[1]杨建平,张德乾,吕敬祥,等.操作发起过程多脑区协作的脑电谱熵特征[J].中国医学物理学杂志,2016,33(1):44-48.[doi:DOI:10.3969/j.issn.1005-202X.2016.01.010]
 [J].Chinese Journal of Medical Physics,2016,33(1):44-48.[doi:DOI:10.3969/j.issn.1005-202X.2016.01.010]
点击复制

操作发起过程多脑区协作的脑电谱熵特征()
分享到:

《中国医学物理学杂志》[ISSN:1005-202X/CN:44-1351/R]

卷:
33卷
期数:
2016年1期
页码:
44-48
栏目:
医学信号处理与医学仪器
出版日期:
2016-01-15

文章信息/Info

文章编号:
1005-202X(2016)01-0044-05
作者:
杨建平1张德乾2吕敬祥1肖开选1
1. 井冈山大学电子与信息工程学院,江西吉安343009;2. 井冈山大学教育学院,江西吉安343009
关键词:
脑电信号脑区协作操作发起谱熵节律
分类号:
R318
DOI:
DOI:10.3969/j.issn.1005-202X.2016.01.010
文献标志码:
A
摘要:
【摘要】为探索不同脑区参与操作发起的协作特征,从脑电信号的频域序列出发,运用信息熵的理论建立描述警戒作业 中不同状态下脑电信号的动态谱熵值。通过计算警戒作业中脑电信号的谱熵值,发现操作发起过程谱熵值最小,具有明 显的θ节律特征;不同脑区参与操作发起的情形不同,其谱熵值与执行任务的复杂性有关,左侧(或右侧)谱熵小是发起对 侧握拳动作导致,额区谱熵小是由于仅参与发起握拳运动,枕区谱熵大与发起过程中视觉警戒的多重任务有关。结果表 明谱熵值能够表征各脑区参与活动的情形,为脑区协作的研究提供了一种思路。

相似文献/References:

[1]王怡玲,覃玉荣,郭湛超,等.基于不同闪烁频率光刺激的脑电压变化研究[J].中国医学物理学杂志,2014,31(05):5184.[doi:10.3969/j.issn.1005-202X.2014.05.019]
[2]崔招焕,等.大鼠癫痫脑电信号采集[J].中国医学物理学杂志,2016,33(2):118.[doi:10.3969/j.issn.1005-202X.2016.02.003]
 [J].Chinese Journal of Medical Physics,2016,33(1):118.[doi:10.3969/j.issn.1005-202X.2016.02.003]
[3]顾家军,叶继伦.麻醉深度监测中脑电信号特征提取方法[J].中国医学物理学杂志,2016,33(2):157.[doi:10.3969/j.issn.1005-202X.2016.02.010]
 [J].Chinese Journal of Medical Physics,2016,33(1):157.[doi:10.3969/j.issn.1005-202X.2016.02.010]
[4]刘岩,李幼军,陈萌. 基于固有模态分解和深度学习的抑郁症脑电信号分类分析[J].中国医学物理学杂志,2017,34(9):963.[doi:DOI:10.3969/j.issn.1005-202X.2017.09.021]
 [J].Chinese Journal of Medical Physics,2017,34(1):963.[doi:DOI:10.3969/j.issn.1005-202X.2017.09.021]
[5]马玉良,刘卫星,张淞杰,等.基于ABC-SVM的运动想象脑电信号模式分类[J].中国医学物理学杂志,2018,35(9):1056.[doi:10.3969/j.issn.1005-202X.2018.09.012]
 MAYuliang,LIUWeixing,ZHANG Songjie,et al.Pattern classification of motor imagery EEG signals based on ABC-SVM algorithm[J].Chinese Journal of Medical Physics,2018,35(1):1056.[doi:10.3969/j.issn.1005-202X.2018.09.012]
[6]刘畅,覃玉荣,时文健.视听觉刺激下大脑头皮电位空间变化特性[J].中国医学物理学杂志,2018,35(10):1225.[doi:DOI:10.3969/j.issn.1005-202X.2018.010.023]
 LIU Chang,QIN Yurong,SHI Wenjian. Spatial variation characteristics of scalp potentials under audiovisual stimuli[J].Chinese Journal of Medical Physics,2018,35(1):1225.[doi:DOI:10.3969/j.issn.1005-202X.2018.010.023]
[7]周杰,杨国雨,徐涛. 基于空间频率与时间序列信息的多类运动想象脑电分类[J].中国医学物理学杂志,2019,36(1):81.[doi:DOI:10.3969/j.issn.1005-202X.2019.01.016]
 ZHOU Jie,YANG Guoyu,XU Tao. Classification of multi-class motor imagery EEG data based on spatial frequency and time-series information[J].Chinese Journal of Medical Physics,2019,36(1):81.[doi:DOI:10.3969/j.issn.1005-202X.2019.01.016]
[8]李冬,金韬,冯智英,等.基于脑电信号的疼痛强度识别方法研究[J].中国医学物理学杂志,2019,36(7):836.[doi:DOI:10.3969/j.issn.1005-202X.2019.07.017]
 LI Dong,JIN Tao,FENG Zhiying,et al.Pain intensity recognition based on EEG signals[J].Chinese Journal of Medical Physics,2019,36(1):836.[doi:DOI:10.3969/j.issn.1005-202X.2019.07.017]
[9]冯琴昌.基于OpenBCI与OpenViBE的脑机接口设计[J].中国医学物理学杂志,2020,37(2):210.[doi:DOI:10.3969/j.issn.1005-202X.2020.02.014]
 FENG Qinchang.Design of brain-computer interface based on OpenBCI and OpenViBE[J].Chinese Journal of Medical Physics,2020,37(1):210.[doi:DOI:10.3969/j.issn.1005-202X.2020.02.014]
[10]赵丽,崔立杰.基于变分模态分解的眼电伪迹去除[J].中国医学物理学杂志,2020,37(2):237.[doi:DOI:10.3969/j.issn.1005-202X.2020.02.018]
 ZHAO Li,CUI Lijie.Electrooculogram artifacts removal based on variational mode decomposition[J].Chinese Journal of Medical Physics,2020,37(1):237.[doi:DOI:10.3969/j.issn.1005-202X.2020.02.018]

备注/Memo

备注/Memo:
国家自然科学基金(31260238);江西省自然科学基金 (20151BAB207063)
更新日期/Last Update: 2016-01-20