腦電信號（electroencephalogram,EEG）是來自于大腦這一復雜系統(tǒng)的生理信號,是生理過程中大腦特定部位神經(jīng)細胞群自發(fā)或誘發(fā)的電活動,是以生物控制論方法研究腦功能的典型領域。腦電信號具有很強的隨機性,節(jié)律種類多樣,包含豐富的生理、病理信息。從傳統(tǒng)的目視觀察、單純的時域、頻域分析,到現(xiàn)代的時頻分析和非線性動力學研究,隨著對腦電信號研究方法的不斷發(fā)展,對于腦電的認識也越來越深刻,其應用也越來越廣泛。在臨床醫(yī)學中,通過腦電圖來檢測部分腦部疾�。ɡ绨d癇、抑郁癥、腦炎、精神分裂癥等）是一種不可替代的有效手段,尤其是在癲癇的診療領域更是不可或缺。當前對于癲癇腦電自動分類研究主要包括兩個部分:特征提取和分類。特征提取是腦電分析研究的關鍵步驟,良好的特征質(zhì)量對分類結(jié)果有著重要影響;適合的分類算法在訓練和識別速度、分類準確性和穩(wěn)定性方面有很重要的作用。本文以特征提取和分類兩方面展開研究,主要工作如下:從機器學習角度對特征提取和分類兩個方面進行研究。在特征提取階段,提出一種基于小波包的時頻分析結(jié)合非線性和統(tǒng)計學特征的特征提取方法,從多個角度深度挖掘腦電信號特征,然后融合形成特征向量。在分... 

【文章來源】：蘭州理工大學甘肅省

【文章頁數(shù)】：62 頁

【學位級別】：碩士

【部分圖文】：

五類腦電信號示例

工程碩士學位論文27段的不同類型腦電信號具有不同的樣本熵特征。圖3.3樣本熵特征對比（2）頻帶能量特征根據(jù)2.1.3節(jié)頻帶能量計算方法進行頻帶能量特征提齲對每個頻帶的小波包系數(shù)計算頻帶能量特征，部分節(jié)點S4-0～S4-4頻帶能量特征如圖3.4所示，由圖可以看出，同一頻帶中，癲癇發(fā)作期腦電能量明顯大于發(fā)作間期的腦電能量，這是由于癲癇發(fā)作時會出現(xiàn)特征波，腦電信號能量會突然上升，因此頻帶能量可以作為分類檢測的重要特征指標。圖3.4頻帶能量特征對比

工程碩士學位論文27段的不同類型腦電信號具有不同的樣本熵特征。圖3.3樣本熵特征對比（2）頻帶能量特征根據(jù)2.1.3節(jié)頻帶能量計算方法進行頻帶能量特征提齲對每個頻帶的小波包系數(shù)計算頻帶能量特征，部分節(jié)點S4-0～S4-4頻帶能量特征如圖3.4所示，由圖可以看出，同一頻帶中，癲癇發(fā)作期腦電能量明顯大于發(fā)作間期的腦電能量，這是由于癲癇發(fā)作時會出現(xiàn)特征波，腦電信號能量會突然上升，因此頻帶能量可以作為分類檢測的重要特征指標。圖3.4頻帶能量特征對比

【參考文獻】：
期刊論文
[1]基于經(jīng)驗模態(tài)分解和極限學習機的癲癇腦電提取分類研究[J]. 宋玉龍,趙冕,鄭威.  生物醫(yī)學工程研究. 2019(03)
[2]基于加權(quán)復雜網(wǎng)絡度熵和的癲癇發(fā)作檢測方法[J]. 張漢勇,孟慶芳,杜蕾,劉明敏.  中國生物醫(yī)學工程學報. 2019(03)
[3]基于多尺度排列熵的腦電信號分類[J]. 韋曉燕,陳子怡,周毅.  中國數(shù)字醫(yī)學. 2019(05)
[4]基于腦電特征紋理與SVM分類的癲癇發(fā)作檢測研究[J]. 孫成法,徐志萍.  電腦知識與技術. 2019(14)
[5]基于腦電的無創(chuàng)腦機接口研究進展[J]. 陳小剛,王毅軍.  科技導報. 2018(12)
[6]基于功率譜的睡眠中癲癇發(fā)作預測[J]. 劉偉楠,劉燕,佟寶同,趙凌霄,楊瑩雪,王玉平,戴亞康.  生物醫(yī)學工程學雜志. 2018(03)
[7]基于近似熵及關聯(lián)維度對淺針療法干預失眠患者腦電數(shù)據(jù)的提取及分析[J]. 林棟,黃曉真,莊婉玉,余運影,吳強.  針刺研究. 2018(03)
[8]CNN與CSP相結(jié)合的腦電特征提取與識別方法研究[J]. 孔祥浩,馬琳,薄洪健,李海峰.  信號處理. 2018(02)
[9]基于MSE-PCA的腦電睡眠分期方法研究[J]. 劉雪峰,馬州生,趙艷陽,余傳奇,范文兵.  電子技術應用. 2017(09)
[10]基于局部均值分解與樣本熵的腦電信號特征提取與分類[J]. 趙利民,朱曉軍.  計算機工程. 2017(02)

碩士論文
[1]基于非線性動力學特征指標的癲癇腦電信號分類、定位與預測方法研究[D]. 李冬梅.新疆醫(yī)科大學 2017



本文編號：3559373