方程和网络拓扑重建 |
| 1.6.1 神经元模型 |
| 1.6.2 动力学方程的全局重建和网络拓扑估计 |
| 1.7 主要研究思路和内容 |
| 1.8 主要贡献 |
| 1.9 内容安排 |
| 第二章 神经精神疾病治疗与评价 |
| 2.1 自回归滑动平均模型 |
| 2.2 脑电的状态空间模型分析 |
| 2.2.1 状态空间建模方法 |
| 2.2.2 脑电信号的状态空间建模与分析 |
| 2.3 抑郁症脑电节律谱分析 |
| 2.3.1 抑郁症的深部经颅磁刺激治疗 |
| 2.3.2 谱不对称指数 |
| 2.3.3 抑郁症治疗前后脑电谱不对称指数分析 |
| 2.4 癫痫信号描述 |
| 2.5 癫痫信号的符号熵分析 |
| 2.5.1 符号熵方法 |
| 2.5.2 癫痫脑电的符号熵 |
| 2.6 癫痫信号的消除趋势波动分析 |
| 第三章 动力学方程重建和网络拓扑估计 |
| 3.1 动力学方程重建的最小二乘-自适应方法 |
| 3.1.1 最小二乘法估计动力学参数 |
| 3.1.2 自适应控制方法估计动力学方程参数 |
| 3.2 压缩传感重建神经元放电方程 |
| 3.2.1 FHN 神经元模型 |
| 3.2.2 FHN 模型的动力学方程重建 |
| 3.3 贝叶斯压缩传感 |
| 3.4 混沌系统的动力学方程重建和复杂网络的拓扑估计 |
| 3.4.1 贝叶斯压缩传感的重建原理 |
| 3.4.2 混沌系统动力学方程和复杂网络的拓扑估计实例 |
| 3.5 神经元动力学方程及其小世界网络拓扑重建 |
| 第四章 混沌时间序列的复杂网络建模及分析 |
| 4.1 多维混沌时间序列的复杂网络构建 |
| 4.1.1 混沌系统及其混沌吸引子 |
| 4.1.2 混沌时间序列的复杂网络直接建网方法 |
| 4.1.3 混沌时间序列的复杂网络拓扑作图 |
| 4.2 一维时间序列相空间重建的复杂网络构造方法 |
| 4.2.1 CC 方法计算延迟时间 |
| 4.2.2 cao 方法确定最小嵌入维数 |
| 4.2.3 洛伦兹系统的相空间重建方法建网 |
| 4.3 复杂网络建网的可视图方法 |
| 4.3.1 map 神经元模型 |
| 4.3.2 可视图建网方法 |
| 4.3.3 局部可视图建网方法 |
| 4.3.4 可视图策略构建的复杂网络可视化 |
| 4.3.5 复杂网络特性分析 |
| 第五章 脑电信号的复杂网络特性分析 |
| 5.1 睁眼和闭眼状态下脑电信号分析 |
| 5.1.1 睁眼和闭眼状态下脑电信号递归图 |
| 5.1.2 睁眼和闭眼状态下脑电复杂网络构建 |
| 5.1.3 睁闭眼下脑电的复杂网络特性分析 |
| 5.2 癫痫脑电信号复杂网络分析 |
| 5.2.1 多维直接建网方法 |
| 5.2.2 相空间重建方法建网 |
| 5.2.3 局部可视图癫痫预测 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 工作展望 |
| 参考文献 |
| 发表论文和参加科研情况说明 |
| 论文情况 |
| 参与的科研项目 |
| 致谢 |
（7）低频重复经颅磁刺激对癫痫大鼠脑电非线性活动及海马区突触素表达的影响（论文提纲范文）
| 中文摘要 |
| 英文摘要 |
| 第一部分 低频重复经颅磁刺激对氯化锂-匹鲁卡品慢性癫痫模型大鼠脑电非线性活动的影响 |
| 前言 |
| 材料与方法 |
| 结果 |
| 讨论 |
| 结论 |
| 参考文献 |
| 第二部分 低频重复经颅磁刺激对氯化锂-匹鲁卡品慢性癫模型大鼠海马区突触素表达的影响 |
| 前言 |
| 材料与方法 |
| 结果 |
| 讨论 |
| 结论 |
| 参考文献 |
| 综述：癫痫的神经调控及其研究进展 |
| 参考文献 |
| 附录 |
| 攻读学位期间发表文章情况 |
| 致谢 |
| 个人简历 |
（8）磁刺激神门穴诱发脑电信号分析（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| §1-1 磁刺激技术概述 |
| 1-1-1 磁刺激技术的特点 |
| 1-1-2 磁刺激技术的发展历史 |
| 1-1-3 磁刺激技术的应用及发展现状 |
| §1-2 经络理论概述 |
| 1-2-1 经络与穴位的历史发展 |
| 1-2-2 经络与穴位实质的研究概况 |
| §1-3 脑电信号概述 |
| 1-3-1 脑电信号发展历史 |
| 1-3-2 脑电信号分析方法 |
| 1-3-3 脑电信号分析的应用现状 |
| §1-4 磁刺激穴位与脑电信号交叉学科的研究意义 |
| §1-5 本课题的研究内容 |
| 第二章 磁刺激穴位的原理 |
| §2-1 磁刺激的原理 |
| 2-1-1 基本原理 |
| 2-1-2 磁刺激器的电路原理 |
| 2-1-3 刺激线圈的设计 |
| §2-2 磁刺激穴位的生理学效应 |
| 2-2-1 神经纤维信息传递的机制 |
| 2-2-2 刺激对外周神经的效应 |
| 2-2-3 穴位的生理结构及传导机制 |
| §2-3 本章小结 |
| 第三章 磁刺激神门穴脑电信号提取的实验设计 |
| §3-1 实验思路 |
| §3-2 实验仪器 |
| 3-2-1 磁刺激器 |
| 3-2-2 脑电信号采集器 |
| §3-3 实验方案 |
| 3-3-1 实验过程 |
| 3-3-2 被试的选择与准备 |
| 3-3-3 系统准备 |
| 3-3-4 电极安放 |
| §3-4 本章小结 |
| 第四章 脑电信号的非线性动力学分析 |
| §4-1 非线性动力学理论 |
| 4-1-1 非线性动力学基本理论 |
| 4-1-2 非线性动力学理论在脑电信号分析中的应用 |
| 4-1-3 EEG混沌特性的生理学基础 |
| §4-2 相空间重构 |
| 4-2-1 相空间重构的理论 |
| 4-2-2 脑电信号序列的相空间重构 |
| §4-3 复杂度 |
| 4-3-1 复杂度的理论 |
| 4-3-2 3Hz磁刺激脑电信号样本熵的计算 |
| 4-3-3 1Hz磁刺激脑电信号样本熵的计算 |
| 4-3-4 0.5Hz磁刺激脑电信号样本熵的计算 |
| §4-4 本章小结 |
| 第五章 脑电信号诱发电位分析 |
| §5-1 脑电信号诱发电位 |
| 5-1-1 诱发电位介绍 |
| 5-1-2 诱发电位的分类方法 |
| 5-1-3 ERP概述 |
| §5-2 磁刺激神门穴脑电信号诱发电位的分析 |
| 5-2-1 3Hz磁刺激诱发电位分析 |
| 5-2-2 1Hz磁刺激诱发电位分析 |
| 5-2-3 0.5Hz磁刺激诱发电位分析 |
| §5-3 本章小结 |
| 第六章 脑电信号诱发电位的源定位 |
| §6-1 脑电正问题 |
| 6-1-1 脑电正问题的描述 |
| 6-1-3 脑电正问题方法 |
| §6-2 脑电逆问题 |
| 6-2-1 脑电逆问题的描述 |
| 6-2-2 源模型 |
| 6-2-3 脑电逆问题的算法 |
| 6-2-4 脑电逆问题的研究意义 |
| §6-3 主成分分析 |
| 6-3-1 主成分分析方法介绍 |
| 6-3-2 主成分分析的基本原理 |
| 6-3-3 主成分分析的计算步骤 |
| 6-3-4 主成分分析在EEG中的应用 |
| §6-4 磁刺激神门穴脑电信号偶极子源定位分析 |
| 6-4-1 引言 |
| 6-4-2 1Hz磁刺激偶极子源定位 |
| 6-4-3 0.5Hz磁刺激偶极子源定位 |
| §6-5 本章小结 |
| 第七章 总结与展望 |
| 一、全文主要工作 |
| 二、本文主要创新之处 |
| 参考文献 |
| 致谢 |
| 博士期间取得的相关科研成果 |
（9）生物反馈训练后癫痫患者脑电相关维数变化的分析（论文提纲范文）
| 引言 |
| 1 实验对象与实验方法 |
| 1.1 实验对象与实验方法 |
| 1.2 脑电数据的采集 |
| 2 相关维数的定义及计算 |
| 2.1 数据长度的选择 |
| 2.2 嵌入维数的选择 |
| 2.3 延迟时间的选择 |
| 2.4 线性尺度区的选择 |
| 3 结果与分析 |
| 3.1 反馈训练一个月后相关维数的变化 |
| 3.2 相关维数随反馈疗程的变化 |
| 3.3 病例不同脑区相关维数的变化趋势 |
| 4 讨论与结论 |
（10）癫痫脑电信号的非线性特征识别与分析（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 癫痫脑电研究目的 |
| 1.2 脑电信号的非线性 |
| 1.3 脑电信号分析研究现状 |
| 1.3.1 单通道脑电分析方法 |
| 1.3.2 双通道脑电分析方法 |
| 1.3.3 多通道脑电分析方法 |
| 1.4 癫痫发作预测研究现状 |
| 1.5 论文的主要研究内容 |
| 第2章 大鼠失神性癫痫发作脑电信号确定性分析 |
| 2.1 引言 |
| 2.2 方法 |
| 2.2.1 递归图 |
| 2.2.2 排序递归图 |
| 2.2.3 递归图量化分析 |
| 2.3 数值仿真 |
| 2.3.1 Logistic 映射 |
| 2.3.2 Logistic 映射序列的DET 值 |
| 2.3.3 神经元群模型 |
| 2.3.4 模拟脑电信号的DET 值 |
| 2.4 脑电信号分析 |
| 2.4.1 大鼠失神性癫痫发作实验 |
| 2.4.2 失神性癫痫脑电信号的DET 值 |
| 2.5 本章小结 |
| 第3章 基于混杂递归图的脑电确定性分析方法 |
| 3.1 引言 |
| 3.2 混杂递归图 |
| 3.3 结果 |
| 3.3.1 Logistic 映射序列的DET 值 |
| 3.3.2 失神性癫痫脑电信号的DET 值 |
| 3.4 本章小结 |
| 第4章 大鼠失神性癫痫发作前期脑电变化检测 |
| 4.1 引言 |
| 4.2 方法 |
| 4.2.1 排序熵 |
| 4.2.2 相异性指数 |
| 4.3 仿真分析 |
| 4.3.1 相异性方法的参数选取 |
| 4.3.2 模拟脑电信号相异性分析 |
| 4.4 失神性癫痫脑电相异性分析 |
| 4.4.1 失神性癫痫脑电信号 |
| 4.4.2 失神性癫痫脑电规则指数 |
| 4.4.3 发作前期脑电特征变化检测 |
| 4.5 本章小结 |
| 第5章 基于排序模式的癫痫脑电互信息分析 |
| 5.1 引言 |
| 5.2 方法 |
| 5.2.1 互信息 |
| 5.2.2 排序互信息 |
| 5.2.3 显着性分析 |
| 5.3 仿真分析 |
| 5.3.1 耦合Henon 映射 |
| 5.3.2 耦合神经元群模型 |
| 5.3.3 性能分析 |
| 5.4 脑电信号分析 |
| 5.4.1 癫痫脑电信号 |
| 5.4.2 癫痫脑电的互信息 |
| 5.5 本章小结 |
| 第6章 排序自互信息方法识别癫痫脑电信号 |
| 6.1 引言 |
| 6.2 方法 |
| 6.2.1 自互信息 |
| 6.2.2 线性判别分析 |
| 6.3 仿真分析 |
| 6.3.1 数值模型 |
| 6.3.2 结果 |
| 6.4 癫痫脑电分析 |
| 6.4.1 癫痫脑电信号 |
| 6.4.2 癫痫脑电的自互信息 |
| 6.4.3 分类 |
| 6.5 本章小结 |
| 结论 |
| 参考文献 |
| 攻读博士学位期间承担的科研任务与主要成果 |
| 致谢 |
| 作者简介 |
四、经颅磁刺激对癫痫病灶脑电相关维数的影晌（论文参考文献）
- [1]脑卒中认知障碍患者治疗前后的脑电信号研究[D]. 焦磊磊. 烟台大学, 2020(02)
- [2]经颅超声调控下脑肌电信号耦合估计[D]. 周飒. 燕山大学, 2019(03)
- [3]经颅直流电刺激对局灶性癫痫病人脑网络特性的影响[D]. 刘浩. 上海交通大学, 2019(06)
- [4]脑电信号同步分析及癫痫发作预测方法研究[D]. 韩凌. 东北大学, 2016(12)
- [5]癫痫脑电信号的非线性分析[D]. 李红利. 天津大学, 2012(06)
- [6]基于时间序列的复杂脑网络构建与分析[D]. 郝崇清. 天津大学, 2012(05)
- [7]低频重复经颅磁刺激对癫痫大鼠脑电非线性活动及海马区突触素表达的影响[D]. 王寅旭. 川北医学院, 2012(08)
- [8]磁刺激神门穴诱发脑电信号分析[D]. 耿跃华. 河北工业大学, 2010(04)
- [9]生物反馈训练后癫痫患者脑电相关维数变化的分析[J]. 赵龙莲,梁作清,伍文清,胡广书. 中国生物医学工程学报, 2010(01)
- [10]癫痫脑电信号的非线性特征识别与分析[D]. 欧阳高翔. 燕山大学, 2010(08)