不同脑功能状态下脑电三维动态频谱的变化

应用三维动枋频谱分析方法,对不同脑功能状态下的脑电活动作定理分析结果表明:在睁眼时α波(8—13Hz)的总面积仅为闭目安静时的无56.1°.其中以X_1成份(8—10Hz)下降显著.降至41.1°.X_2成份(11—13Hz)下降至71.0°心算时x节律抑制不明显β波段(17— 45Hz)在睁眼和心算时总面积无显著变化,但心算时β_1(17—31Hz)略占优势,而睁眼时β_2(31—45Hz)略呈优势。     

对脑电相关维数计算中有关参数的探讨

应用Ｇｒａｓｓｂｅｒｇｅｒ－Ｐｒｏｃａｃｉａ ａｌｇｏｒｉｔｈｍ算法,通过点列长度、时间延迟、嵌入维数等参数的变化,对人的８导脑电时间序列的相关维数值的影响进行了研究。结果表明不仅参数的选用是否合理对计算值影响很大,而且脑电信号不像是一个稳定的混沌吸引子,因此拟用相关维数作用一项客观指标来准确地表示大脑的不同功能状态,几乎是不可能的。     

不同生理状态时脑电时间序列的三神复杂度计算比较

为了研究不同生理状态下的脑电复杂度变化特点,本文依照１９９４年徐京等人应用的算法,对４种状态（安静睁眼,清醒闭目,浅度睡眠,深度睡眠）下的三种脑电复杂度（Ｋｃ,Ｃ１,Ｃ２）的变化规律进行了比较分析,Ｋｃ与Ｃ１的变化相一致,从安静睁眼剂的清醒闭目到浅睡到深度睡眠,Ｋｃ与Ｃ１值均依次下降,Ｃ２值的变化则与它们相反,尤其在深睡期显著升高,实验结果提示,复杂度可做为脑电时间序列的研究指标。     

不同生理状态时脑电时间序列的三神复杂度计算比较

为了研究不同生理状态下的脑电复杂度变化特点,本文依照１９９４年徐京华等人应用的算法,对４种状态（安静睁眼、清醒闭目、浅度睡眠、深度睡眠）下的三种脑电复杂度（ＫＣ、Ｃ１、２）的变化规律进行了比较分析,ＫＣ与Ｃ１的变化相一致。从安静睁眼到清醒闭目到浅睡到深度睡眠,ＫＣ与Ｃ１值均依次下降。Ｃ２值的变化则与它们相反,尤其在深睡期显著升高。实验结果提示,复杂度可做为脑电时间序列的研究指标。