為了能夠較好地實(shí)現(xiàn)癲癇患者腦電的棘波檢測(cè),提出一種將棘波物理特征（幅度、頻率）和小波包變換結(jié)合的算法,用于癲癇患者腦電信號(hào)的棘波檢測(cè)。首先利用小波包變換對(duì)癲癇腦電信號(hào)進(jìn)行小波包分解,將腦電波頻率（0³0 Hz）劃分為3層;其次根據(jù)腦電波的頻率范圍重構(gòu)第三層節(jié)點(diǎn)頻率S（3, 0）（0¹0.85 Hz）、S（3, 1）（10.85²1.7 Hz）、S（3, 2）（21.7³2.55 Hz）的腦電信號(hào);最后取棘波的幅度作為檢測(cè)閾值分別提取癲癇患者健康期、癲癇發(fā)作間期及癲癇發(fā)作期的棘波。實(shí)驗(yàn)結(jié)果證明,當(dāng)數(shù)據(jù)的采樣頻率為173.61 Hz、信號(hào)長(zhǎng)度為23.6 s時(shí),該算法能夠提取不同癲癇患者在不同時(shí)期的棘波信號(hào),該算法棘波的誤檢率為12.02%、漏檢率為11.70%。因此,本文所采用的算法在癲癇棘波檢測(cè)中具有良好的效果。 

【文章來(lái)源】：中國(guó)醫(yī)學(xué)物理學(xué)雜志. 2020,37(11)CSCD

【文章頁(yè)數(shù)】：8 頁(yè)

【部分圖文】：

不同形態(tài)結(jié)構(gòu)的棘波

三層小波包分解如圖3所示，小波包變換中的每一層信號(hào)都被分解成低頻和高頻部分[17]。例如信號(hào)S經(jīng)過(guò)三層小波包分解之后可以表示為：可見(jiàn)，信號(hào)S經(jīng)過(guò)三層小波包分解后的子頻帶包含了原信號(hào)所有的細(xì)節(jié)頻率信息。

1.1.3 棘波檢測(cè)閾值選取棘波具有的明顯的物理特征[18]，其中時(shí)限為1/50～1/14 s，放入腦電圖測(cè)量尺14 Hz的刻度內(nèi)則為20～70 ms，幅度多為100～200μV。本文采用小波包變換對(duì)節(jié)點(diǎn)S(3,0）、S(3,1）、S(3,2）的腦電信號(hào)進(jìn)行重構(gòu)后，選擇棘波信號(hào)的幅度作為閾值進(jìn)行癲癇腦電棘波的提取。

【參考文獻(xiàn)】：
期刊論文
[1]基于改進(jìn)遺傳算法優(yōu)化反向傳播神經(jīng)網(wǎng)絡(luò)的癲癇發(fā)作檢測(cè)方法分析[J]. 劉光達(dá),魏星,張尚,蔡靖,劉頌陽(yáng).  生物醫(yī)學(xué)工程學(xué)雜志. 2019(01)
[2]基于奇異值分解和小波包分解的故障檢測(cè)[J]. 李一博,沈慧,高遠(yuǎn).  電子技術(shù)應(yīng)用. 2018(03)
[3]基于非負(fù)矩陣分解的癲癇腦電自動(dòng)檢測(cè)[J]. 張雨煙,陳萬(wàn)忠,張濤,李明陽(yáng).  吉林大學(xué)學(xué)報(bào)(信息科學(xué)版). 2017(05)
[4]基于頻率切片小波變換和支持向量機(jī)的癲癇腦電信號(hào)自動(dòng)檢測(cè)[J]. 張濤,陳萬(wàn)忠,李明陽(yáng).  物理學(xué)報(bào). 2016(03)
[5]基于小波包變換的腦電波信號(hào)降噪及特征提取[J]. 劉瓏,李勝,王軼卿.  計(jì)算機(jī)工程與科學(xué). 2015(04)
[6]基于遞歸量化分析與支持向量機(jī)的癲癇腦電自動(dòng)檢測(cè)方法[J]. 孟慶芳,陳珊珊,陳月輝,馮志全.  物理學(xué)報(bào). 2014(05)
[7]基于形態(tài)成分分析的癲癇腦電棘波檢測(cè)[J]. 馬東華,鄭旭媛,王真.  生物醫(yī)學(xué)工程學(xué)雜志. 2013(04)
[8]基于稀疏表示的腦電棘波檢測(cè)算法研究[J]. 孫玉寶,吳敏,韋志輝,肖亮,馮燦.  電子學(xué)報(bào). 2009(09)



本文編號(hào)：3590474