癲癇是一種由大量大腦神經(jīng)元突發(fā)同步放電而引發(fā)的腦功能絮亂綜合癥。據(jù)統(tǒng)計,全球癲癇患者數(shù)量超過了5000萬人,癲癇的反復(fù)發(fā)作嚴(yán)重威脅著患者的身心健康。若能夠提前預(yù)測癲癇發(fā)作時間,不僅有利于對患者采取預(yù)防保護措施,也有助于對癲癇的發(fā)病機理及癲癇的診斷和治療進行深入探索。因而,目前國內(nèi)外有眾多學(xué)者都致力于癲癇預(yù)測的研究工作。棘波是癲癇樣放電最具特征性的表現(xiàn)之一。在腦電圖（electroencephalogram, EEG）中,它是一種明顯區(qū)別于背景的,突發(fā)性的波形變化,其波幅大小各異,棘波的出現(xiàn)說明腦部有刺激性病灶,因此在臨床癲癇檢查中,最重要的是觀察腦電圖中是否存在棘波。自回歸（AutoRegressive, AR）模型是一種線性預(yù)測方法,可以很好的應(yīng)用到腦電信號的分析處理中,假設(shè)腦電信號可以由線性濾波器描述其產(chǎn)生過程并可以用AR過程進行逼近,通過選取合適的階次和參數(shù)就可以使AR過程盡可能逼近腦電信號。因此,本文在分析了四個不同腦電時期信號中棘波頻次和AR參數(shù)變化規(guī)律的基礎(chǔ)上,提出了一種以腦電棘波頻次和AR參數(shù)為特征的癲癇預(yù)測算法。對于大多數(shù)線性分類算法,可以得到測試樣本分類后的標(biāo)簽,但不... 

【文章來源】：山東大學(xué)山東省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：69 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
符號說明
第一章 緒論
    1.1 癲癇發(fā)作預(yù)測的研究背景和意義
    1.2 腦電圖
    1.3 長程腦電圖監(jiān)測
    1.4 腦電信號處理方法
    1.5 癲癇發(fā)作預(yù)測的研究現(xiàn)狀
    1.6 癲癇發(fā)作預(yù)測的一般流程
    1.7 本文的主要工作和章節(jié)安排
第二章 腦電特征分析
    2.1 AR參數(shù)
        2.1.1 經(jīng)典譜估計算法
        2.1.2 譜估計的參數(shù)模型方法
        2.1.3 AR參數(shù)模型的正則方程
        2.1.4 不同腦電時期AR參數(shù)實驗結(jié)果
    2.2 棘波頻次
        2.2.1 數(shù)學(xué)形態(tài)學(xué)濾波
        2.2.2 基于形態(tài)學(xué)濾波的棘波檢測方法
        2.2.3 棘波檢測實驗結(jié)果
        2.2.4 不同腦電時期棘波頻次變化情況
    2.3 本章小結(jié)
第三章 分類器與后處理
    3.1 分類器
        3.1.1 線性判別分析
        3.1.2 Fisher線性判別分析
        3.1.3 貝葉斯線性判別分析
    3.2 后處理
    3.3 本章小結(jié)
第四章 本文方法和結(jié)果
    4.1 實驗數(shù)據(jù)
        4.1.1 數(shù)據(jù)來源
        4.1.2 訓(xùn)練數(shù)據(jù)與測試數(shù)據(jù)
    4.2 本文癲癇發(fā)作預(yù)測算法
        4.2.1 本文算法流程
        4.2.2 腦電數(shù)據(jù)預(yù)處理
        4.2.3 提取腦電信號特征
        4.2.4 分類和后處理
    4.3 本文算法預(yù)測結(jié)果
    4.4 本章小結(jié)
第五章 兩種典型的癲癇預(yù)測方法
    5.1 累積能量增量法
        5.1.1 算法介紹
        5.1.2 實驗結(jié)果
    5.2 基于小波變換的相位同步法
        5.2.1 腦電信號預(yù)處理
        5.2.2 計算相位同步化
        5.2.3 實驗結(jié)果
    5.3 三種癲癇預(yù)測方法的比較
        5.3.1 三種方法的比較
        5.3.2 本文方法與相位同步法的比較
    5.4 結(jié)論
    5.5 本章小結(jié)
總結(jié)和展望
參考文獻
致謝
攻讀碩士學(xué)位期間發(fā)表論文和參與項目
附件


【參考文獻】：
期刊論文
[1]基于腦電棘波頻次的癲癇發(fā)作預(yù)測算法[J]. 李淑芳,周衛(wèi)東,袁琦,蔡冬梅.  中國生物醫(yī)學(xué)工程學(xué)報. 2011(06)
[2]基于多分辨分析和近似熵的腦電癲癇波自動檢測[J]. 汪春梅,鄒俊忠,張見,張志鎖.  計算機應(yīng)用與軟件. 2009(12)
[3]基于腦電的腦-機接口:關(guān)鍵技術(shù)和應(yīng)用前景[J]. 堯德中,劉鐵軍,雷旭,楊平,徐鵬,張楊松.  電子科技大學(xué)學(xué)報. 2009(05)
[4]經(jīng)典功率譜估計與現(xiàn)代功率譜估計的對比[J]. 馮磊.  商業(yè)文化(學(xué)術(shù)版). 2009(05)
[5]Probabilistic Methods in Multi-Class Brain-Computer Interface[J]. Ping Yang,Xu Lei,Tie-Jun Liu,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)
[6]經(jīng)典功率譜估計及其仿真[J]. 宋寧,關(guān)華.  現(xiàn)代電子技術(shù). 2008(11)
[7]一種基于經(jīng)驗?zāi)B(tài)分解的癲癇棘波檢測方法[J]. 朱勇,初孟,邱天爽,鮑海平.  生物醫(yī)學(xué)工程學(xué)雜志. 2008(02)
[8]基于小波變換的癲癇腦電相位同步化分析方法[J]. 王蕾,張華,付峰,于霄,姚慶和,高國棟,董秀珍.  醫(yī)療衛(wèi)生裝備. 2007(10)
[9]基于形態(tài)學(xué)濾波器的棘波提取技術(shù)[J]. 王晶,徐光華,張四聰,朱君明.  中國生物醫(yī)學(xué)工程學(xué)報. 2007(01)
[10]基于小波變換與形態(tài)學(xué)運算的ECG自適應(yīng)濾波算法[J]. 季虎,孫即祥,毛玲.  信號處理. 2006(03)

碩士論文
[1]基于腦電棘波頻次的癲癇發(fā)作預(yù)測算法[D]. 李淑芳.山東大學(xué) 2012
[2]癲癇腦電信號識別算法及其應(yīng)用[D]. 趙建林.山東大學(xué) 2010
[3]基于多路腦電分析的癲癇發(fā)作預(yù)測算法初步研究[D]. 王蕾.第四軍醫(yī)大學(xué) 2008
[4]基于AR模型的腦電信號特征提取與識別[D]. 鄒清.中南大學(xué) 2008
[5]平穩(wěn)AR模型階數(shù)的貝葉斯因子判據(jù)[D]. 彭家龍.華中科技大學(xué) 2007
[6]數(shù)學(xué)形態(tài)學(xué)在信號處理方面的應(yīng)用研究[D]. 劉姝.大連理工大學(xué) 2006
[7]數(shù)學(xué)形態(tài)學(xué)在語音增強中的應(yīng)用[D]. 武睿.河北工業(yè)大學(xué) 2004
[8]癲癇腦電信息的非線性分析[D]. 許敏光.第四軍醫(yī)大學(xué) 2002



本文編號：3040400