發(fā)布時間：2021-03-04 20:30

　　目的:基于精神分裂癥聽覺穩(wěn)態(tài)誘發(fā)腦電,運(yùn)用支持向量機(jī)和深度信念網(wǎng)絡(luò)算法建立診斷預(yù)測模型,比較模型在精神分裂癥中的診斷價值。方法:使用Mipower腦電信號采集器采集14名精神分裂癥患者和15名正常對照者的聽覺穩(wěn)態(tài)誘發(fā)腦電信號。從時域和頻域兩個方面分析腦電信號,提取腦電信號在能量、相位、信噪比和微分熵的特征。應(yīng)用基于線性核、徑向基函數(shù)核、sigmoid核的支持向量機(jī)和深度信念網(wǎng)絡(luò)算法構(gòu)建預(yù)測模型,通過準(zhǔn)確率、靈敏度、特異度和ROC曲線下的面積（Areas Underthe ROC curve,AUC）比較四種模型的分類性能。結(jié)果:深度信念網(wǎng)絡(luò)模型的準(zhǔn)確率、靈敏度、特異度、AUC分別為85.6%,88.33%,75.50%,0.88,而基于線性核、徑向基函數(shù)核、sigmoid核的支持向量機(jī)模型準(zhǔn)確率分別是74.6%,78.5%,72.8%,靈敏度分別是 88.30%,92.98%,79.53%,特異度分別是 39.39%,56.57%,42.42%,AUC分別是0.74,0.86,0.71。深度信念網(wǎng)絡(luò)模型分類性能明顯高于三種支持向量機(jī)模型。結(jié)論:上述結(jié)果證明了深度信念網(wǎng)絡(luò)可以學(xué)習(xí)到數(shù)據(jù)的... 

【文章來源】：中國人民解放軍醫(yī)學(xué)院北京市

【文章頁數(shù)】：53 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖２．１大腦皮層分區(qū)圖??

采樣頻率為１０００Ｈｚ。以鼻尖為參考，所采集的樣本數(shù)據(jù)都包括９個導(dǎo)聯(lián)上??（Ｆ３，ＦＺ，Ｆ４，Ｃ３，ＣＺ，Ｃ４，Ｐ３，ＰＺ，Ｐ４）?４？５分鐘的時域數(shù)據(jù)，導(dǎo)聯(lián)位置按照國際慣例１０?￣??２０系統(tǒng)，如圖２．２所示。??２０％?砩?ｐ??ｆ讀曝??ｐｉ＇ｒ?Ｉ??左側(cè)視圖?頂面視圖??圖２．２國際標(biāo)準(zhǔn)１０－２０系統(tǒng)電極放置法??２．３腦電信號的預(yù)處理??腦電信號是一種非線性及非平穩(wěn)信號，并且具有較強(qiáng)的隨機(jī)性。輕微的干擾??１２??

這個子集也稱為支持向量。??３．１?間隔最大化（Ｍａｒｇｉｎ?ｍａｘｉｍｉｚａｔｉｏｎ）??如圖３．１所示，方塊代表的是類１的樣本，圓圈代表的類２的樣本。從原則上??來講，類１和類２兩個樣本可以被無線條直線分隔開，例如圖中的直線Ａ和直線??Ｂ。憑直覺來看，相比于直線Ｂ，直線Ａ似乎可以獲得一個更好的分類效果，因?yàn)??它使類１和類２的樣本盡可能地遠(yuǎn)離分割線，這就是支持向量機(jī)算法的最關(guān)鍵的??概念Ｍ。??、?＊?：??Ａ?＼?：８??＼丨⑩〇??□?＼丨〇??□?□?＼丨?〇?〇??Ｍ?〇??□?＼??□?■丨＼魯〇??□??＊?ｋ??圖３．１?—個二分類問題??上面描述的是個二維平面的二分類問題，在一個多維空間，ＳＶＭ可以找到一??個超平面來獲得這兩類的最大間隔（或邊緣）。不管是哪一個類，最靠近超平面??的這些點(diǎn)被稱為支持向量（圖３．１中實(shí)心的方塊和圓圈）。??１５??

【參考文獻(xiàn)】：
期刊論文
[1]運(yùn)動想象腦電信號特征提取與分類算法研究[J]. 馬也,常天慶,郭理彬.  計(jì)算機(jī)工程與應(yīng)用. 2017(16)
[2]基于深度學(xué)習(xí)的精神分裂癥腦電分析[J]. 尹虹毅.  微型機(jī)與應(yīng)用. 2016(06)
[3]基于EEMD和LS-SVM的癲癇腦電信號識別[J]. 李營,呂兆承.  淮南師范學(xué)院學(xué)報. 2014(03)
[4]說話人識別中支持向量機(jī)核函數(shù)參數(shù)優(yōu)化研究[J]. 劉祥樓,賈東旭,李輝,姜繼玉.  科學(xué)技術(shù)與工程. 2010(07)
[5]An Algorithm for Idle-State Detection and Continuous Classifier Design in Motor-Imagery-Based BCI[J]. Yu Huang,Qiang Wu,Xu Lei,Ping Yang,Peng Xu,and De-Zhong Yao The authors are with the Key Laboratory for NeuroInformation of Ministry of Education,School of Life Science and Technology,University of Electronic Science and Technology of China,Chengdu,610054,China.  Journal of Electronic Science and Technology of China. 2009(01)

碩士論文
[1]基于EEG信號的癲癇發(fā)病預(yù)測的算法研究[D]. 董旭洋.哈爾濱工業(yè)大學(xué) 2015
[2]基于運(yùn)動想象腦電的手臂運(yùn)動功能康復(fù)研究[D]. 崔燕.北京工業(yè)大學(xué) 2013
[3]腦—機(jī)系統(tǒng)中特征提取方法的研究[D]. 張新聞.蘭州理工大學(xué) 2007



本文編號：3063869