刘岩
- 作品数：4 被引量：21H指数：3
- 供职机构：北京工业大学电子信息与控制工程学院更多>>
- 发文基金：国家重点基础研究发展计划更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于等分符号化熵的情感脑电信号分析被引量：1
- 2018年
- 如何提取有效的特征一直是情感研究的一个热点。结合脑电信号非线性方法中排列熵计算效率高、样本熵计算准确率高的优点,提出了等分符号化熵(ESE)算法,并试图验证这种新的特征在情感脑电分析中的有效性。该算法在相空间重构前对信号进行等概率符号化处理,用符号矢量的相等计算重构分量比例。仿真结果显示,ESE算法在logistic映射中计算效率与计算准确度均有良好的表现。将ESE算法用于情感脑电信号的分析,结果表明部分脑区可以有效地区分正负性情感,表明此算法可有效地衡量不同类型情感的特征。
- 陈萌钟宁李幼军刘岩刘岩
- 关键词：非线性脑电复杂度情感
- 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被引量：6
- 2017年
- 以采集到的抑郁症患者和正常人的脑电信号为基础,采用固有模态分解算法对原始信号去噪处理,通过卷积神经网络对抑郁症患者和正常人进行分类分析。首先通过脑电信号的采集实验,采集15位抑郁症患者和15位正常人对照组Fp1的静息态脑电信号;之后对采集到的静息态脑电进行去噪处理,脑电去噪处理主要包括固有模态分解算法对原始信号的分解获得不同层次的IMF分量,对IMF分量进行频域分析,通过硬阈值的方法剔除原始信号中的噪声信号;最后采用卷积神经网络对抑郁症患者和正常人对照组进行二值分类,结果相较于传统的特征提取-机器学习算法,分类准确率明显提高。
- 刘岩李幼军李幼军
- 关键词：抑郁症脑电信号卷积神经网络
- 基于EMD和SVM的抑郁症静息态脑电信号分类研究被引量：7
- 2017年
- 以静息态脑电信号为基础,通过固有模态分解(empirical mode decomposition,EMD)算法对脑电信号进行信号去噪和特征值提取,通过支持向量机(support vector machine,SVM)算法对抑郁症患者和正常对照组人群的脑电特征值进行分类分析。通过系统化的数据采集试验,采集了20位抑郁症患者和25位健康对照组的静息态脑电信号;对静息态脑电信号进行信号的去噪和特征提取;采用SVM算法对抑郁症患者和正常人对照组脑电特征值进行二值分类,分类正确率达到93.3%。相较于传统的小波变换提取的特征值,分类准确率有明显的提高。
- 刘岩李幼军陈萌
- 关键词：抑郁症脑电信号支持向量机
- 脑电信号与个人情绪状态关联性分析研究被引量：7
- 2017年
- 人的情绪是人们对于客观事物是否满足自身需求而产生的一种综合状态,与生理信号有着密切的关联。对被试者心理状态剖面图(profile of moods states,POMS)的分量值和同时记录的个体静息态的脑电信号(electroencephalogram,EEG)特征值进行关联性分析研究。用小波变换对原始脑电信号进行预处理,脑电信号的特征值提取过程采用了经验模态分解(empirical mode decomposition,EMD)的方法,从预处理过的脑电信号中提取波动指数作为脑电特征值,随后将提取出的脑电特征值与POMS各分量值进行Pearson关联性分析。通过对8个被试者连续7天的POMS量表和脑电信号的记录与分析,得到脑电信号与情绪量表中的分量存在一定的正相关关联。
- 陈萌李幼军刘岩
