【摘要】：腦卒中是一種臨床上常見(jiàn)的腦部疾病,每年由它導(dǎo)致的死亡人數(shù)占有很大的比例,同時(shí)也使許多患者身患?xì)埣?這給患者及其家人帶來(lái)了極大的痛苦和沉重的經(jīng)濟(jì)壓力。相對(duì)于腦卒中繁瑣的化驗(yàn)和診斷方法,對(duì)腦卒中病人的腦電信號(hào)選取合適的特征提取方法,找出有效的分類(lèi)模型來(lái)對(duì)卒中病人進(jìn)行分類(lèi),不但能提高智能預(yù)測(cè)水平,而且還能提供更加準(zhǔn)確的診斷結(jié)果,從而更利于醫(yī)務(wù)人員為患者制定詳細(xì)的治療措施。腦卒中主要包括出血性及缺血性卒中兩種。要根據(jù)腦卒中腦電信號(hào)實(shí)現(xiàn)卒中的有效分類(lèi),可首先對(duì)腦卒中腦電信號(hào)提取有效特征,再根據(jù)提取的特征采用合適的分類(lèi)模型進(jìn)行卒中類(lèi)型的分類(lèi)識(shí)別。目前對(duì)于兩類(lèi)腦卒中腦電信號(hào)特征提取的研究較少,為此,本文首先引入了一種基于分層熵特征的腦卒中腦電信號(hào)的特征提取方法,然后提出了一種基于小波包能量與近似熵特征相融合的特征提取方法,同時(shí)還在此基礎(chǔ)上單獨(dú)提取α波段的腦電信號(hào)進(jìn)行特征提取,有效提高了分類(lèi)準(zhǔn)確率。分類(lèi)模型構(gòu)建方面,對(duì)比研究了將支持向量機(jī)、決策樹(shù)以及隨機(jī)森林算法應(yīng)用于腦卒中腦電信號(hào)分類(lèi)識(shí)別的分類(lèi)性能。本文所做的工作主要有以下幾點(diǎn):第一:引入了一種單一熵特征值的腦卒中腦電信號(hào)特征提取方法,將小波包分解與熵特征相結(jié)合來(lái)提取兩類(lèi)腦卒中腦電信號(hào)的四種分層熵特征值作為特征向量,并將其輸入支持向量機(jī)模型進(jìn)行分類(lèi)識(shí)別。實(shí)驗(yàn)結(jié)果表明,本文采用的分層熵特征提取方法較分層前可以大大提高兩類(lèi)腦卒中腦電信號(hào)的分類(lèi)準(zhǔn)確率,其中采用分層模糊熵作為特征時(shí),分類(lèi)識(shí)別效果最優(yōu),這為腦卒中臨床的智能診斷識(shí)別提供了一種較為可靠的依據(jù)。第二:提出了一種基于小波包能量與近似熵特征相融合的腦卒中腦電信號(hào)特征提取方法,首先提取腦電信號(hào)的小波包能量并用主成分分析法進(jìn)行降維,再與近似熵特征相融合,最后將其輸入支持向量機(jī)模型進(jìn)行分類(lèi)識(shí)別。此外,在此基礎(chǔ)上單獨(dú)提取α波段腦電信號(hào)對(duì)應(yīng)特征進(jìn)行分類(lèi)識(shí)別來(lái)有效提高腦卒中腦電信號(hào)的分類(lèi)準(zhǔn)確率。實(shí)驗(yàn)結(jié)果表明,單獨(dú)提取α波段的腦電信號(hào)采用小波包能量與近似熵相融合的多特征相融合方法比直接對(duì)原始腦電信號(hào)進(jìn)行特征提取而后分類(lèi)有更優(yōu)的分類(lèi)效果,而且與分層熵特征相比較所得到的分類(lèi)準(zhǔn)確率更高。由此可見(jiàn),本文所提出的多特征融合方法是有效的,也進(jìn)一步證明了腦卒中腦電信號(hào)的α波段的復(fù)雜度與卒中病程相關(guān)。第三:為了進(jìn)一步提高腦卒中腦電信號(hào)的分類(lèi)識(shí)別率,本文進(jìn)一步對(duì)比了支持向量機(jī)、決策樹(shù)以及隨機(jī)森林算法分別作為識(shí)別模型時(shí)的識(shí)別性能。實(shí)驗(yàn)結(jié)果表明,在三種分類(lèi)識(shí)別模型中,對(duì)腦卒中腦電信號(hào)的分層熵特征以及小波包能量與近似熵相融合的多特征而言,隨機(jī)森林作為腦卒中腦電信號(hào)的分類(lèi)模型,可獲得最優(yōu)的分類(lèi)識(shí)別性能。
【學(xué)位授予單位】：太原理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類(lèi)號(hào)】：R743.3;TN911.7
【圖文】：

最后簡(jiǎn)要闡述了兩種經(jīng)典分類(lèi)算法的識(shí)別原理。信號(hào)概述的結(jié)構(gòu)和功能半球的表面有彎曲的溝，稱(chēng)為腦溝，中間凸起來(lái)的部分稱(chēng)為腦回[51] 2-1 所示。從圖中可以看出大腦的前腦有端腦和間腦組成，其中端腦統(tǒng)的重要組成部分，它包括左半球和右半球，二者是由胼胝體連接球主要是來(lái)主導(dǎo)人身體右半邊的活動(dòng)，有語(yǔ)言、數(shù)字等功能；右半球邊的活動(dòng)，右腦主要具有想象、空間幾何、綜合、以及繪畫(huà)等多種功不可少的器官，在中樞神經(jīng)系統(tǒng)里，大腦是最高部位，復(fù)雜性高，也能的器官，是人們?nèi)粘Ｓ洃�、學(xué)習(xí)等各種活動(dòng)的物質(zhì)基礎(chǔ)。

ansBerger 首次記錄到了大腦的電生理活動(dòng)[54]。腦腦頭皮接觸，并將頭皮上自發(fā)產(chǎn)生的有節(jié)律的生理電圖記錄的是腦部活動(dòng)表現(xiàn)出來(lái)的波形，它不僅病理特征，此外還可以反映出因?yàn)槿梭w代謝紊亂經(jīng)系統(tǒng)發(fā)生的改變。通過(guò)腦電圖記錄儀檢測(cè)出來(lái)的，在檢測(cè)過(guò)程中，根分為以下三種：深部、皮層以及頭皮腦電圖，但它以反映出大腦內(nèi)部進(jìn)行的活動(dòng)。實(shí)際檢測(cè)中，我們這種腦電圖操作方法簡(jiǎn)單便捷，在檢測(cè)時(shí)只需要將圖的過(guò)程不會(huì)給被試者留下創(chuàng)傷。但是這種方法得大等處理過(guò)程來(lái)減少檢測(cè)過(guò)程中外界噪聲對(duì)其造

圖 2-3 腦電波各頻率段的波形圖Figure 2-3 The waveforms of different frequency segments of brain waves號(hào)的時(shí)頻分析方法換(Wavelet Transform，WT)作為一種新型的信號(hào)處理方法，不僅解出現(xiàn)的難題，在與短時(shí)傅里葉變換(STFT)相比較時(shí)也能凸顯出適應(yīng)不同的信號(hào)，它能夠提供一個(gè)隨頻率改變的“時(shí)間-頻率”窗口WT 占據(jù)著不可或缺的位置，它經(jīng)常被用在圖像的去噪以及融合波變換可分成以下兩種變換。續(xù)小波變換

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王曉麗;;基于深度學(xué)習(xí)的癲癇腦電信號(hào)分析與預(yù)測(cè)[J];長(zhǎng)春大學(xué)學(xué)報(bào);2019年06期

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

3 王薇蓉;張雪英;孫穎;暢江;;關(guān)于腦電信號(hào)的情感優(yōu)化識(shí)別仿真[J];計(jì)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(hào)的耳鳴識(shí)別算法研究[J];科技傳播;2018年13期

5 左晶;萬(wàn)小勤;羅楊;鄭斌;陳斌林;任祥花;;癲癇腦電信號(hào)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(hào)特征提取及識(shí)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(hào)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(qiáng);齊鵬沖;;運(yùn)動(dòng)想象腦電信號(hào)特征的提取與分類(lèi)[J];工業(yè)控制計(jì)算機(jī);2015年02期

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

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

相關(guān)會(huì)議論文 前10條

1 薛蘊(yùn)全;王秋英;王宏;;腦電信號(hào)的動(dòng)態(tài)時(shí)空響應(yīng)拓?fù)鋱D[A];中國(guó)儀器儀表學(xué)會(huì)第三屆青年學(xué)術(shù)會(huì)議論文集（上）[C];2001年

2 王裕清;粱平;郭付清;張登攀;;腦電信號(hào)診斷專(zhuān)家系統(tǒng)的研究[A];中國(guó)生理學(xué)會(huì)第21屆全國(guó)代表大會(huì)暨學(xué)術(shù)會(huì)議論文摘要匯編[C];2002年

3 李凌;曾慶寧;堯德中;;利用兩級(jí)抗交叉串?dāng)_自適應(yīng)濾波器提取誘發(fā)腦電信號(hào)[A];中國(guó)生物醫(yī)學(xué)工程學(xué)會(huì)第六次會(huì)員代表大會(huì)暨學(xué)術(shù)會(huì)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(hào)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(shí)驗(yàn)中腦電信號(hào)的偽差分析[A];中國(guó)生物醫(yī)學(xué)工程進(jìn)展——2007中國(guó)生物醫(yī)學(xué)工程聯(lián)合學(xué)術(shù)年會(huì)論文集（上冊(cè)）[C];2007年

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

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

8 歐陽(yáng)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(guó)生物醫(yī)學(xué)工程進(jìn)展——2007中國(guó)生物醫(yī)學(xué)工程聯(lián)合學(xué)術(shù)年會(huì)論文集（下冊(cè)）[C];2007年

9 許濤;朱林劍;包海濤;;基于思維腦電信號(hào)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(guó)家——2006中國(guó)科協(xié)年會(huì)論文集（下冊(cè)）[C];2006年

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

相關(guān)重要報(bào)紙文章 前5條

1 記者 張夢(mèng)然;腦電信號(hào)神經(jīng)反饋訓(xùn)練可增強(qiáng)抗壓性[N];科技日?qǐng)?bào);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(bào);2016年

3 本報(bào)記者 張曉鳴;用腦電波開(kāi)車(chē)，這不是開(kāi)玩笑[N];文匯報(bào);2015年

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

5 本報(bào)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(tái)[N];廣東科技報(bào);2011年

相關(guān)博士學(xué)位論文 前10條

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

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

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

4 繆曉波;基于腦電信號(hào)的認(rèn)知?jiǎng)恿W(xué)系統(tǒng)研究——線性/非線性方法及動(dòng)態(tài)時(shí)—頻—空分析[D];重慶大學(xué);2004年

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

6 伍亞舟;基于想象左右手運(yùn)動(dòng)思維腦電BCI實(shí)驗(yàn)及識(shí)別分類(lèi)研究[D];第三軍醫(yī)大學(xué);2007年

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

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

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

10 張美云;阿爾茨海默病腦電信號(hào)多尺度時(shí)空定量特征研究[D];天津醫(yī)科大學(xué);2012年

相關(guān)碩士學(xué)位論文 前10條

1 王光遠(yuǎn);基于深度學(xué)習(xí)的腦電信號(hào)分析與模式識(shí)別研究[D];北京郵電大學(xué);2019年

2 鄭天依;基于機(jī)器學(xué)習(xí)的癲癇及精神異常腦電信息識(shí)別研究[D];北京郵電大學(xué);2019年

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

4 李佳慶;腦電信號(hào)中眼電偽跡去除與參考電極選取方法研究[D];太原理工大學(xué);2018年

5 張凱翔;音樂(lè)誘發(fā)下基于腦電信號(hào)的情緒識(shí)別研究[D];浙江大學(xué);2019年

6 熊朝坤;基于腦電信號(hào)的便攜式注意力檢測(cè)系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D];哈爾濱理工大學(xué);2019年

7 黨杰;基于腦電的情緒識(shí)別與通道優(yōu)化選擇研究[D];蘭州大學(xué);2019年

8 王燦;基于腦電信號(hào)的腦卒中分類(lèi)研究[D];太原理工大學(xué);2019年

9 陳侃;腦電信號(hào)采集及分類(lèi)算法研究[D];深圳大學(xué);2018年

10 劉培軍;基于STM32的腦電信號(hào)采集系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];天津工業(yè)大學(xué);2019年

本文編號(hào)：2776791