融合脑机接口与虚拟现实的社区老年人空间认知训练及测评方法

作     者：凡亚李 

作者单位：燕山大学 

学位级别：硕士

导师姓名：文冬

授予年度：2020年

学科分类：0831[工学-生物医学工程（可授工学、理学、医学学位）] 0711[理学-系统科学] 07[理学] 08[工学] 080401[工学-精密仪器及机械] 0804[工学-仪器科学与技术] 080402[工学-测试计量技术及仪器] 0836[工学-生物工程] 

主      题：空间认知 老年人 脑机接口 虚拟现实 加权多维排序条件互信息 

摘      要：目前我国正逐步进入老龄化社会,对于改善老年人的认知能力,特别是空间认知能力以降低老年痴呆发病率正受到国内外越来越多研究人员的关注。脑电信号(Electroencephalogram,EEG)分析作为一种高效的评估大脑认知神经活动变化的方式,在引入深度学习算法后也取得了很大的进步。因此,本文以科学有效的方式对老年人进行空间认知训练实验,并从行为数据统计与脑电信号分析多角度评估个体在实验中执行任务时认知神经活动的变化。首先,本文利用脑机接口(Brain Computer Interface,BCI)与虚拟现实(Virtual Reality,VR)技术针对社区老年人进行空间认知训练实验研究。该实验设计了空间认知训练和测试任务,并采集受试者脑电信号和行为数据,同时在训练前后对受试者进行三个空间认知量表的测试。然后对训练所用时间、正确拐弯数、空间认知量表进行统计分析,之后再利用功率谱密度、支持向量机和极限学习机方法对样本数据进行特征提取与分类分析,并对实验训练效果进行有效评估。其次,为了深入探索空间认知领域脑电信号不同脑区以及不同频段脑电信号之间的关系,提出了加权多维排序条件互信息(Weighted Multivariate Permutation Conditional Mutual Information,WMPCMI)的方法。该方法通过加权的形式将频域特征和互信息特征进行融合,得到某个频段的WMPCMI特征值矩阵,然后组合三个频段的WMPCMI特征并利用卷积神经网络进行分类,以便有效评估训练前后空间认知脑电信号的差异。最后,对上述实验研究进行分析,从行为数据统计和脑电信号分析两方面对受试者的空间认知训练效果进行评估。另外,通过比较多种特征提取方法与WMPCMI特征提取在卷积神经网络模型分类中的各项指标,验证了WMPCMI在空间认知脑电信号分析中的优越性。