癲癇病目前是世界上第二大神經(jīng)系統(tǒng)疾病,如今我國癲癇病患者人數(shù)也在逐年增加。癲癇病的發(fā)作反復(fù)而突然,并且傷害隱患極大,許多家庭因此而不堪重負(fù),急需要一種能夠快速有效的識(shí)別檢測預(yù)警方法。傳統(tǒng)的癲癇病檢測識(shí)別是通過腦電信號(hào)來進(jìn)行判斷,但腦電信號(hào)的檢測往往脫離不了病房的醫(yī)療設(shè)備,所以在空間性要求和便利性上有所局限。近年來,因?yàn)榛谥藙?dòng)作信號(hào)的運(yùn)動(dòng)姿態(tài)識(shí)別技術(shù)和可穿戴式設(shè)備領(lǐng)域的迅猛發(fā)展,人們?cè)噲D通過肢端動(dòng)作信號(hào)來找到這樣一種能夠快速有效識(shí)別癲癇發(fā)作的技術(shù)方法。在此背景下,本文提出了一種基于肢端動(dòng)作信號(hào)的癲癇發(fā)作識(shí)別方案。1.詳細(xì)介紹目前關(guān)于癲癇病發(fā)作識(shí)別的國內(nèi)外研究現(xiàn)狀,并對(duì)其進(jìn)行深入分析,闡述本次基于肢端動(dòng)作信號(hào)的癲癇發(fā)作識(shí)別研究的設(shè)計(jì)方案與具體流程;2.采集數(shù)據(jù),并對(duì)采集到的原始數(shù)據(jù)進(jìn)行數(shù)據(jù)預(yù)處理和特征提取,以此來得到可用的訓(xùn)練集與測試集數(shù)據(jù)格式;3.闡述邏輯回歸、支持向量機(jī)、隨機(jī)森林等三種分類算法的理論基礎(chǔ),并依此進(jìn)行模型構(gòu)建,通過實(shí)驗(yàn)對(duì)比分析,得到最適用于本課題的分類器算法;4.對(duì)得到的實(shí)驗(yàn)結(jié)果進(jìn)行對(duì)比分析,綜合考慮后提出一種符合性能指標(biāo)要求、快速有效的基于肢端動(dòng)作信號(hào)的癲癇發(fā)作識(shí)別... 

【文章來源】：哈爾濱工業(yè)大學(xué)黑龍江省 211工程院校 985工程院校

【文章頁數(shù)】：62 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

KinetiGraph手環(huán)而在癲癇發(fā)作識(shí)別監(jiān)測領(lǐng)域，美國企業(yè)Empatica則走在了國際研究的前

哈爾濱工業(yè)大學(xué)工程碩士學(xué)位論文-10-者PC端，以便后續(xù)的數(shù)據(jù)處理和機(jī)器學(xué)習(xí)在線診斷。而此處為了解決不穩(wěn)定傳感器的異步傳輸丟包問題，考慮到傳感器性能頻率大于實(shí)驗(yàn)所需要的頻率，本課題應(yīng)用緩存隊(duì)列重采樣的方式，從芯片中劃出一定的異步隊(duì)列對(duì)傳感器采集來的數(shù)據(jù)進(jìn)行緩存操作，輸入數(shù)據(jù)可以是不穩(wěn)定頻率的數(shù)據(jù)，但輸出端輸出或者藍(lán)牙傳輸?shù)氖枪潭ú蓸宇l率的數(shù)據(jù)包。由于考慮到整體設(shè)備的功耗，本次數(shù)據(jù)采集三軸加速度傳感器、皮電信號(hào)、體溫信號(hào)、心率信號(hào)的采集頻率均為低頻率采集。不同的傳感器采樣數(shù)據(jù)不同，但采樣格式保持一致，以三軸加速度為例，每個(gè)采樣點(diǎn)記錄采樣時(shí)間、三軸加速度數(shù)據(jù)，采樣格式為<X軸加速度，Y軸加速度，Z軸加速度，采樣日期，采樣時(shí)間>，另外幾個(gè)數(shù)據(jù)的采樣格式為<皮膚體溫，皮膚電，心率，采樣日期，采樣時(shí)間>。數(shù)據(jù)格式示例如表2-1所示。表2-1采樣數(shù)據(jù)示例xAccelyAccelzAcceldataTimedataTime0.023-0.036-0.0182018/8/180:25:000.023-0.031-0.0192018/8/180:25:000.021-0.036-0.0072018/8/180:25:000.022-0.034-0.0142018/8/180:25:000.019-0.032-0.0072018/8/180:25:000.022-0.036-0.0182018/8/180:25:01skinTemskinImHeartRatedataTimedataTime33.35955.271.142018/8/180:25:0033.35947.371.022018/8/180:25:0133.315947712018/8/180:25:0233.295948712018/8/180:25:03本次課題的數(shù)據(jù)采集是在2018年8月從國內(nèi)著名癲癇醫(yī)院采集而來�？紤]到病人發(fā)作時(shí)會(huì)伴隨的肌肉強(qiáng)直或不受控的抽搐，所以把檢測裝置緊緊戴在手腕處進(jìn)行數(shù)據(jù)采集。采集數(shù)據(jù)的現(xiàn)場如圖2-1所示。圖2-1采集數(shù)據(jù)現(xiàn)場

哈爾濱工業(yè)大學(xué)工程碩士學(xué)位論文-11-由圖2-1我們可以看到，在用腕帶式癲癇檢測裝置進(jìn)行數(shù)據(jù)采集時(shí)，病人同時(shí)也佩戴著專用的醫(yī)療儀器進(jìn)行檢測。所以我們本次采集的癲癇大發(fā)作GTCS的時(shí)間段分布，是由知名醫(yī)生通過專業(yè)醫(yī)用設(shè)備來進(jìn)行配合標(biāo)注的，數(shù)據(jù)來源真實(shí)可靠。具體發(fā)作數(shù)據(jù)如下圖2-2所示。圖2-2LJQ第2次GTCS發(fā)作數(shù)據(jù)在圖2-2中，因?yàn)楦骶S數(shù)據(jù)單位指標(biāo)不同，所以只能把三軸加速度、皮電和心率、皮膚電信號(hào)分別進(jìn)行展示。其中橙色的線框，就是醫(yī)生配合腦電信號(hào)判斷病人發(fā)作的起始時(shí)間段。由圖2-2中易知，患者GTCS大發(fā)作時(shí)，三軸加速度的幅度和頻率與平常表現(xiàn)都有明顯的區(qū)別；體溫、心率、皮膚電信號(hào)等則與平常表現(xiàn)沒有明顯區(qū)分。且在進(jìn)行后續(xù)實(shí)驗(yàn)操作中我們發(fā)現(xiàn)，體溫、心率、皮膚電信號(hào)因?yàn)楸韼гO(shè)計(jì)的不合理，大多數(shù)病人佩戴檢測裝置時(shí)，裝置不緊扣而導(dǎo)致與病人的手腕經(jīng)常脫離，使得后三維信號(hào)跳躍嚴(yán)重，存在明顯的失真現(xiàn)象，所以后續(xù)的實(shí)驗(yàn)預(yù)處理

【參考文獻(xiàn)】：
期刊論文
[1]基于加速度傳感器的運(yùn)動(dòng)步數(shù)檢測算法研究[J]. 魏芬,鄧海琴.  電子器件. 2016(05)
[2]數(shù)據(jù)挖掘中適用于分類的時(shí)序數(shù)據(jù)特征提取方法[J]. 林珠,邢延.  計(jì)算機(jī)系統(tǒng)應(yīng)用. 2012(10)

博士論文
[1]基于腦電的癲癇預(yù)警及預(yù)警—抑制診療系統(tǒng)關(guān)鍵技術(shù)研究[D]. 祁玉.浙江大學(xué) 2015
[2]基于單個(gè)加速度傳感器的人體運(yùn)動(dòng)模式識(shí)別[D]. 薛洋.華南理工大學(xué) 2011
[3]基于力學(xué)量信息獲取系統(tǒng)的人體摔倒過程識(shí)別方法研究[D]. 佟麗娜.中國科學(xué)技術(shù)大學(xué) 2011
[4]智能空間中人的行為識(shí)別與理解[D]. 黃彬.山東大學(xué) 2010

碩士論文
[1]有限注意與A股市場股價(jià)回歸預(yù)測[D]. 鳳河.西安理工大學(xué) 2019
[2]基于機(jī)器學(xué)習(xí)的癲癇及精神異常腦電信息識(shí)別研究[D]. 鄭天依.北京郵電大學(xué) 2019
[3]復(fù)雜度和時(shí)頻分析在癲癇腦電信號(hào)診斷與發(fā)作預(yù)測中的應(yīng)用研究[D]. 周夢(mèng)妮.太原理工大學(xué) 2019
[4]穿戴式運(yùn)動(dòng)狀態(tài)識(shí)別及心率監(jiān)測的研究[D]. 郭貴昌.貴州大學(xué) 2019
[5]基于神經(jīng)網(wǎng)絡(luò)的癲癇發(fā)作預(yù)測[D]. 劉莉莉.北京工業(yè)大學(xué) 2018
[6]基于加速度傳感器的游泳監(jiān)測系統(tǒng)分析與實(shí)現(xiàn)[D]. 吳海龍.華南理工大學(xué) 2018
[7]基于多傳感器的人體姿態(tài)識(shí)別系統(tǒng)[D]. 彭欣然.哈爾濱工業(yè)大學(xué) 2017
[8]基于Android的健康監(jiān)測應(yīng)用研究與實(shí)現(xiàn)[D]. 段豪.電子科技大學(xué) 2017
[9]隨機(jī)森林算法的優(yōu)化改進(jìn)研究[D]. 馬驪.暨南大學(xué) 2016
[10]基于深度學(xué)習(xí)的運(yùn)動(dòng)想象腦電分類[D]. 戴若夢(mèng).北京理工大學(xué) 2015



本文編號(hào)：2997920