人口老齡化進程及人類壽命的延長使人們患慢性疾病,比如心血管疾病、老年癡呆、中風等的風險大大增加,而我國基層醫(yī)療資源嚴重不足。人口和社會發(fā)展迫切需要建立針對慢性疾病的新型智慧醫(yī)療體系,即融合可穿戴診療、遠程監(jiān)測、智能診斷和服務為一體的醫(yī)療系統(tǒng)。心電圖（ECG）和腦電圖（EEG）不僅是心血管疾病、老年癡呆和中風等慢性疾病監(jiān)測和診療的基礎,而且此類生物電信號具有非侵入、經(jīng)濟、便捷靈活等特點,在未來可穿戴智慧醫(yī)療中具有重要應用價值。心電和腦電等生物電信號具有噪聲強、隨機性強、非線性、混沌性等特點,并且針對不同個體和場景具有較大變異性。對這些信號的處理和自動診斷方法的研究是可穿戴醫(yī)療及智能診斷裝備的關(guān)鍵技術(shù)和難點。目前在有關(guān)心電及腦電信號智能識別方面,尤其是針對臨床數(shù)據(jù),具有精度低、診斷效率不高、個體和不同時間變異性較大等問題,嚴重阻礙了智能診療系統(tǒng)的臨床應用。針對上述關(guān)鍵技術(shù)問題,深入分析了心電和腦電信號的生理學機理,研究了信號特征與其所反映疾病現(xiàn)象的相關(guān)性,提出了先進信號處理算法和高效自適應的機器學習算法及訓練機制,設計了適合大數(shù)據(jù)實時輔助診斷的深度殘差神經(jīng)網(wǎng)絡等算法,并且用于心電和腦電信號... 

【文章來源】：北京郵電大學北京市 211工程院校 教育部直屬院校

【文章頁數(shù)】：142 頁

【學位級別】：博士

【部分圖文】：

圖２－１?ＥＣＧ單心搏波形??如圖２－１所示，一個完整的心動周期包括心房除極、心室除極和心室復極，??

圖２－２幾種心律不齊心搏信號??挖掘反映心臟異常的ＥＣＧ信號形態(tài)特征，進行快速準確地疾病預測和難點，也是本課題后續(xù)章節(jié)的研究重點。??２．２基于ＥＥＧ的運動想象康復治療的機理分析??２．２．１運動想象疾病康復機理??腦卒中（中風）是一種典型的腦血管疾病，它的癥狀是感知和行為功能失通常遺留有遠端肢體功能障礙，利用常規(guī)康復治療比較難改善。運動想一種通過干預患者相關(guān)認知過程，達到肢體功能康復目的的新療法［２？２１２基于ＥＥＧ信號的運動想象腦機接口（ＢＣＩ）技術(shù)進行患者（閉鎖綜合癥、、脊髓損傷、脊髓側(cè)索硬化、偏癱等）的康復，正成為國際上的研究ｖ。這類腦神經(jīng)損傷所致疾病的原因是皮層異常興奮和抑制，長期的抑相應肢體的萎縮。如何激發(fā)抑制的皮層區(qū)域，使其正常支配人體相應部是康復的一個重要研宄內(nèi)容。運動想象能夠提高初級運動區(qū)域的皮層

ＥＥＧ信號的頻率＿幅度譜，圖（ｂ）為右側(cè)腦半球（Ｃ４通道）ＥＥＧ信號的頻率－??幅度譜�？梢裕舫�，該受試者的事件同步去相關(guān)現(xiàn)象主要體現(xiàn)在Ｍｕ頻帶及Ｂｅｔａ??頻帶附近，但Ｂｅｔａ頻帶現(xiàn)象較弱。圖２－３和２－４的數(shù)據(jù)來源于ＢＣＩ?Ｃｏｍｐｅｔｉｔｉｏｎ?ＩＶ??數(shù)據(jù)集Ｉｌａ，該數(shù)據(jù)集包括９個受試者的運動想象測試數(shù)據(jù)，圖中是第８個受試??者（Ａ０８）的測試數(shù)據(jù)。數(shù)據(jù)集的詳細介紹請參考本論文３．２．１節(jié)。??２．２．３感覺運動節(jié)律（ＳＭＲ）變異性分析??盡管人們在想象或執(zhí)行運動時，大腦皮層ＥＥＧ的ｍｕ和ｂｅｔａ節(jié)律出現(xiàn)很顯??著的ＥＲＳ／ＥＲＤ現(xiàn)象。但是運動想象的ＥＲＳ／ＥＲＤ模態(tài)具有較大的變異性，即不??同人的ＥＲＳ／ＥＲＤ感覺運動節(jié)律的頻帶有差異，甚至同一個體不同時間的測試結(jié)??果也有變異。大部分受試者ｍｕ頻帶、ｂｅｔａ頻帶節(jié)律出現(xiàn)ＥＲＳ／ＥＲＤ現(xiàn)象，但個??體間差異較大。圖２－５是受試者想象右手運動時的ＥＲＳ／ＥＲＤ現(xiàn)象，分別選擇不??同頻帶ｍｕ節(jié)律（８－１３Ｈｚ）、ｂｅｔａ節(jié)律（１８－３０ＨＺ）和３０－４５ＨＺ頻帶成分，其左右??半球所對應的Ｃ３和Ｃ４通道的ＥＥＧ振幅分別用黑色和紅色。數(shù)據(jù)來源于ＢＣＩ??競賽ＩＶ數(shù)據(jù)集ＩＩＡ

【參考文獻】：
期刊論文
[1]腦機接口技術(shù)在腦卒中偏癱患者下肢運動功能康復治療中的應用[J]. 方文垚,劉昊,楊柳,林思儉,劉邦亮,羅軍.  山東醫(yī)藥. 2018(10)
[2]開啟人工智能心電分析系統(tǒng)新時代[J]. 盧喜烈.  實用心電學雜志. 2018(01)
[3]人工智能與醫(yī)療深度融合[J]. 陳建偉.  中國衛(wèi)生. 2017(09)
[4]基于集成卷積神經(jīng)網(wǎng)絡的肺部腫瘤計算機輔助診斷模型[J]. 王媛媛,周濤,陸惠玲,吳翠穎,楊鵬飛.  生物醫(yī)學工程學雜志. 2017(04)
[5]《中國心血管病報告2016》概要[J]. 陳偉偉,高潤霖,劉力生,朱曼璐,王文,王擁軍,吳兆蘇,李惠君,顧東風,楊躍進,鄭哲,蔣立新,胡盛壽.  中國循環(huán)雜志. 2017(06)
[6]基于MI-BCI的上肢在線運動康復原型系統(tǒng)[J]. 李明愛,羅新勇,崔燕,楊金福.  北京生物醫(yī)學工程. 2017(03)
[7]基于集成學習的臨床心電圖分類算法研究[J]. 金林鵬,董軍.  生物醫(yī)學工程學雜志. 2016(05)
[8]我國智慧醫(yī)療建設的現(xiàn)狀及發(fā)展策略研究[J]. 沈甦.  上海醫(yī)藥. 2016(15)
[9]基于流形正則化的半監(jiān)督投影雙子支持向量機[J]. 陳偉杰,邵元海,李春娜,鄧乃揚.  模式識別與人工智能. 2016(02)
[10]生物醫(yī)學信號處理研究綜述[J]. 胡廣書,汪夢蝶.  數(shù)據(jù)采集與處理. 2015(05)

博士論文
[1]腦電分析技術(shù)在帕金森病并發(fā)認知功能損害及無認知損害者早期診斷的應用研究[D]. 何雪桃.南方醫(yī)科大學 2016
[2]面向健康監(jiān)護的穿戴式體征信息感知技術(shù)研究[D]. 羅堪.東南大學 2015
[3]基于非平行超平面支持向量機的分類問題研究[D]. 王震.吉林大學 2014

碩士論文
[1]外骨骼上肢機器人運動康復虛擬現(xiàn)實訓練與評價研究[D]. 王源.上海交通大學 2013
[2]獨立分量分析及其在腦電信號噪聲分離中的應用[D]. 李婷.大連理工大學 2005



本文編號：3215978