《自然刺激下的多維度與多尺度腦電信號處理方法研究》是依託大連理工大學,由叢豐裕擔任項目負責人的面上項目。
基本介紹
- 中文名：自然刺激下的多維度與多尺度腦電信號處理方法研究
- 依託單位：大連理工大學
- 項目類別：面上項目
- 項目負責人：叢豐裕
項目摘要,結題摘要,
項目摘要
與事件相關電位（由短時且重複刺激誘發）和自發腦電圖（EEG）不同，自然刺激（比如音樂和電影等）下的EEG成像是研究人在真實經驗中大腦加工的重要手段。如何處理和分析這種EEG是該研究的難點。本課題將採集健康受試者和患者在聽音樂時的EEG數據，並提取音樂的長時和短時特徵；然後分別在秒與分鐘的時間尺度下，基於EEG的時頻表述數據構建高階張量（亦即多維數組，包含時間、頻率、空間和被試維度）；進而用非負張量分解算法對高階張量進行分解；最後選擇與音樂特徵顯著相關的時域分量，分析該分量所對應的 EEG多域特徵，從而得出結論。特別地，發展張量空間的聚類方法來判定張量分解結果的穩定性；發展基於雙模態數據（音樂和EEG）潛變數間相關性最大化的聯合張量分解算法，從而更有效地提取出音樂所誘發的電位；為探討音樂治療發揮治療作用的腦電生理機制提供技術支持。這些工作對通過EEG進行自然刺激下的腦科學研究有學術意義。
結題摘要
與事件相關電位（由短時且重複刺激誘發）和自發腦電圖（EEG）不同，自然刺激（比如音樂和電影等）下的EEG成像是研究人在真實經驗中大腦加工的重要手段。如何處理和分析這種EEG是該研究的難點。本課題採集健康受試者和患者在聽音樂時的EEG數據，並提取音樂的長時和短時特徵；然後分別在分鐘的時間尺度下，基於EEG的時頻表述數據構建高階張量（亦即多維數組，包含時間、頻率、空間和被試維度）；進而採用非負張量分解算法對高階張量進行分解，為了能夠保證張量分解的收斂性和穩定性，我們採用一種最新的alternating proximal gradient (APG) 數值最佳化計算方法進行求解，得到了理想的結果；最後選擇與音樂特徵顯著相關的時域分量，分析該分量所對應的 EEG多域特徵，從而找到了與自然刺激誘發的大腦活動。特別地，發展張量空間（基於係數矩陣和成分矩陣形成的秩一張量）的聚類方法來進一步判定張量和矩陣分解結果的穩定性。為探討音樂治療發揮治療作用的腦電生理機制提供技術支持。這些工作對通過EEG進行自然刺激下的腦科學研究有學術意義。
