癲癇是一種常見(jiàn)的神經(jīng)類(lèi)系統(tǒng)疾病。據(jù)世界衛(wèi)生組織報(bào)道,世界上大約有五千萬(wàn)人口患有癲癇。腦電圖被廣泛應(yīng)用于癲癇患者的臨床檢查中,專(zhuān)業(yè)醫(yī)師需要借助經(jīng)驗(yàn)人工分析。這種方式枯燥乏味,需要消耗大量的時(shí)間與精力。因此,研究計(jì)算機(jī)輔助的自動(dòng)、高效、準(zhǔn)確的癲癇診斷與發(fā)作預(yù)測(cè)方法極其必要。本文以弗萊堡和CHB-MIT兩個(gè)數(shù)據(jù)集為研究對(duì)象,將熵的復(fù)雜度分析、時(shí)域頻域分析理論應(yīng)用到癲癇信號(hào)的診斷與發(fā)作預(yù)測(cè)研究中,主要研究?jī)?nèi)容和成果如下:（1）分析排列熵參數(shù)設(shè)置方法,對(duì)比不同排列熵信號(hào)診斷能力。排列熵抗噪性強(qiáng),計(jì)算復(fù)雜度低,研究選取排列熵作為復(fù)雜度指標(biāo)。由于排列熵種類(lèi)較多,本研究首先討論四種排列熵參數(shù)設(shè)置方法,接著通過(guò)統(tǒng)計(jì)檢驗(yàn)和分類(lèi)比較排列熵的癲癇信號(hào)診斷能力。結(jié)果表明,合理的參數(shù)取值對(duì)于排列熵準(zhǔn)確提取特征具有一定的影響;四種排列熵都可以有效反映大腦活動(dòng)的動(dòng)態(tài)變化,實(shí)現(xiàn)發(fā)作間期與發(fā)作前期的信號(hào)診斷,且診斷能力相當(dāng)。（2）提出基于排列熵的癲癇發(fā)作預(yù)測(cè)方法,對(duì)比排列熵的預(yù)測(cè)能力。本研究提出基于統(tǒng)計(jì)方法的One-step FP和Two-step FP兩種預(yù)測(cè)算法,比較二者在預(yù)測(cè)表現(xiàn)上的差異,并對(duì)比了四種排列熵的發(fā)作預(yù)... 

【文章來(lái)源】：太原理工大學(xué)山西省 211工程院校

【文章頁(yè)數(shù)】：85 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景和意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 特征提取
        1.2.2 信號(hào)診斷
        1.2.3 發(fā)作預(yù)測(cè)
    1.3 論文的主要內(nèi)容
    1.4 論文的結(jié)構(gòu)安排
    1.5 小結(jié)
第二章 研究方案與相關(guān)理論基礎(chǔ)
    2.1 研究方案
    2.2 特征分析
        2.2.1 排列熵相關(guān)算法
        2.2.2 時(shí)域與頻域信號(hào)
    2.3 分類(lèi)方法
        2.3.1 分類(lèi)器
        2.3.2 參數(shù)選擇及驗(yàn)證方法
        2.3.3 評(píng)價(jià)指標(biāo)
    2.4 預(yù)測(cè)方法
        2.4.1 預(yù)測(cè)模型
        2.4.2 評(píng)價(jià)指標(biāo)
    2.5 小結(jié)
第三章 基于排列熵的癲癇腦電復(fù)雜度分析及診斷
    3.1 數(shù)據(jù)介紹
        3.1.1 基本信息
        3.1.2 數(shù)據(jù)選取
    3.2 提取排列熵
        3.2.1 參數(shù)選擇
        3.2.2 復(fù)雜度分析
    3.3 差異性分析
    3.4 分類(lèi)結(jié)果分析與對(duì)比
    3.5 小結(jié)
第四章 基于排列熵的癲癇發(fā)作預(yù)測(cè)
    4.1 預(yù)測(cè)模型
    4.2 預(yù)測(cè)結(jié)果分析與評(píng)價(jià)
        4.2.1 發(fā)作預(yù)測(cè)時(shí)間
        4.2.2 SS與 FPR、歐氏距離
    4.3 結(jié)果對(duì)比
        4.3.1 四種排列熵預(yù)測(cè)對(duì)比
        4.3.2 One-step FP與 Two-step FP預(yù)測(cè)對(duì)比
    4.4 討論
        4.4.1 排列熵的優(yōu)點(diǎn)
        4.4.2 個(gè)性化模型
        4.4.3 One-step FP與 Two-step FP對(duì)比
        4.4.4 與其他研究對(duì)比
    4.5 小結(jié)
第五章 基于時(shí)頻分析的癲癇信號(hào)診斷及發(fā)作預(yù)測(cè)
    5.1 數(shù)據(jù)介紹
        5.1.1 基本信息
        5.1.2 數(shù)據(jù)截取
    5.2 時(shí)頻分析
    5.3 分類(lèi)結(jié)果分析與對(duì)比
        5.3.1 弗萊堡數(shù)據(jù)集
        5.3.2 CHB-MIT數(shù)據(jù)集
    5.4 發(fā)作預(yù)測(cè)結(jié)果
    5.5 討論
        5.5.1 與其他研究對(duì)比
        5.5.2 時(shí)域與頻域信號(hào)
        5.5.3 數(shù)據(jù)集的影響
        5.5.4 發(fā)作預(yù)測(cè)面臨的問(wèn)題
    5.6 小結(jié)
第六章 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
參考文獻(xiàn)
致謝
攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文目錄


【參考文獻(xiàn)】：
期刊論文
[1]面向可穿戴多模生物信息傳感網(wǎng)絡(luò)的棧式自編碼器優(yōu)化情緒識(shí)別[J]. 戴逸翔,王雪,戴鵬,張蔚航,張鵬博.  計(jì)算機(jī)學(xué)報(bào). 2017(08)
[2]基于生理大數(shù)據(jù)的情緒識(shí)別研究進(jìn)展[J]. 趙國(guó)朕,宋金晶,葛燕,劉永進(jìn),姚林,文濤.  計(jì)算機(jī)研究與發(fā)展. 2016(01)
[3]說(shuō)話人識(shí)別中支持向量機(jī)核函數(shù)參數(shù)優(yōu)化研究[J]. 劉祥樓,賈東旭,李輝,姜繼玉.  科學(xué)技術(shù)與工程. 2010(07)
[4]生物反饋訓(xùn)練后癲癇患者腦電相關(guān)維數(shù)變化的分析[J]. 趙龍蓮,梁作清,伍文清,胡廣書(shū).  中國(guó)生物醫(yī)學(xué)工程學(xué)報(bào). 2010(01)
[5]樣本熵及在腦電癲癇檢測(cè)中的應(yīng)用[J]. 白冬梅,邱天爽,李小兵.  生物醫(yī)學(xué)工程學(xué)雜志. 2007(01)
[6]功能磁共振成像與腦電的融合及其應(yīng)用[J]. 楊磊,田捷,胡瑾,王小香,潘曉紅.  軟件學(xué)報(bào). 2006(09)

博士論文
[1]癲癇腦電的分形分析及自動(dòng)檢測(cè)方法研究[D]. 張艷麗.山東大學(xué) 2016
[2]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
[3]癲癇腦電的分類(lèi)識(shí)別及自動(dòng)檢測(cè)方法研究[D]. 袁琦.山東大學(xué) 2014



本文編號(hào)：3062896