基于小波支持向量机的小鼠脑电波与呼吸的关系

• 作者: 何世钧 唐莹莉 李煜 谢圣东
• 来源期刊: 中国医学物理学杂志
• 关键词: 呼吸频率 脑电波 小波支持向量机
• 年，卷（期）: 2015,（3）
• 所属期刊栏目: 医学信号处理与医学仪器
• 页码范围: 365-369
• 分类号: R318
• 语种: 中文
• DOI: 10.3969/j.issn.1005-202X.2015.03.014

摘要

目的:以小鼠为实验对象,利用以Morlet小波支持向量机(Wavelet Support Vector Machine,WSVM)为神经元的神经网络模型研究小鼠的呼吸与脑电波之间的关系.方法:本文通过对在小鼠睡眠和清醒状态下测得的呼吸信号进行分析,得出两种状态下呼吸频率范围分别为:1.59 Hz～1.98 Hz、1.75 Hz～2.70 Hz,进而根据呼吸频率范围确定与呼吸有关的脑电波信号的频率段并将其分离出来,建立了以WSVM为神经元的神经网络模型.通过该模型定量分析了小鼠在两种状态下与呼吸相关的脑电波的相位变化率和呼吸频率之间的映射关系,得出该模型的最小留一法(Leave-One-Out,LOO)误差及对分离出的脑电波信号相位变化率的预测的均方误差(Mean Square Error,MSE),并与传统以径向基函数为核函数的支持向量机(RBF-SVM)模型的最小LOO误差及预测精度进行对比分析.结果:以WSVM为神经元的神经网络模型的最小LOO误差为0.08907,低于RBF-SVM的最小LOO误差0.089 272,因此具有更好的泛化性,且前者的预测MSE为0.286 658,小于后者的MSE(0.291 373).结论:基于WSVM的神经网络在定量描述脑电波与呼吸之间的关系中是一种比较有效的方法,它为解释脑电波与其他复杂动作的关系从而实现人机互动提供了一种机制.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	何世钧	上海海洋大学信息学院	34	260	7.0	15.0
2	唐莹莉	上海海洋大学信息学院	3	11	2.0	3.0
3	李煜	上海海洋大学信息学院	4	17	3.0	4.0
4	谢圣东	上海海洋大学信息学院	5	12	2.0	3.0