本文關(guān)鍵詞：基于穩(wěn)態(tài)分布的癲癇檢測研究及在線預警系統(tǒng)開發(fā)，，由筆耕文化傳播整理發(fā)布。

【摘要】：癲癇作為導致短暫大腦功能障礙的一種慢性疾病,在中國已經(jīng)成為神經(jīng)科僅次于頭痛的第二大常見病。臨床主要表現(xiàn)為痙攣、意識喪失等,會對患者的身心、智力等產(chǎn)生非常嚴重的影響。目前常見的治療手段包括藥物治療和手術(shù)治療等,其中約有70%的患者能夠通過藥物治療得到控制,約有15%左右的患者能夠通過手術(shù)治療使癲癇發(fā)作得到控制或者治愈。由于癲癇本身發(fā)病原因和發(fā)病機制非常復雜,診斷和治療非常困難,仍舊有15%左右的難治性癲癇患者無法通過傳統(tǒng)的藥物和手術(shù)得到治愈。隨著大腦電刺激方法在一些功能障礙治療中取得的成功,它也開始逐步地應用到癲癇的治療中。電刺激治療主要分為兩種方式：開環(huán)電刺激和閉環(huán)電刺激。開環(huán)電刺激一般采用固定的脈沖進行電刺激,電刺激量大,易對患者大腦造成損傷,在臨床中并未得到廣泛應用。閉環(huán)電刺激也即反應性電刺激,是指通過監(jiān)測大腦活動情況并進行實時的癲癇預警,當判斷為癲癇發(fā)作時給予電脈沖來干預神經(jīng)元活動,從而抑制癲癇的發(fā)作。目前,閉環(huán)電刺激治療癲癇已經(jīng)成為癲癇治療領(lǐng)域的一個熱點問題。本文主要圍繞閉環(huán)電刺激治療癲癇這個問題,著重于探索閉環(huán)電刺激中的高效癲癇檢測算法和開發(fā)完整的在線預警系統(tǒng)。本文主要貢獻如下：1)針對頭皮腦電信號中噪聲會導致癲癇檢測誤檢率高的問題,本文建立了基于穩(wěn)態(tài)分布觀察噪聲的狀態(tài)空間模型算法。目前已有的一些癲癇檢測算法的魯棒性不夠好,主要的原因是當出現(xiàn)噪聲信號時,算法的誤檢率較高。在頭皮腦電信號中存在由于眨眼和肌肉活動等引起的噪聲信號,這些噪聲信號和癲癇發(fā)作信號表現(xiàn)出了相似的形態(tài)學特征,進而會導致目前已有的癲癇檢測算法的誤檢率較高。本文從如何抑制去除這類噪聲,降低誤檢率的方面提出了用穩(wěn)態(tài)分布來擬合頭皮腦電中噪聲信號的狀態(tài)空間模型。該模型的輸入為從腦電信號中提取的多種特征,其中的觀察模型采用非線性的函數(shù)。由于穩(wěn)態(tài)分布相對于高斯分布來說可以擬合非對稱、重尾分布的噪聲,這使得它在擬合頭皮腦電中出現(xiàn)的瞬時噪聲信號的能力強于高斯分布。2)針對目前閉環(huán)電刺激治療癲癇的實驗需求,本文開發(fā)了一套在線預警系統(tǒng)。整個系統(tǒng)包括動物模型、硬件設(shè)備和軟件平臺等部分,其中的軟件平臺是本文的工作內(nèi)容。我們的軟件平臺能夠進行實時的信號顯示與存儲、參數(shù)設(shè)置和癲癇預警抑制等功能,具有可擴展性、可適配性強的優(yōu)點,能夠支持不同信號放大器作為信號輸入源,支持不同的電刺激器和選擇多種癲癇預警算法。3)在癲癇檢測算法方面,本文的癲癇檢測模型在9位癲癇患者腦電信號的癲癇檢測實驗中,檢測率和誤檢率都取得了最好的效果。通過對比不同的模型和方法,詳細闡述了本文的模型是如何抑制腦電信號中的噪聲。在閉環(huán)系統(tǒng)方面,本文的系統(tǒng)已經(jīng)成功穩(wěn)定地應用在大鼠癲癇模型的預警與抑制,臨床癲癇患者的在線癲癇檢測中。
【關(guān)鍵詞】：閉環(huán)電刺激 癲癇檢測 穩(wěn)態(tài)分布 狀態(tài)空間模型
【學位授予單位】：浙江大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：R742.1;TN911.7
【目錄】：

• 摘要5-7
• Abstract7-13
• 第1章 緒論13-22
• 1.1 研究背景13-14
• 1.2 國內(nèi)外研究現(xiàn)狀14-19
• 1.2.1 反應性電刺激研究現(xiàn)狀14-17
• 1.2.2 癲癇檢測算法研究現(xiàn)狀17-19
• 1.3 存在的主要問題19-20
• 1.4 本文的研究內(nèi)容20-21
• 1.5 全文內(nèi)容安排21-22
• 第2章 基于穩(wěn)態(tài)分布的癲癇檢測狀態(tài)空間模型研究22-40
• 2.1 研究方法22-30
• 2.1.1 穩(wěn)態(tài)分布23-24
• 2.1.2 基于穩(wěn)態(tài)分布觀察噪聲的狀態(tài)空間模型24-27
• 2.1.3 狀態(tài)估計分析27-30
• 2.2 研究過程30-32
• 2.2.1 特征提取30-31
• 2.2.2 模型訓練31
• 2.2.3 癲癇檢測31-32
• 2.3 研究結(jié)果32-38
• 2.3.1 特征和狀態(tài)分布33-35
• 2.3.2 不同模型之間的比較35-37
• 2.3.3 不同方法之間的比較37-38
• 2.3.4 時間延遲38
• 2.4 本章小結(jié)38-40
• 第3章 在線預警系統(tǒng)開發(fā)40-57
• 3.1 在線預警系統(tǒng)概述40-43
• 3.2 軟件設(shè)計43-46
• 3.3 模塊開發(fā)46-53
• 3.3.1 信號的獲取與顯示模塊46-48
• 3.3.2 數(shù)據(jù)存儲模塊48-49
• 3.3.3 參數(shù)設(shè)置模塊49-51
• 3.3.4 癲癇預警-抑制模塊51-53
• 3.4 系統(tǒng)驗證53-56
• 3.4.1 正確性53-54
• 3.4.2 有效性54
• 3.4.3 穩(wěn)定性和易用性54-56
• 3.5 本章小結(jié)56-57
• 第4章 總結(jié)與展望57-59
• 4.1 本文工作總結(jié)57
• 4.2 未來工作展望57-59
• 參考文獻59-64
• 攻讀碩士學位期間主要的研究成果64-65
• 致謝65

【相似文獻】

中國博士學位論文全文數(shù)據(jù)庫 前1條

1 王勇;面向災難營救場景的延遲容忍網(wǎng)絡(luò)路由技術(shù)研究[D];國防科學技術(shù)大學;2013年

中國碩士學位論文全文數(shù)據(jù)庫 前1條

1 雷震;基于穩(wěn)態(tài)分布的癲癇檢測研究及在線預警系統(tǒng)開發(fā)[D];浙江大學;2016年

  本文關(guān)鍵詞：基于穩(wěn)態(tài)分布的癲癇檢測研究及在線預警系統(tǒng)開發(fā)，由筆耕文化傳播整理發(fā)布。

本文編號：355988