论文部分内容阅读
诱发电位是中枢神经系统对外界刺激做出的电反应。它所包含的信息对评价人体神经功能、诊断神经系统疾病等方面具有重要的意义。诱发电位具有微弱、强非线性、强耦合性、信噪比低等特征,从强干扰环境中提取0.1uV的听、视觉诱发电位信号成为国内外研究的前沿课题。目前,临床上广泛使用的是平均叠加技术,它虽然简单方便,但是需要测试多次,测试者易疲劳；且丢失大量的动态信息无法准确描述诱发电位的动态特性。随着生理信号领域多年的不断发展,多种不同算法被深入研究用来提取诱发电位。小波阈值去噪法、建立人工神经网络非线性逼近诱发电位模型、分离信噪比高的独成分分析算法,小波变换和独立成分分析结合的WICA算法、小波结合神经网络算法等。本文重点研究了运用粗集理论与Informax IC A相结合的方法来提取脑干听觉诱发电位和翻转模式视觉诱发电位。采集的诱发电位信噪比低,含有很多频率高于诱发电位和与诱发电位频带相同并混合重叠的强噪声信号。针对Informax ICA无法有效地提取低信噪比信号的缺陷,本文提出先将采集信号进行粗集理论预处理,提高诱发电位信噪比,预处理后信号通过Informax ICA算法分离出频带相互重叠的诱发电位和噪声,提取得到诱发电位波形。信号预处理时,根据听、视觉诱发电位各自波形的特征,将极点时间间隔阈值%：分别设置为0.45ms、0.69ms来去除部分高频噪声。通过分析粗集预处理后信号的频谱、功率谱密度估计、信噪比、均方差等参数,并且与平均叠加预处理的信号相比较可知,粗集理论比平均叠加技术更有效的去除脑干听觉诱发电位和翻转模式视觉诱发电位中的高频噪声,提高信噪比。最后将基于粗集理论和InformaxICA相结合算法提取的诱发电位波形分别与平均叠加技术提取的波形、Informax ICA提取的波形进行对比。分析、对比三种算法分别提取的脑干听觉诱发波形的Ⅰ-Ⅲ、Ⅲ-Ⅳ/Ⅴ, Ⅰ-Ⅳ/Ⅴ峰间潜伏期和翻转模式视觉诱发电位的P100波出现时间,基于粗集理论和Informax ICA相结合的方法能够更真实、有效地提取到脑干听觉诱发波形和翻转模式视觉诱发电位波形,为临床医学检测提供技术手段和体感诱发电位的提取提供新的思路。