癲癇是大腦神經(jīng)元異常放電導(dǎo)致的一種常見的神經(jīng)系統(tǒng)疾病,中國約有九百萬名患者深受其影響。其中,許多耐藥性癲癇患者只能寄希望于手術(shù)治療以擺脫疾病對工作和生活的影響,因此精準(zhǔn)定位癲癇灶對患者來說十分重要。近年研究發(fā)現(xiàn)腦電中80⁵00Hz的高頻振蕩信號（High Frequency Oscillations,HFOs）與癲癇的發(fā)作有密切的聯(lián)系,雖然非病灶區(qū)域也可能有高頻振蕩信號,但在癲癇灶內(nèi)外具有一定區(qū)別,能夠指示癲癇灶位置。由于腦電信號數(shù)據(jù)量巨大,人工篩查HFOs會占用研究者大量的時間且無法避免主觀性。為此,本研究提出了一種基于卷積神經(jīng)網(wǎng)絡(luò)的HFOs自動檢測方法,并基于腦電通道內(nèi)HFOs特征對癲癇灶進行定位,以期提高癲癇手術(shù)的成功率。本課題的主要研究內(nèi)容和貢獻如下:首先,本文設(shè)計了一套基于MATLAB的HFOs人工篩選定標(biāo)系統(tǒng),通過對臨床五例患者顱內(nèi)腦電信號的逐步錄入和分析,構(gòu)建了一個總計近一萬五千個樣本的腦電高頻振蕩數(shù)據(jù)庫。數(shù)據(jù)庫包含五例患者顱內(nèi)腦電高頻振蕩信號始末時間及通道標(biāo)號等基礎(chǔ)信息。其次,本文提出了一種結(jié)合短時能量和卷積神經(jīng)網(wǎng)絡(luò)的高頻振蕩信號自動檢測新方法,即... 

【文章來源】：電子科技大學(xué)四川省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：76 頁

【學(xué)位級別】：碩士

【部分圖文】：

癲癇術(shù)前檢查[2]

電子科技大學(xué)碩士學(xué)位論文4學(xué)習(xí)算法和深度學(xué)習(xí)算法，人工提取特征通常會受到現(xiàn)有知識范圍的限制而無法有較大突破，而深度學(xué)習(xí)算法能夠克服這一缺陷。深度學(xué)習(xí)是一種能夠從原始數(shù)據(jù)中自動學(xué)習(xí)和發(fā)現(xiàn)復(fù)雜特征并進行分類的算法，自主提取特征可能會大幅提升算法性能，但也可能適得其反。目前研究中使用的深度學(xué)習(xí)算法包括人工神經(jīng)網(wǎng)絡(luò)(ANN)[17]和模糊神經(jīng)網(wǎng)絡(luò)(FNN)[16]、卷積神經(jīng)網(wǎng)絡(luò)等。其中卷積神經(jīng)網(wǎng)絡(luò)在癲癇發(fā)作識別[18]中有較好的表現(xiàn)，文獻[19]中將時域信號轉(zhuǎn)為圖片進而使用卷積神經(jīng)網(wǎng)絡(luò)分類。圖1-2高頻振蕩信號檢測算法常見流程圖棘波等尖銳事件（sharpevent）很容易造成誤檢，這也是影響許多檢測器性能的一個重要原因。Sfax大學(xué)LETI實驗室設(shè)計了一種無監(jiān)督算法[20]，使用一種可調(diào)q因子小波變換(TQWT)對腦電圖信號中的瞬態(tài)（transientbrainactivity）和振蕩腦活動（oscillatorybrainactivity）進行建模，腦電圖信號的瞬態(tài)和振蕩成分可以通過低和高q因子來表征，再結(jié)合形態(tài)學(xué)成分分析(MCA)對其進行分離。這種非線性分離方法可以作為EEG預(yù)處理步驟，應(yīng)用于從本質(zhì)上減少瞬變在EEG中的影響。但這一算法沒有考慮到棘波等尖銳事件與HFOs的疊加情況，因此在實際應(yīng)用時的性能可能無法達到測試的值。蒙特利爾神經(jīng)學(xué)研究所[21]考慮到了這一問題，進而選擇使用二階導(dǎo)數(shù)法測量尖銳事件并進行標(biāo)記，HFO信號中如果大于一點超過閾值則認為該段信號中尖銳事件與HFO二者并存。該方法使用5例患者的數(shù)據(jù)用于

電子科技大學(xué)碩士學(xué)位論文8第二章腦電高頻振蕩信號及機器學(xué)習(xí)相關(guān)理論2.1腦電信號概述神經(jīng)元是神經(jīng)系統(tǒng)最基本的結(jié)構(gòu)和功能單位，大腦中的神經(jīng)細胞數(shù)量約為1011個。神經(jīng)元的結(jié)構(gòu)如圖2-1所示，神經(jīng)元的表面覆蓋有1,000~100,000個突觸，靜息電位約為-70mV，動作電位峰值幅度約為100mV，持續(xù)約1ms。圖2-1神經(jīng)元結(jié)構(gòu)圖腦電信號是眾多神經(jīng)元細胞共同活動共同放電產(chǎn)生的結(jié)果，大腦皮層內(nèi)大量神經(jīng)元突觸后電位疊加形成了腦電信號。大腦頭皮或皮層的信號可以較為準(zhǔn)確地反映出整個大腦神經(jīng)系統(tǒng)的電生理活動狀態(tài)，如圖2-2所示。因此，臨床上通過記錄和分析大腦頭皮或皮層的腦電信號來觀察和診斷患者的腦部疾病的病情。圖2-2腦電信號的產(chǎn)生示意圖腦電圖是測量大腦神經(jīng)元活動的一種有效的間接測量工具，可以檢測毫秒級

【參考文獻】：
碩士論文
[1]基于卷積神經(jīng)網(wǎng)絡(luò)的癲癇發(fā)作預(yù)測[D]. 丁木涵.山東師范大學(xué) 2018
[2]腦電高頻振蕩信號在癲癇定位及癲癇預(yù)測中的應(yīng)用探索[D]. 闞增輝.電子科技大學(xué) 2018
[3]基于皮層腦電的癲癇腦網(wǎng)絡(luò)研究及癲癇預(yù)測探索[D]. 張歡歡.電子科技大學(xué) 2017



本文編號：3282430