發(fā)布時間：2021-10-27 17:46

　　癲癇是一種常見的神經(jīng)系統(tǒng)疾病,癲癇的突然性發(fā)作會給患者的生活帶來巨大的影響。臨床上,癲癇的檢測很大程度上依賴于經(jīng)驗豐富的神經(jīng)科醫(yī)生。醫(yī)生根據(jù)患者的腦電圖對患者的狀態(tài)進行判斷。這種人工檢測方法需要醫(yī)生長時間的觀察患者的腦電圖,十分影響醫(yī)生的工作效率;同時,由于不同醫(yī)生的不同經(jīng)驗,對同一腦電圖很可能得到不同的評判結(jié)果。目前現(xiàn)有的癲癇發(fā)作自動檢測的研究,多集中于建立基于患者的檢測模型,即使用每個患者自身的數(shù)據(jù)訓(xùn)練一個適用于該患者的檢測模型。這種方法訓(xùn)練得到的模型雖然對其針對的單個患者檢測性能較好,但是在檢測其他患者時,效果較差。同時,當(dāng)一個新患者出現(xiàn)時,往往得不到該患者以往的發(fā)作數(shù)據(jù),因此該患者就不能被很好的監(jiān)控�；谝陨蠁栴},本文研究探討了一種新的利用腦電信號實現(xiàn)跨患者的癲癇發(fā)作自動檢測算法。首先,本文從網(wǎng)站下載公開頭皮腦電數(shù)據(jù)集CHB-MIT,然后對下載的原始數(shù)據(jù)進行切分,得到發(fā)作期和發(fā)作間期樣本。接著,使用四種濾波對原始數(shù)據(jù)進行濾波去噪,并得到最適合本文研究的巴特斯沃濾波器。之后,本文提出了一種新的特征提取算法MinMaxHist來測量腦電信號的波形變化,并使用MinMaxHist算法... 

【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)】：65 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 課題研究背景和意義
    1.2 腦電圖
        1.2.1 腦電圖簡介
        1.2.2 癲癇腦電圖
    1.3 癲癇自動檢測常用算法及發(fā)展現(xiàn)狀
    1.4 本文研究內(nèi)容及結(jié)構(gòu)安排
第2章 特征工程
    2.1 數(shù)據(jù)預(yù)處理
        2.1.1 小波閾值去噪
        2.1.2 濾波算法
        2.1.3 數(shù)據(jù)標(biāo)準(zhǔn)化
    2.2 特征提取
    2.3 本文采用的特征提取算法
        2.3.1 MinMaxHist算法
        2.3.2 其他時域特征
        2.3.3 非線性特征
    2.4 特征選擇
        2.4.1 特征選擇的分類
    2.5 本文使用的特征選擇算法
        2.5.1 T檢驗與曼-惠特尼U檢驗
        2.5.2 Acc-SVM和 Acc-XGB
        2.5.3 遞歸特征消除
        2.5.4 序列后向選擇
    2.6 本章小結(jié)
第3章 分類
    3.1 分類器
        3.1.1 支持向量機
        3.1.2 K近鄰
        3.1.3 邏輯回歸
        3.1.4 AdaBoost
        3.1.5 XGBoost
    3.2 交叉驗證
    3.3 本章小結(jié)
第4章 本文實驗方法與結(jié)果討論
    4.1 實驗環(huán)境
    4.2 實驗數(shù)據(jù)
    4.3 評價標(biāo)準(zhǔn)
    4.4 實驗流程與結(jié)果分析
        4.4.1 數(shù)據(jù)預(yù)處理
        4.4.2 不同濾波器與特征提取的分類表現(xiàn)
        4.4.3 不同特征選擇算法的分類表現(xiàn)
        4.4.4 RFE算法的分類表現(xiàn)
        4.4.5 RFE算法嵌入不同基學(xué)習(xí)器的分類表現(xiàn)
        4.4.6 SBS算法的分類表現(xiàn)
        4.4.7 基于特定患者的分類模型
        4.4.8 半獨立于患者的分類模型
    4.5 結(jié)果對比
    4.6 本章小結(jié)
第5章 總結(jié)與展望
    5.1 本文總結(jié)
    5.2 未來工作展望
參考文獻
作者簡介及科研成果
致謝


【參考文獻】：
期刊論文
[1]基于小波閾值去噪的方法研究[J]. 劉曉莉.  甘肅科技. 2013(11)

碩士論文
[1]基于小波變換的睡眠腦電信號分析[D]. 殷萬妮.南京大學(xué) 2014



本文編號：3462077