腦電信號(hào)（electroencephalogram,EEG）是來自于大腦這一復(fù)雜系統(tǒng)的生理信號(hào),是生理過程中大腦特定部位神經(jīng)細(xì)胞群自發(fā)或誘發(fā)的電活動(dòng),是以生物控制論方法研究腦功能的典型領(lǐng)域。腦電信號(hào)具有很強(qiáng)的隨機(jī)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(shí)域、頻域分析,到現(xiàn)代的時(shí)頻分析和非線性動(dòng)力學(xué)研究,隨著對(duì)腦電信號(hào)研究方法的不斷發(fā)展,對(duì)于腦電的認(rèn)識(shí)也越來越深刻,其應(yīng)用也越來越廣泛。在臨床醫(yī)學(xué)中,通過腦電圖來檢測(cè)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(lǐng)域更是不可或缺。當(dāng)前對(duì)于癲癇腦電自動(dòng)分類研究主要包括兩個(gè)部分:特征提取和分類。特征提取是腦電分析研究的關(guān)鍵步驟,良好的特征質(zhì)量對(duì)分類結(jié)果有著重要影響;適合的分類算法在訓(xùn)練和識(shí)別速度、分類準(zhǔn)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(jī)器學(xué)習(xí)角度對(duì)特征提取和分類兩個(gè)方面進(jìn)行研究。在特征提取階段,提出一種基于小波包的時(shí)頻分析結(jié)合非線性和統(tǒng)計(jì)學(xué)特征的特征提取方法,從多個(gè)角度深度挖掘腦電信號(hào)特征,然后融合形成特征向量。在分... 

【文章來源】：蘭州理工大學(xué)甘肅省

【文章頁數(shù)】：62 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

五類腦電信號(hào)示例

工程碩士學(xué)位論文27段的不同類型腦電信號(hào)具有不同的樣本熵特征。圖3.3樣本熵特征對(duì)比（2）頻帶能量特征根據(jù)2.1.3節(jié)頻帶能量計(jì)算方法進(jìn)行頻帶能量特征提齲對(duì)每個(gè)頻帶的小波包系數(shù)計(jì)算頻帶能量特征，部分節(jié)點(diǎn)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(shí)會(huì)出現(xiàn)特征波，腦電信號(hào)能量會(huì)突然上升，因此頻帶能量可以作為分類檢測(cè)的重要特征指標(biāo)。圖3.4頻帶能量特征對(duì)比

工程碩士學(xué)位論文27段的不同類型腦電信號(hào)具有不同的樣本熵特征。圖3.3樣本熵特征對(duì)比（2）頻帶能量特征根據(jù)2.1.3節(jié)頻帶能量計(jì)算方法進(jìn)行頻帶能量特征提齲對(duì)每個(gè)頻帶的小波包系數(shù)計(jì)算頻帶能量特征，部分節(jié)點(diǎn)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(shí)會(huì)出現(xiàn)特征波，腦電信號(hào)能量會(huì)突然上升，因此頻帶能量可以作為分類檢測(cè)的重要特征指標(biāo)。圖3.4頻帶能量特征對(duì)比

【參考文獻(xiàn)】：
期刊論文
[1]基于經(jīng)驗(yàn)?zāi)B(tài)分解和極限學(xué)習(xí)機(jī)的癲癇腦電提取分類研究[J]. 宋玉龍,趙冕,鄭威.  生物醫(yī)學(xué)工程研究. 2019(03)
[2]基于加權(quán)復(fù)雜網(wǎng)絡(luò)度熵和的癲癇發(fā)作檢測(cè)方法[J]. 張漢勇,孟慶芳,杜蕾,劉明敏.  中國(guó)生物醫(yī)學(xué)工程學(xué)報(bào). 2019(03)
[3]基于多尺度排列熵的腦電信號(hào)分類[J]. 韋曉燕,陳子怡,周毅.  中國(guó)數(shù)字醫(yī)學(xué). 2019(05)
[4]基于腦電特征紋理與SVM分類的癲癇發(fā)作檢測(cè)研究[J]. 孫成法,徐志萍.  電腦知識(shí)與技術(shù). 2019(14)
[5]基于腦電的無創(chuàng)腦機(jī)接口研究進(jìn)展[J]. 陳小剛,王毅軍.  科技導(dǎo)報(bào). 2018(12)
[6]基于功率譜的睡眠中癲癇發(fā)作預(yù)測(cè)[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(xué)工程學(xué)雜志. 2018(03)
[7]基于近似熵及關(guān)聯(lián)維度對(duì)淺針療法干預(yù)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(yùn)影,吳強(qiáng).  針刺研究. 2018(03)
[8]CNN與CSP相結(jié)合的腦電特征提取與識(shí)別方法研究[J]. 孔祥浩,馬琳,薄洪健,李海峰.  信號(hào)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(shù)應(yīng)用. 2017(09)
[10]基于局部均值分解與樣本熵的腦電信號(hào)特征提取與分類[J]. 趙利民,朱曉軍.  計(jì)算機(jī)工程. 2017(02)

碩士論文
[1]基于非線性動(dòng)力學(xué)特征指標(biāo)的癲癇腦電信號(hào)分類、定位與預(yù)測(cè)方法研究[D]. 李冬梅.新疆醫(yī)科大學(xué) 2017



本文編號(hào)：3559373