基于图论分析的运动想象分类方法研究开题报告

1. 研究目的与意义（文献综述）

1.研究目的及意义

1924年，德国精神病学家hansberger测量了放置在患者身上的一对电极之间的电流的微小变化，证明了人脑中存在电压波动，并使用一台放大机（脑电图仪）记录了第一幅人脑电图（eeg）。随着科学技术的进步，人们对脑电信号进行了越来越深入的研究。通过对人的脑电图进行分析，可以对其进行疾病的诊断与治疗，如阿兹海默症、精神分裂症等疾病；还可以对人的大脑结构和功能进行研究，如认知、情感、运动等。

运动想象是在大脑中对运动进行意念模拟的一种过程，当进行运动想象时，大脑的运动皮层被激活，皮质内大量神经元突触后电位同步总和就会形成脑电信号，在大脑皮层放置电极，大脑内神经传导活动的电压波动就可以通过脑电图记录下来。由于其自然产生的鉴别特性以及较为方便的采集手段，正在被广泛地应用到脑机接口（bci）、心理学、精神病学、一些疾病的康复治疗以及其他领域。尤其是在脑机接口方面，基于运动想象的bci通过解析运动想象信号，可以将大脑发出的运动想象意图作为控制指令直接控制外部设备，所以对运动想象任务进行精确地分类十分重要。

2. 研究的基本内容与方案

本设计主要目的是在使用图论分析的基础上对健康受试者的运动想象信号进行分类。根据分析，对运动想象任务进行分类需要对信号进行特征提取、选择和分类，结合实际情况考虑是否进行预处理，实验采用的数据为bci competition iii的数据集dataset iiia，对多类问题进行分类，使用matlab或python实现该任务，并对结果进行分析，设计流程图如图所示。

设计的主要思想是通过一定的转换方法，把脑电信号数据转换成相应的图，根据图论及脑网络的相关原理对图的属性进行约束，选择特征较为显著的图参数作为该图的特征，再对该特征进行分类。拟采用的方法如下：

首先对数据进行预处理，一般采用巴特沃斯滤波器对信号进行滤波。

3. 研究计划与安排

第1－3周：查阅相关文献资料，明确研究内容，了解研究所需理论基础。确定方案，完成开题报告。

第4－5周：熟悉掌握基本理论，完成英文资料的翻译。

第6－9周：编程实现系统设计，并进行测试分析。

4. 参考文献（12篇以上）

[1]zhang, y.; wang, y.; jin, j.; wang, x.sparse bayesian learning for obtaining sparsity of eeg frequency bands basedfeature vectors in motor imagery classification. int. j. neural syst. 2017, 27, 1650032.

[2]padfield, n.; zabalza, j.; zhao, h.;masero, v.; ren, j. eeg-based brain-computer interfaces using motor-imagery:techniques and challenges. sensors 2019, 19, 1423.

[3] tabar, y.; halici, u. a novel deeplearning approach for classification of eeg motor imagery signals.j. neuraleng. 2017, 14, 016003