【摘要】：腦電圖(EEG)分析對(duì)癲癇疾病的診斷具有重要的參考價(jià)值,對(duì)癲癇腦電信號(hào)的自動(dòng)分類可以及時(shí)對(duì)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(hào)采用單一特征識(shí)別率不高的問(wèn)題,同時(shí)也為避免小波基函數(shù)的選取對(duì)分類結(jié)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(hào)自動(dòng)判別方法,首先將原始腦電信號(hào)進(jìn)行離散S變換,再對(duì)變換后腦電信號(hào)各節(jié)律的系數(shù)分別求其波動(dòng)指數(shù),并與腦電信號(hào)的排列熵值共同組成特征向量送入Real Ada Boost分類器進(jìn)行癲癇各時(shí)期的判別。本研究采用德國(guó)波恩大學(xué)癲癇研究中心數(shù)據(jù)庫(kù),對(duì)正常人清醒睜眼,癲癇患者發(fā)病間歇期致癇灶內(nèi)及發(fā)作期3組腦電信號(hào)數(shù)據(jù)進(jìn)行方法有效性檢驗(yàn)。研究結(jié)果表明,各節(jié)律的波動(dòng)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(hào),且多種特征的識(shí)別率明顯優(yōu)于單一特征,平均識(shí)別率可達(dá)到98.13%,相比于僅提取時(shí)頻特征或非線性特征,識(shí)別率分別提高了1.2%和8.1%以上,優(yōu)于文獻(xiàn)中報(bào)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(yīng)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(xué)信息科學(xué)與工程學(xué)院;山東大學(xué)第二醫(yī)院;
【基金】：國(guó)家自然科學(xué)基金資助項(xiàng)目(61571274) 山東省自然科學(xué)杰出青年科學(xué)基金資助項(xiàng)目(201614) 山東大學(xué)青年學(xué)者未來(lái)計(jì)劃資助項(xiàng)目(2015WLJH39)
【分類號(hào)】：R742.1;TN911.6

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 黃力宇,王旭萍;急性輕中度缺氧對(duì)腦電信號(hào)復(fù)雜度的影響[J];高原醫(yī)學(xué)雜志;2000年04期

2 談志強(qiáng) ,羅曉曙;腦電信號(hào)的非線性動(dòng)力學(xué)和現(xiàn)代譜分析方法研究進(jìn)展[J];廣西醫(yī)學(xué);2003年03期

3 韓敏;孫磊磊;洪曉軍;韓杰;;基于自回歸模型和關(guān)聯(lián)向量機(jī)的癲癇腦電信號(hào)自動(dòng)分類[J];中國(guó)生物醫(yī)學(xué)工程學(xué)報(bào);2011年06期

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

5 房志宇,安世德,陳質(zhì)庵,楊泮池;地方性不明原因智能低下患兒腦電信號(hào)功率譜陣圖分析[J];西安交通大學(xué)學(xué)報(bào)(醫(yī)學(xué)版);1990年02期

6 梅村，何育芬;腦電信號(hào)的自適應(yīng)分段和分類存檔[J];北京郵電大學(xué)學(xué)報(bào);1994年01期

7 孟欣,邵頡,歐陽(yáng)楷,譚郁玲;腦電信號(hào)的復(fù)雜度在睡眠分期中的應(yīng)用[J];山東生物醫(yī)學(xué)工程;1998年01期

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

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

10 侯峰;劉紹明;;腦電信號(hào)分析與癲癇預(yù)測(cè)的研究[J];醫(yī)學(xué)綜述;2012年09期

相關(guān)會(huì)議論文 前5條

1 葛家怡;周鵬;王明時(shí);;睡眠腦電信號(hào)樣本熵的研究[A];天津市生物醫(yī)學(xué)工程學(xué)會(huì)2007年學(xué)術(shù)年會(huì)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(xué)工程學(xué)會(huì)2007年學(xué)術(shù)年會(huì)論文摘要集[C];2007年

3 歐陽(yáng)高翔;崔素媛;李小俚;;基于腦電非線性動(dòng)力學(xué)的癲癇發(fā)作分析[A];中國(guó)生物醫(yī)學(xué)工程進(jìn)展——2007中國(guó)生物醫(yī)學(xué)工程聯(lián)合學(xué)術(shù)年會(huì)論文集（下冊(cè)）[C];2007年

4 楊勇;李軼;楊文偉;趙波;白璐;李景琦;;嚴(yán)重意識(shí)障礙患者腦電信號(hào)特征及其臨床診斷中應(yīng)用[A];中國(guó)神經(jīng)科學(xué)學(xué)會(huì)第十屆全國(guó)學(xué)術(shù)會(huì)議論文摘要集[C];2013年

5 王偉榮;黃力宇;高莉;黃遠(yuǎn)桂;;腦電雙譜指數(shù)作為神經(jīng)網(wǎng)絡(luò)輸入預(yù)測(cè)癲癇發(fā)作[A];中國(guó)生物醫(yī)學(xué)工程進(jìn)展——2007中國(guó)生物醫(yī)學(xué)工程聯(lián)合學(xué)術(shù)年會(huì)論文集（下冊(cè)）[C];2007年

相關(guān)博士學(xué)位論文 前6條

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

2 歐陽(yáng)高翔;癲癇腦電信號(hào)的非線性特征識(shí)別與分析[D];燕山大學(xué);2010年

3 游榮義;腦電信號(hào)非線性分析方法的研究[D];廈門大學(xué);2003年

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

5 袁野;癲癇腦電的非線性方法分析[D];吉林大學(xué);2009年

6 胡萌;腦電信號(hào)分析在神經(jīng)信息學(xué)研究中的應(yīng)用[D];浙江大學(xué);2008年

相關(guān)碩士學(xué)位論文 前10條

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

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

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

4 倪迪;腦電檢測(cè)的若干問(wèn)題[D];南京大學(xué);2013年

5 孫卓然;基于集成極限學(xué)習(xí)機(jī)的腦電信號(hào)分類研究[D];大連理工大學(xué);2015年

6 裴運(yùn)通;基于圖像分析方法的癲癇腦電信號(hào)特征提取研究[D];蘭州大學(xué);2015年

7 劉琳;誘發(fā)腦電信號(hào)的采集與分析[D];河北科技大學(xué);2015年

8 楊俊宇;基于SSVEP的腦機(jī)接口系統(tǒng)研究與設(shè)計(jì)[D];南京郵電大學(xué);2015年

9 王瑩;基于改進(jìn)相對(duì)轉(zhuǎn)移熵和自適應(yīng)模版符號(hào)轉(zhuǎn)移熵的腦電信號(hào)分析[D];南京郵電大學(xué);2015年

10 崔曉蓉;癲癇腦電信號(hào)同步性的研究[D];南京郵電大學(xué);2015年

，

本文編號(hào)：2470585