本文關鍵詞：基于SVM-HMM混合模型的癲癇信號的特征提取與識別

  更多相關文章： 癲癇 腦電信號 小波變換 支持向量機 隱馬爾科夫鏈

【摘要】：癲癇是由大腦神經(jīng)元突發(fā)性異常放電引起的,使神經(jīng)中樞產(chǎn)生暫時功能性障礙反復性發(fā)作的慢性疾病。針對這種令人無從下手的反復性發(fā)作問題,在臨床醫(yī)學上通過24小時實時監(jiān)控患者腦電信號,醫(yī)生通過觀察腦電信號并通過經(jīng)驗判斷癲癇是否發(fā)作。在學術理論中,癲癇患者的腦電信號也是作為研究的熱點,但是很多對癲癇腦電信號的處理方法都集中在如何獲得更準確的分類效果,在癲癇腦電信號在特征提取以及對于癲癇腦電信號與正常腦電信號的量化差異和物理意義卻無法給出很好的解釋,所以也無法結合臨床醫(yī)學上的實際經(jīng)驗來對信號處理結果進行分析。本文以Bonn大學癲癇EEG信號為研究對象,主要工作有以下幾方面:(1)首先針對癲癇腦電信號特征提取物理意義不明確問題,本文使用根據(jù)小波變換系數(shù)各尺度下對原始信號相似程度的意義對原始信號進行小波變換,提取小波系數(shù)對癲癇病發(fā)腦電信號中的棘慢復合波進行不同頻率尺度下的特征提取,這一過程結合了癲癇病發(fā)的臨床經(jīng)驗,解決特征提取的隨意性。(2)其次,針對癲癇腦電信號在進行臨床診斷的經(jīng)驗性對其進行量化編碼,通過SVM對相似的程度進行分類,并對各個通道的分類結果進行重新編碼,最后通過HMM對新編碼判斷腦電信號的時序狀態(tài)和腦電信號所處狀態(tài)進行分類,通過HMM分類的結果可以追蹤異常信號的頻帶來源,通過對癲癇發(fā)作期間不同頻帶來源的分析我們可以得到癲癇發(fā)作時的準確量化分析。(3)最后,針對以往算法在進行癲癇腦電信號分類時分類結果的不可對臨床經(jīng)驗進行量化分析,以及臨床經(jīng)驗無法引入分析結果的問題,本文結合臨床經(jīng)驗的經(jīng)驗知識與文中提出算法的分類結果相結合,通過量化分析為臨床經(jīng)驗找到可靠的理論基礎,豐富癲癇病發(fā)的臨床診斷經(jīng)驗。解決了以往算法對癲癇腦電信號分類結果的不可對臨床經(jīng)驗進行量化分析,以及癲癇病發(fā)的臨床經(jīng)驗無法引入分析結果的問題。
【關鍵詞】：癲癇 腦電信號 小波變換 支持向量機 隱馬爾科夫鏈
【學位授予單位】：重慶大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：R742.1;TP18
【目錄】：

• 中文摘要3-4
• 英文摘要4-8
• 1 緒論8-12
• 1.1 研究背景與意義8
• 1.2 國內(nèi)外研究現(xiàn)狀8-10
• 1.3 論文要完成的工作10-11
• 1.4 本章小結11-12
• 2 癲癇檢測相關理論12-19
• 2.1 癲癇腦電信號分類理論12-14
• 2.2 腦電信號與癲癇病發(fā)特點14-15
• 2.2.1 腦電信號特點14
• 2.2.2 癲癇病發(fā)的臨床特點14-15
• 2.3 基于臨床特征的癲癇檢測15-18
• 2.3.1 癲癇病發(fā)臨床經(jīng)驗對分類算法的必要性15-16
• 2.3.2 算法構架16-18
• 2.4 本章小結18-19
• 3 基于連續(xù)小波變換的癲癇病發(fā)特征提取19-36
• 3.1 常見癲癇病發(fā)特征提取方法19-20
• 3.2 連續(xù)小波變換20-24
• 3.2.1 小波的定義20
• 3.2.2 基于連續(xù)小波變換的癲癇特征提取20-24
• 3.3 數(shù)值實驗分析24-35
• 3.3.1 實驗數(shù)據(jù)說明24-26
• 3.3.2 實驗結果與分析26-35
• 3.4 本章小結35-36
• 4 癲癇病發(fā)特征向量分類編碼36-46
• 4.1 癲癇病發(fā)特征的特征分類36-37
• 4.2 支持向量機的癲癇特征分類編碼37-40
• 4.2.1 支持向量機理論37-39
• 4.2.2 二進制編碼39-40
• 4.3 數(shù)值實驗分析40-45
• 4.3.1 參數(shù)尋優(yōu)41-43
• 4.3.2 支持向量機訓練43
• 4.3.3 特征編碼43-45
• 4.4 本章小結45-46
• 5 基于隱馬爾科夫鏈的癲癇病發(fā)特征分類46-57
• 5.1 基于隱馬爾科夫鏈的癲癇病發(fā)信號分類46-51
• 5.2 數(shù)值實驗分析51-56
• 5.2.1 臨床經(jīng)驗的量化分析51-54
• 5.2.2 分類正確率分析54-56
• 5.3 本章小結56-57
• 6 總結與展望57-59
• 6.1 本文總結57-58
• 6.2 下一步工作展望58-59
• 致謝59-60
• 參考文獻60-64
• 附錄64
• A. 作者在攻讀碩士學位期間發(fā)表論文與專利64
• B. 作者在攻讀碩士學位期間參與的科研項目64

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 葛丁飛;李小梅;;心電信號多周期融合特征提取和分類研究[J];中國生物醫(yī)學工程學報;2006年06期

2 張紹武;潘泉;趙春暉;程詠梅;;基于加權自相關函數(shù)特征提取法的多類蛋白質同源寡聚體分類研究[J];生物醫(yī)學工程學雜志;2007年04期

3 薛建中,鄭崇勛,閆相國;快速多變量自回歸模型的意識任務的特征提取與分類[J];西安交通大學學報;2003年08期

4 楊曉敏,羅立民;白細胞自動分類中的特征提取和分析[J];北京生物醫(yī)學工程;1992年04期

5 王雙維;樊曉平;廖志芳;;一種激光誘導熒光光譜特征提取新方法[J];計算機工程與應用;2008年12期

6 杜軍平,涂序彥;計算機圖像處理技術在舌像特征提取中的應用[J];中國醫(yī)學影像技術;2003年S1期

7 游佳;陳卉;;數(shù)字圖像中血管的分割與特征提取[J];生物醫(yī)學工程與臨床;2011年01期

8 謝軼峰;;乳腺超聲圖像腫瘤特征提取與腫瘤分類[J];中外醫(yī)療;2013年16期

9 吳澤暉,吳星;醫(yī)學圖象的邊緣特征提取[J];海南師范學院學報(自然科學版);2003年03期

10 楊曉敏，羅立民，，韋鈺;血液白細胞計算機分類中的特征提取研究[J];應用科學學報;1994年02期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 尚修剛;蔣慰孫;;模糊特征提取新算法[A];1997中國控制與決策學術年會論文集[C];1997年

2 潘榮江;孟祥旭;楊承磊;王銳;;旋轉體的幾何特征提取方法[A];第一屆建立和諧人機環(huán)境聯(lián)合學術會議（HHME2005）論文集[C];2005年

3 薛燕;李建良;朱學芳;;人臉識別中特征提取的一種改進方法[A];第十三屆全國圖象圖形學學術會議論文集[C];2006年

4 杜栓平;曹正良;;時間—頻率域特征提取及其應用[A];2005年全國水聲學學術會議論文集[C];2005年

5 黃先鋒;韓傳久;陳旭;周劍軍;;運動目標的分割與特征提取[A];全國第二屆信號處理與應用學術會議專刊[C];2008年

6 魏明果;;方言比較的特征提取與矩陣分析[A];2009系統(tǒng)仿真技術及其應用學術會議論文集[C];2009年

7 林土勝;賴聲禮;;視網(wǎng)膜血管特征提取的拆支跟蹤法[A];1999年中國神經(jīng)網(wǎng)絡與信號處理學術會議論文集[C];1999年

8 秦建玲;李軍;;基于核的主成分分析的特征提取方法與樣本篩選[A];2005年中國機械工程學會年會論文集[C];2005年

9 劉紅;陳光

本文編號：799195