本文選題：發(fā)作間期腦電圖 + 癲癇��； 參考：《南京郵電大學(xué)》2016年碩士論文

【摘要】：腦電圖是臨床醫(yī)生對(duì)大腦神經(jīng)系統(tǒng)損傷及病變進(jìn)行檢查和診斷的有效工具,其中包含了豐富的病理和生理信息。因?yàn)榘d癇是由于神經(jīng)元異常放電活動(dòng)導(dǎo)致的神經(jīng)系統(tǒng)疾病,所以腦電圖檢查是臨床上診斷癲癇的一種基本方法。傳統(tǒng)的癲癇診斷依賴于訓(xùn)練有素的醫(yī)生觀察冗長(zhǎng)的腦電圖記錄,識(shí)別腦電圖中的癲癇相關(guān)異常波形來(lái)診斷病患,這種方法枯燥而且耗時(shí)。雖然如今有了許多的自動(dòng)癲癇檢測(cè)系統(tǒng)輔助醫(yī)生進(jìn)行癲癇診斷,但是這些系統(tǒng)依然要求記錄長(zhǎng)程的腦電圖以獲取癲癇發(fā)作數(shù)據(jù)。由于長(zhǎng)程腦電圖在醫(yī)療水平欠發(fā)達(dá)的地方難以實(shí)現(xiàn),所以對(duì)癲癇腦電信號(hào)進(jìn)行特征提取分析,設(shè)計(jì)自動(dòng)癲癇診斷系統(tǒng)將具有非常重要的意義,尤其是如果能夠僅僅依賴于發(fā)作間期的腦電圖信號(hào)來(lái)實(shí)現(xiàn)癲癇診斷。本文研究腦電圖的特征提取,并且設(shè)計(jì)了基于概率神經(jīng)網(wǎng)絡(luò)的分類器實(shí)現(xiàn)自動(dòng)癲癇診斷系統(tǒng)。自動(dòng)癲癇診斷系統(tǒng)分為特征提取和分類器模塊。在對(duì)腦電信號(hào)處理的主要研究方法進(jìn)行總結(jié)之后,本文采用基于功率譜分析的傳統(tǒng)頻譜特征和基于時(shí)間序列分析的動(dòng)態(tài)特征構(gòu)造腦電圖的24維的特征向量,作為分類器的輸入。對(duì)系統(tǒng)進(jìn)行測(cè)試的實(shí)驗(yàn)結(jié)果表明,該系統(tǒng)能夠有效的區(qū)分健康人的腦電圖片段、癲癇病人發(fā)作間期的腦電圖片段以及癲癇病人發(fā)作期的腦電圖片段,也能夠?yàn)榘d癇病灶的定位提供一定的參考信息。另外,本文從特征參數(shù)的選擇和散布常數(shù)的選取兩方面討論了該系統(tǒng)的優(yōu)化問(wèn)題。文本還使用了偽差和噪聲更多卻更貼近實(shí)際應(yīng)用的頭皮EEG來(lái)檢測(cè)自動(dòng)癲癇診斷系統(tǒng)。通過(guò)將概率神經(jīng)網(wǎng)絡(luò)和一種投票機(jī)制相結(jié)合,系統(tǒng)在區(qū)分發(fā)作間期頭皮腦電圖和健康人腦電圖時(shí)能夠達(dá)到99.38%的準(zhǔn)確率。這個(gè)結(jié)果證明了使用癲癇發(fā)作間期頭皮腦電圖進(jìn)行癲癇診斷的可行性。
[Abstract]:Electroencephalogram (EEG) is an effective tool for clinicians to examine and diagnose the injury and pathological changes of the cerebral nervous system, which contains abundant pathological and physiological information. Because epilepsy is a nervous system disease caused by abnormal discharges of neurons, EEG is a basic method for clinical diagnosis of epilepsy. Traditional diagnosis of epilepsy relies on trained doctors to observe long EEG records and identify epileptic-related abnormal waveforms in EEG to diagnose patients. This method is tedious and time-consuming. Although there are a number of automated epilepsy detection systems to assist doctors in the diagnosis of epilepsy, these systems still require long-term EEG records to obtain seizure data. Because it is difficult to realize long range EEG in places where medical level is not developed, it is very important to extract and analyze the characteristics of epileptic EEG signals and design an automatic epilepsy diagnosis system. Especially if you can only rely on the interictal EEG signal to achieve epilepsy diagnosis. In this paper, the feature extraction of EEG is studied, and a classifier based on probabilistic neural network is designed to realize the automatic epilepsy diagnosis system. Automatic epilepsy diagnosis system is divided into feature extraction and classifier module. After summarizing the main research methods of EEG processing, this paper uses the traditional spectrum features based on power spectrum analysis and the dynamic features based on time series analysis to construct the 24-dimensional eigenvector of EEG as the input of the classifier. The experimental results of the system showed that the system could effectively distinguish the EEG fragments of healthy people from those of epileptic patients during interictal period and those of epileptic patients during seizures. It can also provide some reference information for the location of epileptic foci. In addition, this paper discusses the optimization of the system from two aspects: the selection of characteristic parameters and the selection of dispersion constants. The paper also uses scalp EEG, which is more false and noise, to detect automatic epilepsy diagnosis system. By combining probabilistic neural network with a voting mechanism, the system can achieve 99.38% accuracy in distinguishing scalp electroencephalogram (EEG) between interictal period and healthy person. The results demonstrate the feasibility of using interictal scalp electroencephalogram (EEG) for the diagnosis of epilepsy.
【學(xué)位授予單位】：南京郵電大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TH776

【相似文獻(xiàn)】

相關(guān)會(huì)議論文 前10條

1 黃娟;麥堅(jiān)凝;王秀英;李志斌;張鳳瓊;;癲癇兒童發(fā)作間期全夜睡眠狀況初步分析[A];中華醫(yī)學(xué)會(huì)第十四次全國(guó)兒科學(xué)術(shù)會(huì)議論文匯編[C];2006年

2 余軍武;趙俊;欒金利;董先成;胡祥華;孫效剛;樊躍飛;;發(fā)作間期及發(fā)作期SPECT在腦軟化導(dǎo)致癲癇的伽瑪?shù)吨委熤械倪\(yùn)用[A];中國(guó)醫(yī)師協(xié)會(huì)神經(jīng)外科醫(yī)師分會(huì)首屆全國(guó)代表大會(huì)論文匯編[C];2005年

3 李衛(wèi)娜;吳國(guó)材;徐文鑫;胡莉;馮華;;通過(guò)因果分析發(fā)作間期腦電圖信號(hào)對(duì)癲癇灶進(jìn)行定側(cè)：個(gè)案分析[A];2011中華醫(yī)學(xué)會(huì)神經(jīng)外科學(xué)學(xué)術(shù)會(huì)議論文匯編[C];2011年

4 王茂雪;張志強(qiáng);盧光明;袁翠平;王正閣;沈連芳;;全面強(qiáng)直陣攣癲癇發(fā)作間期腦血流量改變的PASL研究[A];中華醫(yī)學(xué)會(huì)第十八次全國(guó)放射學(xué)學(xué)術(shù)會(huì)議論文匯編[C];2011年

5 鄭霄;石巖芳;張丹;周文靜;左煥琮;洪波;;基于癲癇發(fā)作間期顱內(nèi)腦電高頻發(fā)放的癲癇病灶定位算法研究[A];第三屆CAAE中國(guó)腦電圖和神經(jīng)電生理大會(huì)論文摘要集[C];2012年

6 舒?zhèn)?李勇杰;遇濤;;單側(cè)海馬硬化顳葉癲癇患者清醒期發(fā)作間期棘波與手術(shù)預(yù)后[A];中華醫(yī)學(xué)會(huì)神經(jīng)外科學(xué)分會(huì)第九次學(xué)術(shù)會(huì)議論文匯編[C];2010年

7 王江濤;曲歌;梁建民;賈飛勇;;150例嬰兒痙攣發(fā)作期及發(fā)作間期動(dòng)態(tài)腦電圖分析[A];第三屆CAAE中國(guó)腦電圖和神經(jīng)電生理大會(huì)論文摘要集[C];2012年

8 王為民;石正洪;姚向榮;張放林;馬志海;;癲癇病例的撤藥指標(biāo)與發(fā)作間期SPECT顯像[A];中華醫(yī)學(xué)會(huì)第七次全國(guó)神經(jīng)病學(xué)學(xué)術(shù)會(huì)議論文匯編[C];2004年

9 關(guān)樂(lè);張海琴;苗紹惠;張人玲;;發(fā)作間期SPECT、Video/EEG、MRI定位致癇灶的價(jià)值[A];第三屆（2005年）同位素技術(shù)與應(yīng)用學(xué)術(shù)研討會(huì)會(huì)議文集[C];2005年

10 謝芳芳;王小宜;邢嫵;周高峰;廖偉華;;顳葉癲癇發(fā)作間期的DSC灌注成像和DTI的初步研究[A];中華醫(yī)學(xué)會(huì)第十八次全國(guó)放射學(xué)學(xué)術(shù)會(huì)議論文匯編[C];2011年

相關(guān)博士學(xué)位論文 前3條

1 劉永宏;癲癇發(fā)作期及發(fā)作間期同步EEG-fMRI的研究[D];四川大學(xué);2007年

2 時(shí)霄冰;特發(fā)性夜間額葉癲癇的臨床及分子遺傳學(xué)研究[D];中國(guó)人民解放軍軍醫(yī)進(jìn)修學(xué)院;2007年

3 耿建紅;癲癇患者發(fā)作后血清腺苷酸酶活性的動(dòng)態(tài)變化的研究[D];山東大學(xué);2011年

相關(guān)碩士學(xué)位論文 前10條

1 劉國(guó)權(quán);基于發(fā)作間期EEG的癲癇自動(dòng)診斷系統(tǒng)的研究與設(shè)計(jì)[D];南京郵電大學(xué);2016年

2 馬歡;癲癇發(fā)作間期腦血流灌注功能與腦組織損傷程度相關(guān)性研究[D];蘭州大學(xué);2010年

3 江建東;顳葉癲癇發(fā)作間期腦葡萄糖代謝變化特點(diǎn)及其可能機(jī)制的研究[D];福建醫(yī)科大學(xué);2007年

4 趙斯鈺;抗癲癇藥物長(zhǎng)期控制的部分性癲癇：發(fā)作間期SPECT異常灌注灶修復(fù)與錄像腦電圖變化的臨床研究[D];蘭州大學(xué);2011年

5 陳淦;成人顳葉癲癇發(fā)作間期CT灌注成像的變化[D];南昌大學(xué);2009年

6 陳小剛;癲癇尖波對(duì)Theta節(jié)律動(dòng)態(tài)特性影響的研究[D];河北工業(yè)大學(xué);2011年

7 劉亞青;圍產(chǎn)期或新生兒期異常癲癇患者的臨床、SPECT、V-EEG及影像學(xué)研究[D];蘭州大學(xué);2011年

8 鹿麗;難治性顳葉癲癇患者發(fā)作間期靜息態(tài)fMRI與PET-CT的多模態(tài)研究[D];蚌埠醫(yī)學(xué)院;2014年

9 馮麗;發(fā)作期腦電在難治性顳葉癲癇手術(shù)定位中的研究[D];浙江大學(xué);2013年

10 陳博;YVAD-CHO干預(yù)癲癇動(dòng)物模型的實(shí)驗(yàn)研究[D];重慶醫(yī)科大學(xué);2008年

，

本文編號(hào)：1979224