隨著腦科學(xué)研究的發(fā)展,精準的腦電信號識別不僅可以幫助醫(yī)生進行疾病的診治,同時可以幫助患者進行疾病的預(yù)測。但是腦電信號的分類研究中仍存在算法復(fù)雜度過高導(dǎo)致不適合應(yīng)用于可穿戴設(shè)備中、樣本量太少導(dǎo)致分類效果差、數(shù)據(jù)類別不平衡導(dǎo)致性能不穩(wěn)定等問題。如何解決腦電信號識別面臨的這些關(guān)鍵問題成為推動腦科學(xué)進一步發(fā)展的重要因素。本文首先分析了腦電信號識別面臨的主要問題,同時在了解國內(nèi)外研究現(xiàn)狀的基礎(chǔ)上,通過提出相應(yīng)的算法來依次解決上述提到的三個問題。首先,本文在小波分解得到的多個子頻帶上提取多種不同類型的時頻特征進而組成特征集合,并提出改進的基于相關(guān)性的特征選擇算法,同時將其應(yīng)用于特征集合上進一步獲得最優(yōu)特征集,并采用五種分類器對癲癇病患者的發(fā)作期、發(fā)作間期以及正常腦電信號進行三分類識別。最終使用波恩大學(xué)癲癇數(shù)據(jù)集來驗證算法的真實性能,其中邏輯模型樹的識別結(jié)果最佳,達到了97.2%的分類準確率。該算法通過減少冗余的特征數(shù)目,從而達到降低算法復(fù)雜度的同時提高分類精度的目的。此外,我們實現(xiàn)了一個基于共空間模式算法和卷積神經(jīng)網(wǎng)絡(luò)的癲癇模型。由于癲癇預(yù)測數(shù)據(jù)存在發(fā)作前期數(shù)據(jù)和發(fā)作間期數(shù)據(jù)處于極度不平衡的問題。... 

【文章來源】：濟南大學(xué)山東省

【文章頁數(shù)】：65 頁

【學(xué)位級別】：碩士

【部分圖文】：

δ波、θ波、α波、β波示意圖

圖 1.2 21 導(dǎo)聯(lián)的 10-20 腦電定位系統(tǒng)。容和組織結(jié)構(gòu)為五章，圍繞腦電信號的識別分類研究這一主題癲癇預(yù)測三個方面進行闡述，并分別提出了改進考慮的問題，每章的主要內(nèi)容安排如下：。介紹本課題的研究背景和意義，介紹了 EEG 方法，并說明了本論文的主要內(nèi)容和組織結(jié)構(gòu)。進的相關(guān)性的特征選擇算法的癲癇自動識別。并將其應(yīng)用于癲癇檢測三分類識別中。空間模式算法和卷積神經(jīng)網(wǎng)絡(luò)（Convolutional N。對比現(xiàn)有癲癇預(yù)測方法，針對癲癇預(yù)測數(shù)據(jù)集

第二章 癲癇檢測識別癇檢測相關(guān)工作癇俗稱“羊癲風(fēng)”或“羊角風(fēng)”，由于部分神經(jīng)元的異常放電導(dǎo)致大腦短暫功嚴重的同時很難治愈的慢性疾病[33,34]。癲癇發(fā)作通常表現(xiàn)為突然、短暫的動作中止不動，兩眼呆滯等。長時間的癲癇發(fā)作會使患者長期處于緊張焦響其身心發(fā)展及精神健康。其中包括：（1）嚴重影響生命安全。由于癲癇突然，無法預(yù)料的，所以發(fā)作會導(dǎo)致患者燙傷、摔傷，嚴重者會出現(xiàn)溺水2）容易患有精神疾病。癲癇患者長期在學(xué)業(yè)、就業(yè)以及工作中受到歧視響其精神的健康發(fā)展。（3）使得智力下降、并出現(xiàn)記憶障礙，可能最終導(dǎo)力[35,36]。癲癇腦電波主要包括尖波、棘波、尖慢復(fù)合波及棘慢復(fù)合波等[3如圖 2.1 所示。

【參考文獻】：
期刊論文
[1]頭皮腦電采集技術(shù)研究[J]. 張發(fā)華,舒琳,邢曉芬.  電子技術(shù)應(yīng)用. 2017(12)
[2]立體定向腦電圖對頭皮腦電提示雙側(cè)顳葉癲癇的評估研究[J]. 王麗輝,劉強強,徐紀文,周洪語,葉曉來,趙晨杰,馬軍峰,洪婧.  中華神經(jīng)外科雜志. 2017 (06)
[3]視頻腦電圖在癲癇的診斷和定位中的作用研究[J]. 王偉,徐洪波,賀強貴,程水兵,謝先海,吳廣宇.  中華全科醫(yī)學(xué). 2015(10)
[4]在單一模式和雙模式刺激下gamma節(jié)律與ERP的同步效應(yīng)[J]. 王明時,劉瑾,諸強,陳韻.  生物醫(yī)學(xué)工程學(xué)雜志. 2005(05)
[5]迷走神經(jīng)刺激術(shù)對七例頑固性癲癇患者腦電波影響的長期觀察[J]. 劉玉璽,石志杰,閆麗紅,徐海濤,閆月娥.  中華神經(jīng)科雜志. 1999(03)

博士論文
[1]基于腦電信號分析的激勵理論中內(nèi)在與外在動機的機理研究[D]. 金佳.浙江大學(xué) 2014
[2]基于腦電信號的腦—機接口的關(guān)鍵技術(shù)與實驗研究[D]. 葉檸.東北大學(xué) 2010

碩士論文
[1]基于盲源分離的P300腦機接口信號處理算法研究[D]. 信思旭.燕山大學(xué) 2016
[2]基于混沌的癲癇腦電波分析與識別[D]. 王川.山東師范大學(xué) 2015
[3]基于EEG信號的腦力疲勞檢測方法的研究[D]. 潘屏萍.廣西大學(xué) 2014
[4]基于漢語聽覺認知的事件相關(guān)電位的研究[D]. 沈江濤.河北工業(yè)大學(xué) 2011



本文編號：3613055