-
题名精分EEG脑网络同步稳定性研究
被引量：3
- 1
-
-
作者
姚蓉
杨雄
杨鹏飞
阴桂梅
李海芳
-
机构
太原理工大学信息与计算机学院
太原师范学院计算机系
-
出处
《计算机工程与应用》
CSCD
北大核心
2019年第5期60-64,共5页
-
基金
国家自然科学基金(No.61472270)
-
文摘
为了深入表征和刻画精神分裂症患者大脑活动时各个电极通道的状态变化,通过利用复杂网络同步稳定理论以及精分工作记忆实验范式对EEG信号进行分析。从复杂网络角度出发构建脑功能网络,并利用特征谱比值法分析脑网络及其同步性随时间的演化过程。对比实验表明精分患者和正常对照组同步能力具有很大差异且差异主要源于对应脑网络的一个局部化区域S的不同,并通过设计对比实验进一步验证此区域对脑网络同步影响的有效性。脑网络同步稳定区域S的发现对研究神经精神性疾病下脑网络的演化过程提供了新的思路。
-
关键词
脑电图
精神分裂症
工作记忆
复杂网络
脑网络同步
-
Keywords
Electroencephalogram(EEG)
schizophrenia
working memory
complex network
brain network synchronization
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于同步性脑网络的支持张量机情绪分类研究
被引量：2
- 2
-
-
作者
黄丽亚
苏义博
马捃凯
丁威威
宋传承
-
机构
南京邮电大学电子与光学工程学院微电子学院
南京邮电大学贝尔英才学院
-
出处
《电子与信息学报》
EI
CSCD
北大核心
2020年第10期2462-2470,共9页
-
基金
国家自然科学基金(61977039)。
-
文摘
一直以来,情绪是心理学、教育学、信息科学等多个学科的研究热点,脑电信号(EEG)因其客观、不易伪装的特点,在情绪识别领域受到广泛关注。由于人类情绪是大脑多个脑区相互作用产生的,该文提出一种基于同步性脑网络的支持张量机情绪分类算法(SBN-STM),该算法采用相位锁定值(PLV)构建了同步性脑网络,分析多导联脑电信号之间的同步性和相关性,并生成2阶张量序列作为训练集,运用支持张量机(STM)模型实现正负情绪的二分类。该文基于DEAP脑电情绪数据库,详细分析了同步性脑网络张量序列的选取方法,最佳张量序列窗口的大小和位置,解决了传统情绪分类算法特征冗余的问题,提高了模型训练速度。仿真实验表明,基于支持张量机的同步性脑网络分类方法的情绪准确率优于支持向量机、C4.5决策树、人工神经网络、K近邻等以向量为特征的情绪分类模型。
-
关键词
情绪分类
同步性脑网络
支持张量机
相位锁定值
-
Keywords
Emotion classification
Synchronous Brain Network(SBN)
Support Tensor Machine(STM)
Phase Locking Value(PLV)
-
分类号
TN911.7
[电子电信—通信与信息系统]
TP391.4
[自动化与计算机技术—计算机应用技术]
-
