简介:摘要目的通过对焦虑障碍高危人群、焦虑障碍患者和健康人群全频域自发脑电信号进行频域分析,探索可用于识别焦虑障碍的特征性频段。方法2019年12月10日至2020年5月7日选取焦虑障碍高危人群(焦虑高危组,n=19)、焦虑障碍患者(阳性对照组,n=14)、健康正常人(正常对照组,n=19)作为研究对象。使用焦虑状态-特质问卷(state-trait anxiety inventory,S-TAI)、军事应激反应性焦虑预测量表(military stress anxiety predictive scale,MSAPS)对所有被试进行评估,并在问卷评估过程进行脑电监测。统计分析使用SPSS20.0统计软件,三组间脑电功率差异分析采用单因素方差分析和两两比较。结果三组在Delta[(2.11±0.66)μV2,(2.52±0.38)μV2,(2.73±0.47)μV2]、Theta[(1.31±0.43)μV2,(1.52±0.28)μV2,(1.67±0.35)μV2]、Alpha[(1.05±0.44)μV2,(1.29±0.25)μV2,(1.45±0.55)μV2]、Beta-1[(0.69±0.16)μV2,(0.86±0.18)μV2,(0.99±0.27)μV2]、Beta-2[(0.55±0.15)μV2,(0.67±0.18)μV2,(0.75±0.20)μV2]、Gamma频段[(0.31±0.09)μV2,(0.40±0.14)μV2,(0.45±0.16)μV2]Cz电极处的脑电功率差异均有统计学意义(F=3.80~9.21,均P<0.05)。经Bonferroni校正后两两比较,Beta-1频段下,焦虑高危组与正常对照组之间的脑电功率差异有统计学意义(P=0.03)。结论焦虑障碍高危人群和焦虑障碍患者的脑电信号均在Cz处的Beta-1频段与健康人群有显著差异。这种脑电信号的差异可为焦虑高危人群的识别和焦虑障碍的诊断提供有利的客观支持。
简介:摘要:抑郁等精神状态的变化会引起大脑神经活动的改变。脑电信号是大脑神经活动的最直接体现,本论文实际并实现了基于脑电信号的抑郁症识别系统,输入包含指定通道的脑电信号文件,系统就能够完成对脑电信号的特征计算和分析,识别是否是抑郁症患者。基于脑电信号的抑郁症识别系统给抑郁症的诊断提供了一个较为客观的辅助和参考,在抑郁障碍辅助诊断方面具有重要的研究价值和潜在的应用价值。
简介:不良的教室照明容易使学生疲劳、并降低学习效率。通过实验室模拟教室照明,让学生在不同照度(500lx、1000lx、1500lx、2000lx、2500lx、3000Ix)和色温(4000K、5000K、6500K)组成的LED照明环境下学习3小时,每半小时监测一次脑电信号(EEG),测量δ波、θ波、α波和β波节律,分析频带能量比例R值,判断脑疲劳程度和精神兴奋性的变化。结果表明:随着照度的提高,脑疲劳先减小后增大,2000lx照度组的脑疲劳最低,说明过高的照度更容易引起脑疲劳;精神兴奋性起初变化不明显,超过1500Ix后显著提高。随着色温的提高,脑疲劳逐渐增加,精神兴奋性先增加后减小;光照时间的影响与色温相似,脑疲劳随着时间的增加而加深,且速度加快;精神兴奋性随时间的增加先提高后降低。
简介:摘要:基于偏脑电信号的情绪识别方法作为一种前沿的研究领域,受到了广泛的关注。本文旨在系统探讨基于偏脑电信号的情绪识别方法,并介绍了该方法在人机交互、心理健康评估等领域的潜在应用前景。首先,本文从脑电信号的特点和情绪与大脑活动的关系入手,阐述了基于偏脑电信号的情绪识别原理。随后,对情绪诱发实验设计和脑电信号数据采集方法进行了介绍,探讨了如何获取具有情绪特征的脑电信号数据。在此基础上,对基于偏脑电信号的情绪识别算法和模型构建进行了详细阐述,突出讨论了特征提取、模型训练和性能评估等关键技术。最后,在讨论中提出了当前方法存在的问题与挑战,展望了基于偏脑电信号的情绪识别方法在未来研究和应用中的发展方向。