【摘要】：社會壓力越來越大,睡眠呼吸暫停綜合癥、睡眠呼吸障礙等睡眠障礙疾病不斷增加,嚴(yán)重影響了人們的生活和生命健康。同時,此類疾病的隱藏期比較長,如果不進(jìn)行長期監(jiān)測一般難以發(fā)現(xiàn),且一旦發(fā)病便很難治愈。因此,急需找到一種提前預(yù)防和診斷此類疾病的方法。研究表明睡眠分期能夠為睡眠障礙疾病的診斷提供判定性的依據(jù)。這是因為睡眠障礙疾病患者的腦電波與正常人存在顯著差異,兩者各睡眠階段的比例也有很大的不同,因此進(jìn)行睡眠分期研究具有非常重要的臨床意義和應(yīng)用意義。傳統(tǒng)的睡眠分期方法需要大量專業(yè)人員長時間手動提取腦電特征,這一過程不僅費時費力而且也帶有研究人員強烈的主觀意識。卷積神經(jīng)網(wǎng)絡(luò)(Convolutional neural network,CNN)的權(quán)值共享和局部感受野使得其能自動提取腦電特征信號特征,改變了傳統(tǒng)腦電信號分析需要大量人力手動提取腦電特征的缺點。因此,論文從CNN角度出發(fā)探索腦電信號分析方法的新思路,論文的主要研究內(nèi)容如下:(1)原始徑向基神經(jīng)網(wǎng)絡(luò)(Radial Basis Function,RBF)在選擇初始網(wǎng)絡(luò)中心點時往往依賴研究人員的經(jīng)驗,此外,網(wǎng)絡(luò)寬度經(jīng)初始化設(shè)置后,便不再修改,兩者容易導(dǎo)致網(wǎng)絡(luò)的計算復(fù)雜度高。針對上述不足,論文設(shè)計了一種改進(jìn)RBF神經(jīng)網(wǎng)絡(luò),首先,引入了密度的思想進(jìn)行初始中心點的選擇,若樣本點的密度越大,其最終作為分類中心點的幾率越高,這樣便可準(zhǔn)確、高效地選擇網(wǎng)絡(luò)中心點。其次,使用“3?”法則的寬度代替最大網(wǎng)絡(luò)寬度,有效地降低了算法的計算復(fù)雜度。該方法的睡眠分期準(zhǔn)確度較原始RBF及其它方法有了明顯的提升。(2)原始雙譜分析存在特征均值化的不足,易導(dǎo)致分類特征區(qū)分度不明顯。因此,論文設(shè)計了一種基于頻域的改進(jìn)雙譜分析方法。先計算多個頻道下每30秒腦電數(shù)據(jù)的雙譜估計特征和頻域范圍,然后選擇出現(xiàn)次數(shù)最高的頻域范圍,對其雙譜估計特征進(jìn)行均值計算。該方法不僅降低了算法的復(fù)雜度,而且提高了睡眠分期準(zhǔn)確度。(3)CNN在提取腦電特征時容易受到數(shù)據(jù)分割大小的影響,若時間分割過短,則會導(dǎo)致特征不明確,反之,則容易引起特征模糊。針對上述不足,論文將細(xì)粒度分割原則與CNN相結(jié)合提出了一種改進(jìn)CNN。首先,針對腦電信號設(shè)計了一個七層的CNN,它包含一個輸出層,兩對卷積層和降采樣層,一個全連接層和一個輸出層。其次,確定細(xì)粒度分割程度的大小k,即將當(dāng)前的睡眠階段和后續(xù)的k-1個睡眠階段重新組合成新的腦電序列,然后將重新組合成的新腦電序列代入設(shè)計好的CNN,并根據(jù)睡眠分期準(zhǔn)確度得出最合適的細(xì)粒度分割大小。該方法一方面解決了傳統(tǒng)腦電信號分析的不足,另一方面,該方法的睡眠分期準(zhǔn)確度較原始的CNN及其他方法有了明顯的提升。實驗結(jié)果表明以上三種方法均有效地提高了腦電信號分析效率,為睡眠障礙疾病的診斷提供了更有效的依據(jù),也為腦電信號分析提供了一個嶄新的思路。
【學(xué)位授予單位】：山東師范大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：TP183;TN911.7;R318
【圖文】：

圖 2-1 RBF 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖般有一個輸入層，多個隱層和一個輸出層。其中，輸入層負(fù)責(zé)接數(shù)據(jù)也可以是離散型數(shù)據(jù)[42]。隱層節(jié)點采用激勵函數(shù)將輸入與下傳遞給下一個隱層，直到最后的輸出層。結(jié)構(gòu)如圖 2-2 所示。可以看出，相鄰層的神經(jīng)元之間是全連接的，并且每個神經(jīng)元都擁有自己的激勵函數(shù)，MLP 的激勵函數(shù)與輸出層和隱層都是非線性的，所以在選擇激勵函數(shù)時，需要選擇id 函數(shù)，tanh 函數(shù)，ReLU 函數(shù)等等。MLP 可以應(yīng)用于多分類，進(jìn)行預(yù)測。

MLP結(jié)構(gòu)

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 韋曉燕;陳子怡;周毅;;基于多尺度排列熵的腦電信號分類[J];中國數(shù)字醫(yī)學(xué);2019年05期

2 王曉麗;;基于深度學(xué)習(xí)的癲癇腦電信號分析與預(yù)測[J];長春大學(xué)學(xué)報;2019年06期

3 王薇蓉;張雪英;孫穎;暢江;;關(guān)于腦電信號的情感優(yōu)化識別仿真[J];計算機(jī)仿真;2018年06期

4 郭婷儀;李素芳;鐘桂仙;曾佳璇;周酥;;基于腦電信號的耳鳴識別算法研究[J];科技傳播;2018年13期

5 左晶;萬小勤;羅楊;鄭斌;陳斌林;任祥花;;癲癇腦電信號的相關(guān)性分析[J];電子世界;2017年05期

6 張娜;唐賢倫;劉慶;;基于半監(jiān)督學(xué)習(xí)的腦電信號特征提取及識別[J];工程科學(xué)與技術(shù);2017年S2期

7 石喬莉;王延輝;李信政;;基于腦電信號的駕駛疲勞的研究[J];世界最新醫(yī)學(xué)信息文摘;2017年55期

8 王恒;李念強;齊鵬沖;;運動想象腦電信號特征的提取與分類[J];工業(yè)控制計算機(jī);2015年02期

9 李亞杰;宋明星;張玉棟;;腦電信號采集系統(tǒng)的設(shè)計[J];河北建筑工程學(xué)院學(xué)報;2014年01期

10 蔡超峰;張勇;郭舒婷;姜利英;;思維腦電信號的關(guān)聯(lián)維數(shù)分析[J];河南科技大學(xué)學(xué)報(自然科學(xué)版);2012年01期

相關(guān)會議論文 前10條

1 薛蘊全;王秋英;王宏;;腦電信號的動態(tài)時空響應(yīng)拓?fù)鋱D[A];中國儀器儀表學(xué)會第三屆青年學(xué)術(shù)會議論文集（上）[C];2001年

2 王裕清;粱平;郭付清;張登攀;;腦電信號診斷專家系統(tǒng)的研究[A];中國生理學(xué)會第21屆全國代表大會暨學(xué)術(shù)會議論文摘要匯編[C];2002年

3 李凌;曾慶寧;堯德中;;利用兩級抗交叉串?dāng)_自適應(yīng)濾波器提取誘發(fā)腦電信號[A];中國生物醫(yī)學(xué)工程學(xué)會第六次會員代表大會暨學(xué)術(shù)會議論文摘要匯編[C];2004年

4 朱林劍;包海濤;孫守林;梁豐;;新型腦電信號采集方法與應(yīng)用研究[A];大連理工大學(xué)生物醫(yī)學(xué)工程學(xué)術(shù)論文集（第2卷）[C];2005年

5 張丹丹;丁海艷;侯新琳;葉大田;;新生豬缺氧缺血實驗中腦電信號的偽差分析[A];中國生物醫(yī)學(xué)工程進(jìn)展——2007中國生物醫(yī)學(xué)工程聯(lián)合學(xué)術(shù)年會論文集（上冊）[C];2007年

6 葛家怡;周鵬;王明時;;睡眠腦電信號樣本熵的研究[A];中國生物醫(yī)學(xué)工程進(jìn)展——2007中國生物醫(yī)學(xué)工程聯(lián)合學(xué)術(shù)年會論文集（下冊）[C];2007年

7 胡楠;徐進(jìn);鄭崇勛;;不同麻醉深度下腦電信號的復(fù)雜度研究[A];中國生物醫(yī)學(xué)工程進(jìn)展——2007中國生物醫(yī)學(xué)工程聯(lián)合學(xué)術(shù)年會論文集（下冊）[C];2007年

8 歐陽軼;鄭崇勛;張崇;;基于腦電小波熵的生理性精神疲勞分析[A];中國生物醫(yī)學(xué)工程進(jìn)展——2007中國生物醫(yī)學(xué)工程聯(lián)合學(xué)術(shù)年會論文集（下冊）[C];2007年

9 許濤;朱林劍;包海濤;;基于思維腦電信號的假手的研究[A];提高全民科學(xué)素質(zhì)、建設(shè)創(chuàng)新型國家——2006中國科協(xié)年會論文集（下冊）[C];2006年

10 童珊;黃華;陳槐卿;;混沌理論在腦電信號分析中的應(yīng)用[A];中國生物醫(yī)學(xué)工程學(xué)會第六次會員代表大會暨學(xué)術(shù)會議論文摘要匯編[C];2004年

相關(guān)重要報紙文章 前6條

1 記者 張夢然;腦電信號神經(jīng)反饋訓(xùn)練可增強抗壓性[N];科技日報;2018年

2 科學(xué)作者 譯者 猛瑪;如何做到真正的因材施教[N];電腦報;2016年

3 本報記者 張曉鳴;用腦電波開車，這不是開玩笑[N];文匯報;2015年

4 本報特約撰稿人 陸志城;我思，故我動[N];醫(yī)藥經(jīng)濟(jì)報;2003年

5 蘭順正;讓人與機(jī)器連接更便捷[N];中國國防報;2019年

6 本報記者 馮海波 通訊員 劉慧嬋 祝和平;大學(xué)生創(chuàng)意閃耀的舞臺[N];廣東科技報;2011年

相關(guān)博士學(xué)位論文 前10條

1 張濤;基于模糊分布熵和復(fù)值模糊分布熵的癲癇腦電信號自動分類算法研究[D];吉林大學(xué);2019年

2 李明陽;基于復(fù)合域分析的癲癇腦電信號檢測算法研究[D];吉林大學(xué);2018年

3 韓凌;腦電信號同步分析及癲癇發(fā)作預(yù)測方法研究[D];東北大學(xué);2016年

4 趙麗;基于腦電信號的腦-機(jī)接口技術(shù)研究[D];天津大學(xué);2004年

5 繆曉波;基于腦電信號的認(rèn)知動力學(xué)系統(tǒng)研究——線性/非線性方法及動態(tài)時—頻—空分析[D];重慶大學(xué);2004年

6 徐鵬;信號的稀疏分解及其在腦電信號處理中的應(yīng)用研究[D];電子科技大學(xué);2006年

7 伍亞舟;基于想象左右手運動思維腦電BCI實驗及識別分類研究[D];第三軍醫(yī)大學(xué);2007年

8 唐艷;基于時間、頻率和空間域的自發(fā)腦電信號提取[D];中南大學(xué);2008年

9 陳東偉;非線性動力學(xué)、因果腦網(wǎng)絡(luò)與聚類穩(wěn)定性在腦電信號分析中的應(yīng)用研究[D];太原理工大學(xué);2015年

10 馬小飛;認(rèn)知任務(wù)下的腦電動力學(xué)分析[D];南京大學(xué);2017年

相關(guān)碩士學(xué)位論文 前10條

1 肖文卿;基于小波變換的小鼠癲癇模型腦電信號自動分類[D];南方醫(yī)科大學(xué);2019年

2 李昕迪;基于小波分析與GBDT算法的癲癇檢測[D];吉林大學(xué);2019年

3 路遙;基于深度學(xué)習(xí)的情感計算若干問題研究[D];中央民族大學(xué);2019年

4 陳侃;腦電信號采集及分類算法研究[D];深圳大學(xué);2018年

5 劉培軍;基于STM32的腦電信號采集系統(tǒng)的設(shè)計與實現(xiàn)[D];天津工業(yè)大學(xué);2019年

6 何悅;基于腦電信號的視聽誘發(fā)情緒識別研究[D];武漢理工大學(xué);2018年

7 尚彬彬;基于腦電信號的顱內(nèi)壓檢測研究[D];鄭州大學(xué);2019年

8 李坤森;基于粒子群的RBF神經(jīng)網(wǎng)絡(luò)的癲癇腦電信號分類研究[D];廈門大學(xué);2017年

9 吳澗柯;基于對抗神經(jīng)網(wǎng)絡(luò)的腦電情緒識別[D];浙江大學(xué);2019年

10 熊朝坤;基于腦電信號的便攜式注意力檢測系統(tǒng)設(shè)計與實現(xiàn)[D];哈爾濱理工大學(xué);2019年

本文編號：2720563