癲癇是一種因大腦神經(jīng)元過度放電所引起的神經(jīng)系統(tǒng)疾病。腦電圖包含了大量的生理和病理信息,是診斷癲癇的重要工具。臨床上,醫(yī)生通過視覺觀察患者的24小時腦電圖并結(jié)合發(fā)作史和家族病史進(jìn)行癲癇診斷。但龐大的腦電數(shù)據(jù)量使得視覺檢測腦電圖非常耗時,并且醫(yī)務(wù)人員的主觀判斷也可能會對檢查結(jié)果產(chǎn)生影響。根據(jù)癲癇發(fā)作時腦電信號的特點,研究基于信號處理和機(jī)器學(xué)習(xí)的癲癇腦電信號自動分類算法具有重要意義。它能夠極大地減輕醫(yī)生的工作負(fù)擔(dān),提高癲癇患者的生活品質(zhì),為研究癲癇發(fā)病機(jī)理提供新的途徑,受到了越來越多研究者的關(guān)注。然而癲癇發(fā)作時神經(jīng)元放電的復(fù)雜性和多樣性特點,給自動分類算法帶來了挑戰(zhàn)。針對現(xiàn)有癲癇腦電信號自動分類算法魯棒性和泛化能力較差的問題,本文將分布熵和模糊熵進(jìn)行融合,提出模糊分布熵、復(fù)值分布熵和復(fù)值模糊分布熵三種嵌入熵算法,分別針對基于嵌入熵的腦電信號自動分類算法的計算復(fù)雜度高且對嵌入熵參數(shù)敏感、基于嵌入熵的特征提取方法無法兼顧幅值和相位導(dǎo)致相位信息的丟失、基于傳統(tǒng)小波變換的腦電信號自動分類算法魯棒性和泛化能力較差這三問題展開研究,探索結(jié)合時頻變換和非線性動力學(xué)分析的多域聯(lián)合分析法在癲癇輔助診斷的有效性... 

【文章來源】：吉林大學(xué)吉林省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：142 頁

【學(xué)位級別】：博士

【部分圖文】：

閉環(huán)癲癇腦電信號輔助診斷系統(tǒng)

吉林大學(xué)博士學(xué)位論文復(fù)雜度較高、基于非線性動力學(xué)特征提取方法很難同時兼顧信號的幅值和相位，造成相位信息的丟失以及基于傳統(tǒng)小波變換的腦電信號自動分類算法魯棒性和泛化能力較差等問題，本文在多域聯(lián)合分析法這一的基本框架下，以分布熵為出發(fā)點并結(jié)合模糊熵，依次提出模糊分布熵（Fuzzy Distribution Entropy, FDistEn）、復(fù)值分布熵（Complex-valued Distribution Entropy, CDistEn）和復(fù)值模糊分布熵（Complex-valuedFuzzy Distribution Entropy, CFDistEn）。在此基礎(chǔ)上，以“時頻表征+非線性動力學(xué)分析”為指導(dǎo)思想，研究了聯(lián)合小波變換和改進(jìn)嵌入熵的特征提取算法，并采用最近鄰等分類器對腦電信號進(jìn)行模式分類。本文各研究內(nèi)容之間的邏輯關(guān)系如圖 1.3 所示。

續(xù)三章使用的癲癇腦電數(shù)據(jù)集以及用于評估分類算法性能的評價指標(biāo)，為后續(xù)章節(jié)癲癇腦電信號自動分類算法的分析和評價提供參考和依據(jù)。2.1 癲癇腦電信號自動分類算法框架癲癇腦電信號的自動分類是在神經(jīng)科學(xué)和病理學(xué)的基礎(chǔ)上，結(jié)合信號處理、模式識別和智能系統(tǒng)的交叉學(xué)科研究領(lǐng)域。一個完整的癲癇腦電信號自動分析系統(tǒng)由：預(yù)處理、特征提取、特征選擇、模式分類和后處理共五部分構(gòu)成，自動分類算法的原理框圖如圖 2.1 所示。在離線系統(tǒng)訓(xùn)練階段，按照預(yù)處理、特征提取、特征選擇和模式分類的步驟對帶有類別標(biāo)簽的腦電數(shù)據(jù)進(jìn)行處理，建立能夠區(qū)分非癲癇發(fā)作期和癲癇發(fā)作期腦電信號的檢測模型；在在線系統(tǒng)測試階段，對標(biāo)簽未知的腦電數(shù)據(jù)進(jìn)行同樣的操作，得到相應(yīng)腦電數(shù)據(jù)的預(yù)測結(jié)果，最后根據(jù)需要進(jìn)行適當(dāng)?shù)暮筇幚硪詫崿F(xiàn)對異常腦電信號的準(zhǔn)確識別和自動標(biāo)記。借助于癲癇腦電信號自動分析系統(tǒng)，在對患者的腦電圖進(jìn)行判讀時，醫(yī)生可重點查看被分析系統(tǒng)標(biāo)記為異常的腦電記錄，從而實現(xiàn)癲癇臨床輔助診斷的目的。

【參考文獻(xiàn)】：
期刊論文
[1]基于Shearlet變換和峰度特性的井中微地震初至波拾取[J]. 李娟,計碩,李月,錢志鴻.  吉林大學(xué)學(xué)報(工學(xué)版). 2019(01)
[2]基于主成分分析的特征頻率提取算法及應(yīng)用[J]. 李振,李偉光,趙學(xué)智,鄭相立.  振動.測試與診斷. 2018(04)
[3]采用核主成分分析和相關(guān)向量機(jī)的人體運動意圖識別[J]. 劉磊,楊鵬,劉作軍,宋寅卯.  機(jī)器人. 2017(05)
[4]用于癲癇EEG分析的排列模糊熵新算法[J]. 王慧云,竇大慶,曹銳,王彬,劉桂青,相潔.  太原理工大學(xué)學(xué)報. 2017(01)
[5]基于改進(jìn)混沌算子的癲癇前期預(yù)測研究[J]. 黃小娜,周佐,王鵬翔,張兆基,熊麗.  自動化與儀器儀表. 2016(02)
[6]基于AdaBoost算法的癲癇腦電信號識別[J]. 張濤,陳萬忠,李明陽.  物理學(xué)報. 2015(12)
[7]基于多小波基多信源融合異常值剔除方法研究[J]. 卓寧.  宇航計測技術(shù). 2012(06)
[8]癲癇:全球重點防治的神經(jīng)精神疾病[J]. 秦兵,廖衛(wèi)平,臼井直敬,寺田清人,井上有史.  實用醫(yī)學(xué)雜志. 2012(13)
[9]基于Hurst指數(shù)和SVM的癲癇腦電檢測方法[J]. 蔡冬梅,周衛(wèi)東,劉凱,李淑芳,耿淑娟.  中國生物醫(yī)學(xué)工程學(xué)報. 2010(06)
[10]多小波基多尺度多傳感器數(shù)據(jù)融合[J]. 任亞飛,柯熙政.  傳感器與微系統(tǒng). 2010(09)

博士論文
[1]基于EEG和ERP信號分析的情感認(rèn)知研究[D]. 暢江.太原理工大學(xué) 2018

碩士論文
[1]基于提升小波變換的簡支梁損傷識別方法研究[D]. 王曉春.天津大學(xué) 2017
[2]基于壓縮傳感的輸電線路絕緣子泄漏電流數(shù)據(jù)壓縮研究[D]. 陳青.華北電力大學(xué) 2011



本文編號：3372474