癲癇是一種慢性腦部疾病,由于腦部神經(jīng)元異常放電而導(dǎo)致大腦功能障礙。癲癇的反復(fù)發(fā)作會(huì)對(duì)患者生活造成極大的限制,影響其生活質(zhì)量。目前,臨床上多用長(zhǎng)程腦電記錄對(duì)癲癇發(fā)作進(jìn)行檢測(cè),而對(duì)癲癇患者腦電圖的分析可以幫助醫(yī)務(wù)工作者診斷病情,定位致癇灶,并進(jìn)行相應(yīng)的治療。然而,對(duì)患者腦電圖的檢測(cè)和分析工作主要由醫(yī)務(wù)工作者通過(guò)視覺(jué)來(lái)完成,繁重而耗時(shí)。因此,利用計(jì)算機(jī)自動(dòng)完成對(duì)癲癇發(fā)作期的標(biāo)記工作顯得尤為迫切。自上世紀(jì)80年代,癲癇發(fā)作自動(dòng)檢測(cè)就受到了廣泛關(guān)注。在癲癇發(fā)作期,腦部神經(jīng)元會(huì)產(chǎn)生大量慢波、尖波、棘波等特征波,并且該時(shí)期波形變化比間歇期更加劇烈。利用這一特點(diǎn),眾多研究利用計(jì)算機(jī)模擬醫(yī)務(wù)工作者視覺(jué)判斷的過(guò)程,對(duì)腦電信號(hào)進(jìn)行特征提取,然后分類識(shí)別,從而達(dá)到自動(dòng)檢測(cè)癲癇發(fā)作的目的。本文提出了基于Gradient Boosting算法的癲癇發(fā)作檢測(cè)方法,并與貝葉斯分類器進(jìn)行了比較分析。首先,利用小波分解技術(shù)對(duì)腦電信號(hào)進(jìn)行預(yù)處理,提取常出現(xiàn)癲癇發(fā)作活動(dòng)的頻帶；其次,在所選頻帶上計(jì)算波動(dòng)指數(shù)、相對(duì)能量、功率譜密度等多個(gè)特征來(lái)定量地描述腦電活動(dòng)；最后,將腦電特征向量送入已進(jìn)行過(guò)訓(xùn)練的分類器進(jìn)行分類識(shí)別,從而實(shí)現(xiàn)... 

【文章來(lái)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(yè)數(shù)】：69 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 癲癇檢測(cè)概述
        1.1.1 腦電波的介紹
        1.1.2 癲癇波的特點(diǎn)
        1.1.3 癲癇檢測(cè)的研究意義
        1.1.4 癲癇檢測(cè)技術(shù)應(yīng)用現(xiàn)狀
    1.2 癲癇檢測(cè)主要方法和一般流程
        1.2.1 當(dāng)前癲癇自動(dòng)檢測(cè)的主要研究方法
        1.2.2 癲癇自動(dòng)檢測(cè)的一般流程
    1.3 本文主要研究?jī)?nèi)容
第二章 小波分析
    2.1 腦電信號(hào)的頻域分析方法
        2.1.1 測(cè)不準(zhǔn)原理
        2.1.2 短時(shí)傅立葉變換
    2.2 小波分析方法
        2.2.1 一維連續(xù)小波變換
        2.2.2 二進(jìn)正交小波變換
    2.3 Mallat算法
        2.3.1 多分辨率分析
        2.3.2 雙尺度方程
        2.3.3 Mallat分解和重構(gòu)
第三章 Boosting算法及性能分析
    3.1 Boosting的起源與發(fā)展
    3.2 Boosting算法簡(jiǎn)介
    3.3 AdaBoost算法
    3.4 Gradient Boosting算法
第四章 癲癇檢測(cè)的實(shí)驗(yàn)與仿真
    4.1 實(shí)驗(yàn)數(shù)據(jù)的選擇
    4.2 多特征在癲癇檢測(cè)上的應(yīng)用
        4.2.1 相對(duì)幅度
        4.2.2 相對(duì)能量
        4.2.3 功率譜密度
        4.2.4 微分方差
        4.2.5 缺項(xiàng)
        4.2.6 波動(dòng)指數(shù)
    4.3 與貝葉斯分類器的對(duì)比
        4.3.1 貝葉斯分類算法簡(jiǎn)介
        4.3.2 貝葉斯分類器設(shè)計(jì)
        4.3.3 貝葉斯分類器實(shí)驗(yàn)結(jié)果
        4.3.4 Gradient Boosting與貝葉斯分類器對(duì)比
全文總結(jié)和展望
參考文獻(xiàn)
致謝
附錄：本人碩士研究生期間發(fā)表論文和參與項(xiàng)目
附表


【參考文獻(xiàn)】：
期刊論文
[1]基于去趨勢(shì)波動(dòng)分析和支持向量機(jī)的癲癇腦電分類[J]. 蔡冬梅,周衛(wèi)東,李淑芳,王紀(jì)文,賈桂娟,劉學(xué)伍.  生物物理學(xué)報(bào). 2011(02)
[2]生物反饋訓(xùn)練后癲癇患者腦電相關(guān)維數(shù)變化的分析[J]. 趙龍蓮,梁作清,伍文清,胡廣書.  中國(guó)生物醫(yī)學(xué)工程學(xué)報(bào). 2010(01)
[3]一種基于經(jīng)驗(yàn)?zāi)B(tài)分解的癲癇棘波檢測(cè)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)
[4]基于獨(dú)立分量分析算法研究?jī)和d癇腦電的混沌動(dòng)力學(xué)特征[J]. 王興元,孟娟,邱天爽.  生物醫(yī)學(xué)工程學(xué)雜志. 2007(04)
[5]VEEG監(jiān)測(cè)在癲癎診斷中的應(yīng)用價(jià)值[J]. 游玉紅.  臨床神經(jīng)電生理學(xué)雜志. 2006(04)
[6]自動(dòng)檢測(cè)兒童腦電中癲癇波的方法研究[J]. 李瑩,歐陽(yáng)楷.  中國(guó)生物醫(yī)學(xué)工程學(xué)報(bào). 2005(05)
[7]一種基于支持向量機(jī)技術(shù)的癲癇腦電棘尖波識(shí)別方法[J]. 邱天爽,鄭效來(lái),鮑海平,趙庚申.  生物物理學(xué)報(bào). 2005(04)
[8]長(zhǎng)程腦電圖監(jiān)測(cè)在臨床中的應(yīng)用[J]. 李旭東,劉興洲.  腦與神經(jīng)疾病雜志. 2004(02)
[9]基于混合小波變換的瞬態(tài)信號(hào)檢測(cè)方法[J]. 吳小培,馮煥清,周荷琴,王濤.  生物醫(yī)學(xué)工程學(xué)雜志. 2001(01)
[10]腦電圖監(jiān)測(cè)對(duì)癲癇及其相關(guān)發(fā)作性疾病的診斷價(jià)值[J]. 宿艷,戴志成,張麗杰,王浩.  現(xiàn)代電生理學(xué)雜志. 2001(01)

博士論文
[1]腦電非線性時(shí)間序列仿真研究[D]. 范金鋒.中國(guó)科學(xué)技術(shù)大學(xué) 2007

碩士論文
[1]癲癇腦電信號(hào)識(shí)別算法及其應(yīng)用[D]. 趙建林.山東大學(xué) 2010
[2]小波分析在信號(hào)處理中的應(yīng)用[D]. 封常生.上海交通大學(xué) 2007
[3]基于Boosting算法的人臉識(shí)別方法研究[D]. 杜曉旭.浙江大學(xué) 2006



本文編號(hào)：3118381