【摘要】：腦電圖(EEG)分析對癲癇疾病的診斷具有重要的參考價值,對癲癇腦電信號的自動分類可以及時對患者的情況作出判斷,在臨床上有很重要的意義。為解決腦電信號采用單一特征識別率不高的問題,同時也為避免小波基函數(shù)的選取對分類結果的影響,本文提出了一種基于S變換和排列熵(PE)的癲癇腦電信號自動判別方法,首先將原始腦電信號進行離散S變換,再對變換后腦電信號各節(jié)律的系數(shù)分別求其波動指數(shù),并與腦電信號的排列熵值共同組成特征向量送入Real Ada Boost分類器進行癲癇各時期的判別。本研究采用德國波恩大學癲癇研究中心數(shù)據(jù)庫,對正常人清醒睜眼,癲癇患者發(fā)病間歇期致癇灶內及發(fā)作期3組腦電信號數(shù)據(jù)進行方法有效性檢驗。研究結果表明,各節(jié)律的波動指數(shù)可有效表征正常、癲癇發(fā)作間期和癲癇發(fā)作期腦電信號,且多種特征的識別率明顯優(yōu)于單一特征,平均識別率可達到98.13%,相比于僅提取時頻特征或非線性特征,識別率分別提高了1.2%和8.1%以上,優(yōu)于文獻中報道的多種方法。因此,本方法在癲癇疾病的診斷方面有較好的應用前景。
[Abstract]:Electroencephalogram (EEG) (EEG) analysis has important reference value in the diagnosis of epileptic diseases. Automatic classification of EEG signals can be used to judge the patient's condition in time, and it is of great significance in clinical practice. In order to solve the problem of low recognition rate of EEG signals by single feature, and to avoid the influence of the selection of wavelet basis function on the classification results. In this paper, an automatic discrimination method for epileptic EEG signals based on S transform and permutation entropy (PE) is proposed. Firstly, the original EEG signals are transformed by discrete S transform, and then the coefficients of each rhythm of the transformed EEG signals are calculated. Together with the permutation entropy of EEG signals, the eigenvector is sent into the Real Ada Boost classifier to distinguish the epileptic phases. Using the database of epilepsy research center of Bonn University in Germany, the validity of three groups of EEG data in the epileptic foci and seizure phases of normal persons and epileptic patients during the intermittent period of onset of epilepsy was tested. The results show that the fluctuation index of each rhythm can effectively represent normal EEG signals in interictal and epileptic periods, and the recognition rate of multiple features is significantly better than that of a single feature, with an average recognition rate of 98.13%. Compared with extracting only time-frequency features or nonlinear features, the recognition rate is increased by 1.2% and 8.1% respectively, which is better than the methods reported in the literature. Therefore, this method has a good prospect in the diagnosis of epilepsy.
【作者單位】： 山東大學信息科學與工程學院;山東大學第二醫(yī)院;
【基金】：國家自然科學基金資助項目(61571274) 山東省自然科學杰出青年科學基金資助項目(201614) 山東大學青年學者未來計劃資助項目(2015WLJH39)
【分類號】：R742.1;TN911.6

【相似文獻】

相關期刊論文 前10條

1 黃力宇,王旭萍;急性輕中度缺氧對腦電信號復雜度的影響[J];高原醫(yī)學雜志;2000年04期

2 談志強 ,羅曉曙;腦電信號的非線性動力學和現(xiàn)代譜分析方法研究進展[J];廣西醫(yī)學;2003年03期

3 韓敏;孫磊磊;洪曉軍;韓杰;;基于自回歸模型和關聯(lián)向量機的癲癇腦電信號自動分類[J];中國生物醫(yī)學工程學報;2011年06期

4 江澄川;陳公白;劉景銘;李盛昌;;腦電信號的調頻磁帶記錄——介紹一種簡易調頻記錄裝置[J];神經精神疾病雜志;1981年06期

5 房志宇,安世德,陳質庵,楊泮池;地方性不明原因智能低下患兒腦電信號功率譜陣圖分析[J];西安交通大學學報(醫(yī)學版);1990年02期

6 梅村，何育芬;腦電信號的自適應分段和分類存檔[J];北京郵電大學學報;1994年01期

7 孟欣,邵頡,歐陽楷,譚郁玲;腦電信號的復雜度在睡眠分期中的應用[J];山東生物醫(yī)學工程;1998年01期

8 劉建成,蔡湛宇;腦電信號(EEG)分析方法的現(xiàn)狀與發(fā)展[J];中國醫(yī)學物理學雜志;1998年04期

9 傅金階,羅曉曙,談志強,郭維,馬東坡,王力虎,韋保林;鄰域比較數(shù)字濾波——一種對腦電信號進行濾波的有效方法[J];臨床神經電生理學雜志;2001年02期

10 侯峰;劉紹明;;腦電信號分析與癲癇預測的研究[J];醫(yī)學綜述;2012年09期

相關會議論文 前5條

1 葛家怡;周鵬;王明時;;睡眠腦電信號樣本熵的研究[A];天津市生物醫(yī)學工程學會2007年學術年會論文摘要集[C];2007年

2 張偉;田心;;癲癇腦電整體及小波分量的相位同步性[A];天津市生物醫(yī)學工程學會2007年學術年會論文摘要集[C];2007年

3 歐陽高翔;崔素媛;李小俚;;基于腦電非線性動力學的癲癇發(fā)作分析[A];中國生物醫(yī)學工程進展——2007中國生物醫(yī)學工程聯(lián)合學術年會論文集（下冊）[C];2007年

4 楊勇;李軼;楊文偉;趙波;白璐;李景琦;;嚴重意識障礙患者腦電信號特征及其臨床診斷中應用[A];中國神經科學學會第十屆全國學術會議論文摘要集[C];2013年

5 王偉榮;黃力宇;高莉;黃遠桂;;腦電雙譜指數(shù)作為神經網(wǎng)絡輸入預測癲癇發(fā)作[A];中國生物醫(yī)學工程進展——2007中國生物醫(yī)學工程聯(lián)合學術年會論文集（下冊）[C];2007年

相關博士學位論文 前6條

1 吳玉鵬;AR譜在皮層癇樣腦電信號分析應用[D];河北醫(yī)科大學;2015年

2 歐陽高翔;癲癇腦電信號的非線性特征識別與分析[D];燕山大學;2010年

3 游榮義;腦電信號非線性分析方法的研究[D];廈門大學;2003年

4 陳東偉;非線性動力學、因果腦網(wǎng)絡與聚類穩(wěn)定性在腦電信號分析中的應用研究[D];太原理工大學;2015年

5 袁野;癲癇腦電的非線性方法分析[D];吉林大學;2009年

6 胡萌;腦電信號分析在神經信息學研究中的應用[D];浙江大學;2008年

相關碩士學位論文 前10條

1 薛吉星;多通道腦電信號采集與處理系統(tǒng)研究[D];華南理工大學;2015年

2 劉靜;基于加權排序熵的多通道腦電信號同步算法研究[D];燕山大學;2015年

3 王瓊穎;腦電信號的非線性動力學分析及其在睡眠分期中的應用[D];哈爾濱工業(yè)大學;2015年

4 倪迪;腦電檢測的若干問題[D];南京大學;2013年

5 孫卓然;基于集成極限學習機的腦電信號分類研究[D];大連理工大學;2015年

6 裴運通;基于圖像分析方法的癲癇腦電信號特征提取研究[D];蘭州大學;2015年

7 劉琳;誘發(fā)腦電信號的采集與分析[D];河北科技大學;2015年

8 楊俊宇;基于SSVEP的腦機接口系統(tǒng)研究與設計[D];南京郵電大學;2015年

9 王瑩;基于改進相對轉移熵和自適應模版符號轉移熵的腦電信號分析[D];南京郵電大學;2015年

10 崔曉蓉;癲癇腦電信號同步性的研究[D];南京郵電大學;2015年

，

本文編號：2470585