本文關(guān)鍵詞： 癲癇 腦電圖 非平衡數(shù)據(jù)集 特征提取 中心核半徑 超限學(xué)習(xí)機(jī)(ELM) 支撐向量機(jī)(SVM)　出處：《西北大學(xué)》2017年碩士論文　論文類(lèi)型：學(xué)位論文

【摘要】：癲癇是一種常見(jiàn)的神經(jīng)系統(tǒng)紊亂疾病,以反復(fù)、突發(fā)的癲癇性發(fā)作為主要特點(diǎn),嚴(yán)重危害著人類(lèi)的日常生活乃至生命。傳統(tǒng)的癲癇檢測(cè)方法是醫(yī)生根據(jù)自身的經(jīng)驗(yàn)結(jié)合病人的腦電圖進(jìn)行視覺(jué)診斷完成的,但由于監(jiān)測(cè)過(guò)程中會(huì)產(chǎn)生海量的非平衡數(shù)據(jù),從而會(huì)造成傳統(tǒng)方法十分耗時(shí)、主觀性強(qiáng)等缺點(diǎn)。因此,利用計(jì)算機(jī)技術(shù)進(jìn)行癲癇性發(fā)作的自動(dòng)檢測(cè)成為近幾年來(lái)的研究熱點(diǎn)。作為一種典型的非平衡數(shù)據(jù),如何對(duì)獲取的長(zhǎng)時(shí)程腦電數(shù)據(jù)進(jìn)行恰當(dāng)?shù)钠胶忸A(yù)處理,以及如何設(shè)計(jì)合適的腦電特征提取方法是完成這一過(guò)程的兩個(gè)關(guān)鍵環(huán)節(jié)。基于此,本文分別從腦電信號(hào)的平衡處理以及特征提取兩個(gè)角度出發(fā),設(shè)計(jì)了一種恰當(dāng)有效的用于癲癇性發(fā)作自動(dòng)檢測(cè)的非平衡數(shù)據(jù)處理方法,同時(shí)提出了一種新的癲癇腦電特征提取方法。主要工作內(nèi)容如下:第一章系統(tǒng)地闡述了癲癇性發(fā)作自動(dòng)檢測(cè)的研究背景及現(xiàn)狀;第二章簡(jiǎn)要地闡述癲癇及腦電圖,并對(duì)癲癇性發(fā)作自動(dòng)檢測(cè)中常用的數(shù)據(jù)庫(kù)以及分類(lèi)器做了簡(jiǎn)單介紹。第三章基于K-means、Silhouette指標(biāo)以及M-近鄰下采樣提出了一種新的數(shù)據(jù)平衡方法K-M-S,并通過(guò)數(shù)值實(shí)驗(yàn)對(duì)該方法的有效性進(jìn)行了驗(yàn)證。第四章基于非線性動(dòng)力系統(tǒng)提出一種新的腦電特征提取方法中心核半徑(Kernel Radius-based Feature,KRF),并通過(guò)數(shù)值試驗(yàn)驗(yàn)證了該特征的有效性。
[Abstract]:Epilepsy is a common nervous system disorder disease, with repeated, sudden epileptic hair as the main characteristics. The traditional epilepsy detection method is based on the doctor's own experience combined with the patient's electroencephalogram (EEG) for visual diagnosis. However, due to the monitoring process will produce a large amount of unbalanced data, which will lead to the traditional method is very time-consuming, strong subjectivity and other shortcomings. Automatic detection of epileptic seizures using computer technology has become a hot topic in recent years. As a typical non-equilibrium data, how to do the proper balanced preprocessing of the obtained long-term EEG data. And how to design appropriate EEG feature extraction method is the two key links to complete the process. Based on this, this paper starts from the two angles of EEG balanced processing and feature extraction. A suitable and effective non-equilibrium data processing method for the automatic detection of epileptic seizures was designed. At the same time, a new method of feature extraction of epileptic EEG is proposed. The main work is as follows: the first chapter systematically describes the background and present situation of the automatic detection of epileptic seizures; The second chapter briefly describes epilepsy and EEG, and makes a brief introduction to the database and classifier commonly used in the automatic detection of epileptic seizures. Chapter 3 is based on K-means. A new data balance method, K-M-S, is proposed for Silhouette index and M-nearest neighbor down-sampling. The effectiveness of the method is verified by numerical experiments. In Chapter 4th, a new method for extracting EEG features is proposed based on nonlinear dynamic systems. Kernel Radius-based Feature. The effectiveness of this feature is verified by numerical experiments.
【學(xué)位授予單位】：西北大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類(lèi)號(hào)】：R742.1;TN911.7

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李海霞;王階;孫占全;何慶勇;吳榮;張繼紅;西廣成;胡元會(huì);;基于生物信息特征提取的中醫(yī)辨證[J];北京中醫(yī)藥大學(xué)學(xué)報(bào);2007年12期

2 葛丁飛;李小梅;;心電信號(hào)多周期融合特征提取和分類(lèi)研究[J];中國(guó)生物醫(yī)學(xué)工程學(xué)報(bào);2006年06期

3 張紹武;潘泉;趙春暉;程詠梅;;基于加權(quán)自相關(guān)函數(shù)特征提取法的多類(lèi)蛋白質(zhì)同源寡聚體分類(lèi)研究[J];生物醫(yī)學(xué)工程學(xué)雜志;2007年04期

4 薛建中,鄭崇勛,閆相國(guó);快速多變量自回歸模型的意識(shí)任務(wù)的特征提取與分類(lèi)[J];西安交通大學(xué)學(xué)報(bào);2003年08期

5 楊曉敏,羅立民;白細(xì)胞自動(dòng)分類(lèi)中的特征提取和分析[J];北京生物醫(yī)學(xué)工程;1992年04期

6 王雙維;樊曉平;廖志芳;;一種激光誘導(dǎo)熒光光譜特征提取新方法[J];計(jì)算機(jī)工程與應(yīng)用;2008年12期

7 杜軍平,涂序彥;計(jì)算機(jī)圖像處理技術(shù)在舌像特征提取中的應(yīng)用[J];中國(guó)醫(yī)學(xué)影像技術(shù);2003年S1期

8 游佳;陳卉;;數(shù)字圖像中血管的分割與特征提取[J];生物醫(yī)學(xué)工程與臨床;2011年01期

9 謝軼峰;;乳腺超聲圖像腫瘤特征提取與腫瘤分類(lèi)[J];中外醫(yī)療;2013年16期

10 吳澤暉,吳星;醫(yī)學(xué)圖象的邊緣特征提取[J];海南師范學(xué)院學(xué)報(bào)(自然科學(xué)版);2003年03期

相關(guān)會(huì)議論文 前10條

1 尚修剛;蔣慰孫;;模糊特征提取新算法[A];1997中國(guó)控制與決策學(xué)術(shù)年會(huì)論文集[C];1997年

2 潘榮江;孟祥旭;楊承磊;王銳;;旋轉(zhuǎn)體的幾何特征提取方法[A];第一屆建立和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會(huì)議（HHME2005）論文集[C];2005年

3 薛燕;李建良;朱學(xué)芳;;人臉識(shí)別中特征提取的一種改進(jìn)方法[A];第十三屆全國(guó)圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2006年

4 杜栓平;曹正良;;時(shí)間—頻率域特征提取及其應(yīng)用[A];2005年全國(guó)水聲學(xué)學(xué)術(shù)會(huì)議論文集[C];2005年

5 黃先鋒;韓傳久;陳旭;周劍軍;;運(yùn)動(dòng)目標(biāo)的分割與特征提取[A];全國(guó)第二屆信號(hào)處理與應(yīng)用學(xué)術(shù)會(huì)議專(zhuān)刊[C];2008年

6 魏明果;;方言比較的特征提取與矩陣分析[A];2009系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2009年

7 林土勝;賴(lài)聲禮;;視網(wǎng)膜血管特征提取的拆支跟蹤法[A];1999年中國(guó)神經(jīng)網(wǎng)絡(luò)與信號(hào)處理學(xué)術(shù)會(huì)議論文集[C];1999年

8 秦建玲;李軍;;基于核的主成分分析的特征提取方法與樣本篩選[A];2005年中國(guó)機(jī)械工程學(xué)會(huì)年會(huì)論文集[C];2005年

9 劉紅;陳光，

本文編號(hào)：1476811