【摘要】：癲癇是一種由于大腦神經(jīng)元異常地、過度地放電所引起的慢性神經(jīng)疾病。癲癇所帶來的生理和病理的傷害時刻影響著患者的日常生活。腦電圖可以收集腦部的放電活動,已經(jīng)成為臨床中癲癇診斷的可靠工具。然而,大量的腦電圖檢測記錄需要由具有豐富經(jīng)驗的專家靠視覺完成診斷。因此,可以建立一個自動癲癇檢測系統(tǒng)來減輕專家的壓力。此外,僅有75%的癲癇患者可以通過抗驚厥藥物或手術治愈。剩余25%的患者只能在日常生活中遭受不可控的癲癇的困擾。因此,一個可靠的癲癇預測系統(tǒng)不僅可以提高他們的生活質量,還可以促進新的治療方法的發(fā)展,例如植入式給藥、神經(jīng)電刺激療法等。在本文中首先提出用核概率協(xié)作表示來檢測癲癇腦電信號。對于腦電測試樣本,該算法可以最大化其屬于各個類別的最大概率,并且核方法可以將腦電信號映射到高維空間來克服其在原始空間線性不可分的問題。離散小波變換和微分算子首先被用來處理原始腦電信號。然后基于核概率協(xié)作表示用訓練樣本協(xié)作表示出測試樣本,通過核對哪個類別具有最大的概率也就是具有最小的表示殘差,最終決定其歸屬類別。最后采用后處理技術來減少誤判點且獲得更加穩(wěn)定的結果。本文利用兩個公開的腦電數(shù)據(jù)庫來衡量所提出算法的性能,并取得了優(yōu)異的結果。在本文中還提出用局部均值分解和卷積神經(jīng)網(wǎng)絡來實現(xiàn)癲癇預測。首先,采用局部均值分解將腦電信號分解為一系列的乘積函數(shù),并選取第2、3、4個乘積函數(shù)送入到卷積神經(jīng)網(wǎng)絡中自動地進行特征提取。為了保留所提取特征中具有代表性的信息,采用主成分分析去除其中的冗余特征。然后,將這些已處理特征送入到貝葉斯線性判別分析中確定其屬于發(fā)作前期還是間歇期。最后,采用后處理技術來減少誤報的次數(shù)。所提出的算法在包含有21位患者腦電數(shù)據(jù)的Freiburg數(shù)據(jù)庫來評估其性能,并且取得了87.7%的敏感度和0.25/h的誤報率。實驗結果表明所提出的算法遠高于隨機預測的準確率,并且可能成為潛在的臨床癲癇預測的方法。本文所提出的癲癇自動檢測和預測技術有助于促進該領域在腦電信號的概率協(xié)作表示及利用深度學習自動提取特征方向進行進一步地研究,也有助于促進相關理論的發(fā)展及檢測和預測算法在臨床應用領域的研究。本文所提出的算法有待于在更多實際的腦電數(shù)據(jù)上進行測試,更加全面地驗證其臨床應用的可行性。
【學位授予單位】：山東師范大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：R742.1;TN911.7
【圖文】：

致病灶的位置，但是腦電圖在臨床應用中還是有其不可替代的重要地位，甚至在癇診斷中起著決定性作用。傳統(tǒng)的診斷癲癇的方法是由醫(yī)生通過視覺對腦電圖進行觀察并做出最后的診和用藥方案，對于觀察長程腦電圖來說，這無疑是一個艱苦且無聊的過程。此外診斷過程很容易受到醫(yī)生主觀因素的影響，并且隨著醫(yī)生觀察時間的增加，其觀度也會受到一定的影響。對于一些個別的癲癇發(fā)作，如果其表現(xiàn)在腦電圖上的可識別的特征不明顯時，很容易造成醫(yī)生漏判。利用機器學習和信號處理的方法，捉到腦電圖信號中一些隱含的不易被人眼識別的特征，利用這些特征可以有效地癲癇發(fā)作和不發(fā)作時所對應的腦電信號的區(qū)別，從而進一步提高癲癇自動檢測算確率。因此，發(fā)展一套計算機輔助的癲癇自動檢測系統(tǒng)來減輕醫(yī)療工作者的工作現(xiàn)實中有著十分迫切的需求。一套精確且具有實時性的癲癇自動檢測系統(tǒng)對于閉激療法的發(fā)展具有重要的促進作用，電刺激療法是在癲癇發(fā)作的開始時刻對患者經(jīng)（如迷走神經(jīng)）進行電刺激，從而達到抑制癲癇發(fā)作的目的，其過程如圖 1.1 所

山東師范大學碩士畢業(yè)論文然終止，在振幅上明顯區(qū)別于背景波，其多出現(xiàn)在癲癇病人的腦電圖信號中，疾病亦可產生此種波形。 癲癇自動檢測與預測框架臨床上所采集到的癲癇患者的腦電信號一般具有四個不同的時期，即發(fā)作間歇前期、發(fā)作期和發(fā)作后期。癲癇檢測和癲癇預測雖然最終所實現(xiàn)的目的不同，具有相似的框架結構，區(qū)別在于癲癇檢測是對非發(fā)作期（包括發(fā)作間期、發(fā)作作后期）和發(fā)作期腦電數(shù)據(jù)進行分類，而癲癇預測是對發(fā)作間期信號和發(fā)作前行分類。癲癇檢測與癲癇預測的框架如圖 1.2 所示：

【相似文獻】

相關期刊論文 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;2019年05期

2 王曉麗;;基于深度學習的癲癇腦電信號分析與預測[J];長春大學學報;2019年06期

3 王薇蓉;張雪英;孫穎;暢江;;關于腦電信號的情感優(yōu)化識別仿真[J];計算機仿真;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)督學習的腦電信號特征提取及識別[J];工程科學與技術;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;2015年02期

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

10 蔡超峰;張勇;郭舒婷;姜利英;;思維腦電信號的關聯(lián)維數(shù)分析[J];河南科技大學學報(自然科學版);2012年01期

相關會議論文 前10條

1 薛蘊全;王秋英;王宏;;腦電信號的動態(tài)時空響應拓撲圖[A];中國儀器儀表學會第三屆青年學術會議論文集（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];中國生理學會第21屆全國代表大會暨學術會議論文摘要匯編[C];2002年

3 李凌;曾慶寧;堯德中;;利用兩級抗交叉串擾自適應濾波器提取誘發(fā)腦電信號[A];中國生物醫(yī)學工程學會第六次會員代表大會暨學術會議論文摘要匯編[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用研究[A];大連理工大學生物醫(yī)學工程學術論文集（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)學工程進展——2007中國生物醫(yī)學工程聯(lián)合學術年會論文集（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)學工程進展——2007中國生物醫(yī)學工程聯(lián)合學術年會論文集（下冊）[C];2007年

7 胡楠;徐進;鄭崇勛;;不同麻醉深度下腦電信號的復雜度研究[A];中國生物醫(yī)學工程進展——2007中國生物醫(yī)學工程聯(lián)合學術年會論文集（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)學工程進展——2007中國生物醫(yī)學工程聯(lián)合學術年會論文集（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];提高全民科學素質、建設創(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用[A];中國生物醫(yī)學工程學會第六次會員代表大會暨學術會議論文摘要匯編[C];2004年

相關重要報紙文章 前6條

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

2 科學作者 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)濟報;2003年

5 蘭順正;讓人與機器連接更便捷[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;大學生創(chuàng)意閃耀的舞臺[N];廣東科技報;2011年

相關博士學位論文 前10條

1 張濤;基于模糊分布熵和復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;2019年

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

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

4 趙麗;基于腦電信號的腦-機接口技術研究[D];天津大學;2004年

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

6 徐鵬;信號的稀疏分解及其在腦電信號處理中的應用研究[D];電子科技大學;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;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;2008年

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

10 馬小飛;認知任務下的腦電動力學分析[D];南京大學;2017年

相關碩士學位論文 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;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;2019年

3 路遙;基于深度學習的情感計算若干問題研究[D];中央民族大學;2019年

4 程松;基于腦電信號的駕駛員疲勞預警研究[D];西安科技大學;2017年

5 李曉博;腦電信號的睡眠分期方法研究[D];電子科技大學;2019年

6 蘇晴;基于EEG分析的音樂類型對學習記憶影響的研究[D];河北工業(yè)大學;2017年

7 陳侃;腦電信號采集及分類算法研究[D];深圳大學;2018年

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

9 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;2018年

10 尚彬彬;基于腦電信號的顱內壓檢測研究[D];鄭州大學;2019年

本文編號：2732968