{title}{title}
中国药科大学本科生毕业论文（设计）开题报告
|
姓名 |
王昱颖 |
学号 |
16408209 |
专业 |
信息管理与信息系统 |
指导教师 |
侯凤贞 |
|
课题名称 |
脑波音乐制作及其在失眠干预中的研究 |
||||||
|
课题性质 |
基础研究 应用课题 设计型 调研综述 理论研究 |
||||||
|
开题报告内容：（包括课题意义、国内外进展情况、国内外已有研究方法、研究思路） 研究背景及意义随着社会的发展，生活节奏也不断加快，很多人都出现失眠的情况。据世界卫生组织调查，全球约27%的人有睡眠障碍，美国失眠发生率为32%-50%，日本为20%，法国为30%，中国为38.2%。失眠威胁着人类健康，已引起国际关注。据中国睡眠研究专家近年调查，北京、上海、广州、天津等城市的成人一年内失眠率平均高达57%，其中最高为68%，最低也有44%。可见，失眠在我们生活中日益常见。失眠，属于睡眠障碍中的一种，表现有入睡困难、早醒、彻夜不眠等，白天会出现头晕、头痛、心悸、记忆力减退等症状，是一种影响人们日常社会功能的主观体验。睡眠障碍是当今社会较普遍存在的健康问题,目前的失眠治疗方案分为：药物治疗和非药物治疗，非药物治疗又分为心理和行为治疗。在众多的睡眠障碍治疗措施中,脑波音乐对睡眠障碍的干预与治疗呈现出一定效果,吸引了大批神经科学家、心理学家及医学研究者开展相关研究。基于相关研究，制作个性化脑波音乐的意义如下： （一）改善失眠患者的睡眠质量 音乐具有平缓情绪、放松肌肉等功能, 音乐频率与人体震动相协调, 在特定音调下更能刺激人体系统, 在失眠治疗中有延长睡眠时间、缩短睡眠潜伏期、提高睡眠效率等作用。因此近年来, 音乐治疗法在失眠治疗中越来越重要[1]。目前已有研究证明音乐疗法的有效性，关键在于所选的音乐是否是患者自身所喜欢的。而脑波音乐正是研究将患者自身的脑波信号转换为音乐再给患者用于治疗失眠的一种音乐。 （二）促进脑波音乐的进一步研究 脑波音乐，简单说就是由脑波衍生出来的音乐，它含有大脑的生理信息。近年来，国内外的相关研究人员基于不同理论，提出了多种方法将单导或多导脑电信号(Electroencephalograph，简称EEG)以及和EEG同步采集的功能磁共振信号（functional magnetic resonance imaging, 简称fMRI）转换为音乐，并对得到的音乐进行分析和应用，展示了探索大脑与音乐关系的一个新途径。经研究发现，脑波音乐可应用于大脑状态监测（如癫痫病人、阿尔兹海默症患者等），也可应用于神经反馈与音乐治疗（如齿科正畸疼痛控制等）。因此对脑波音乐进行进一步的研究对于其在其他方面的治疗同样有着推动作用。 研究技术及进展从1924年，德国的精神病学家Hans Berger首次记录到头表脑电信号（EEG）以来，脑波作为一类重要的人体电生理信号，受到了研究者的广泛关注。 1934年，Adrian和Matthews尝试让脑波“发声”，即以听觉的形式来展示脑波活动[2]。这是将脑波和声音联系起来的最早尝试。 1965年，Alvin Lucier使用脑波信号作为音乐创作的材料，成功举办了名为“独奏者音乐”（Music for Solo Performer）的现场音乐会[3]。作为脑波音乐的先驱，Lucier的做法是提取脑电波的alpha;波，对其进行适当放大，并以此来驱动相应的打击乐器组。因为alpha;波可以一定程度上反映大脑的状态且易于调整，因此，这样的音乐可以反映人的状态，并在一定程度上反映操作者的意图。 上世纪60年代末，Richard Teitelbaum[4]、David Rosenboom[5]等人也开始使用EEG信号来制作音乐。这些早期的研究工作，主要是靠电子器件来实现信号采集和音乐制作过程，因此在信号处理手段方面比较单一，音乐效果也不是很理想。同时由于在制作思路上缺乏明确的学术支撑。 综合看来，这些早期的对脑电波及其它生理信号音乐的研究，主要侧重于将这些信号作为音乐创作的基本材料。 自上世纪90年代以来，脑波音乐研究重新受到了重视。各种数据可听化技术的应用，大大丰富了脑波音乐制作的方法，如David Rosenboom[5]的实验室建立了基于滤波的分频段的编码对应方法，以及基于相干性分析的编码对应方法，同时，他们还研究了音乐和其他艺术形式对人的影响，以及人对音乐的感知和处理，还从线性的角度对音乐和脑的关系进行了一些探讨。在2004年的关于声音表达的国际会议（International Conference on Auditory Display，ICAD）上，脑波音乐被列为一个专题，得到了来自脑电研究者，音乐家和可听化设计者的共同关注。 在国内，神经信息教育部重点实验室吴丹等于2007年率先提出了基于无标度性的脑波音乐编码假说。该假说是基于EEG与音乐都遵循“无标度性”这一非线性动力学现象提出的。在脑电方面的研究表明，EEG的振幅、相位和频率等参数都服从无标度性，EEG的功率谱也具有无标度性。根据该方法，EEG的周期与音乐中的音长相对应，EEG的振幅与音乐中的音高相对应，EEG中的平均能量变化与音乐中的音强相对应。音乐中的音色则可以任意选定，如钢琴。通过以上规则，可以将EEG直接实时地转化成音乐[6]。 2012年，神经信息教育部重点实验室卢竞等人进一步使用了与EEG同步采集的fMRI来对应音乐中的音强，从而制作了EEG结合fMRI信号的音乐（EEG-fMRI brain music）该音乐比单纯的脑波音乐更符合无标度特性[7]。 2013年，神经信息教育部重点实验室吴丹等又进一步发展了基于“艺术滤波”策略的多声部合奏脑音乐。该研究认为，大脑实现其多脑区之间的协作配合就类似多声部音乐中不同声部之间的合作。基于此，研究者采取了一种类似音乐家创作过程的滤波器策略，在单道脑波音乐的基础上，加入节拍滤波和调式滤波，创作出多声部脑波音乐，更好地从整体上表达大脑的音乐性[8]。 相比之前的其它脑电发声方法，上述脑波音乐更好地兼顾了科学性与艺术性。然而，此项研究仍然存在着一些问题尚待解决，如音乐中的音长的设定还是比较人为性的，实验数据采用的是头表脑电，存在参考电极和容积导体效应问题，导致脑电对应的真正脑区仍不明确等。今后的研究还需要进一步探索更多、更科学的脑波音乐创作方法，以使其能更准确地反映人体的生理状态，增强其科学性及其应用价值。 研究思路
根据需要从NSRR（National Sleep Research Resource）数据库里挑选电脑波数据，并下载所需数据，将数据导入matlab。 由于数据量过大，需要通过matlab进行筛选，如：年龄（age_category_s1）为第六类，即：45-54岁的，包含1017条数据。另外需将其入睡时间除去关灯入睡时间（slp_lat），因为这段时间患者还在活动，脑波信号变化幅度会较大，这段时间无需作为脑波音乐，再根据五个睡眠阶段，1为入睡期，2为浅睡期，3为熟睡期，4为深睡期，5为快速眼动期。前期先挑选入睡期和浅睡期较短的进行初期制作尝试。
根据脑电信号频率和振幅的不同，可以将脑电波分为4种基本类型[9]，即delta;波、theta;波、alpha;波、beta;波。通过小波分析去噪处理，达到聚焦到信号的任意细节的效果。小波变换是一种信号的时间一尺度分析方法，由于具有多分辨率分析的特点，良好的时频局部化特性，能够对各种时变信号进行有效的分解，从而较好地将信号与噪声加以分离，获得满意的去噪效果。 具体的处理方法为：默认阈值去噪处理。该方法是利用ddencmp函数生成信号的默认阈值，然后利用wdencmp函数进行去噪处理。效果如下：
首先通过吴丹[6]、Liu，Dongdong[10]等研究得出的转化方法通过python进行实现，并在实现过程中进行思考，建立更科学、更完善的转换方法；其次试听转化成功的脑波音乐，进一步优化数据的处理，以及在python中进一步对脑波音乐进行调整。此外还需对不同数据进行转换，对比不同患者的脑波信号产生的音乐的不同。进而再次对数据、映射方法及源代码进行优化。
征集有失眠症状的患者，通过试听所制作的脑波音乐，调查其失眠状况是否有所改善，与已有的治疗失眠的纯音乐作比较，吸取其优势。并从以上三方面再次进行优化，以及从患者的描述和评价、听感和其他治疗音乐方面入手，制定优化方案，对脑波音乐作出进一步的改进。 参考文献
and the arts: Rerults of early experiments. Vancouver,Canada: Aesthetic Research Centre of Canada, 1976.
[10] Liu D , Zhang B , Yang X . METHOD AND SYSTEM FOR MATCHING MUSIC FILES WITH ELECTROENCEPHALOGRAM:, 2016. 学生签名： 年 月 日 |
|||||||
|
指导教师意见： 指导教师签名： 年 月 日 |
|||||||
|
所在教研室审查意见：
负责人签名： 年 月 日 |
|||||||
填写说明
1、指导教师意见填写对文献综述的评语，对本课题的深度、广度及工作量的意见和对论文结果的预测；
2、所在教研室审查意见包括对指导教师意见的认定和是否同意开题等。
资料编号：[374719]
中国药科大学本科生毕业论文（设计）开题报告
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
