長期以來癲癇發(fā)作預(yù)報(bào)是臨床亟待解決的一大難題。及早地對(duì)癲癇病患者進(jìn)行發(fā)作預(yù)報(bào)可以給患者和醫(yī)生提供采取相應(yīng)保護(hù)措施的時(shí)間,以避免發(fā)生由于突發(fā)性發(fā)作所帶來的意外傷害。本文主要通過對(duì)多元腦電信號(hào)的分析嘗試對(duì)癲癇發(fā)作進(jìn)行有效預(yù)報(bào),主要開展腦電信號(hào)的特征提取和分類兩個(gè)方面的工作。在特征提取方面,為克服經(jīng)典相位同步分析方法相位關(guān)系描述單一的局限性,提出一種基于相位分析的多元腦電信號(hào)特征提取方法,該方法從癲癇發(fā)作的機(jī)理出發(fā),采用希爾伯特-黃變換來計(jì)算信號(hào)相位,并從模型辨識(shí)的角度對(duì)所有通道腦電信號(hào)之間的相位相互關(guān)聯(lián)信息進(jìn)行提取。在分類方面,為改善癲癇發(fā)作預(yù)報(bào)系統(tǒng)的敏感性和特異性,提出一種概率判決極端學(xué)習(xí)機(jī),該算法具有概率式輸出,更符合醫(yī)學(xué)習(xí)慣；另一方面,為提高癲癇發(fā)作預(yù)報(bào)系統(tǒng)的穩(wěn)定性,提出一種集成極端學(xué)習(xí)機(jī),該算法引入集成學(xué)習(xí)策略,以改善機(jī)器學(xué)習(xí)隨機(jī)性強(qiáng)、穩(wěn)定性差的問題。此外,為使癲癇發(fā)作預(yù)報(bào)系統(tǒng)的模型更加靈活、能夠隨著患者生理狀態(tài)的改變而自適應(yīng)改變,提出一種動(dòng)態(tài)更新框架,使所建立的預(yù)報(bào)模型更加貼近患者的真實(shí)情況,為便攜式癲癇發(fā)作預(yù)報(bào)器的開發(fā)提供一定的理論參考。仿真結(jié)果表明：基于相位分析的多元腦電信號(hào)... 

【文章頁數(shù)】：60 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 課題研究背景及意義
    1.2 腦電信號(hào)及其分析方法概述
    1.3 癲癇發(fā)作預(yù)報(bào)的研究現(xiàn)狀
    1.4 論文主要內(nèi)容及結(jié)構(gòu)
2 基于相位分析的多元腦電信號(hào)特征提取
    2.1 相位計(jì)算方法
        2.1.1 希爾伯特變換
        2.1.2 復(fù)高斯小波變換
        2.1.3 希爾伯特-黃變換
    2.2 基于極端學(xué)習(xí)機(jī)的模型辨識(shí)
        2.2.1 極端學(xué)習(xí)機(jī)基本原理
        2.2.2 極端學(xué)習(xí)機(jī)在模型辨識(shí)中的應(yīng)用
    2.3 基于希爾伯特-黃變換和極端學(xué)習(xí)機(jī)的多元腦電信號(hào)特征提取
        2.3.1 特征提取方法描述
        2.3.2 癲癇發(fā)作預(yù)報(bào)系統(tǒng)的建立
        2.3.3 癲癇發(fā)作預(yù)報(bào)仿真分析
    2.4 小結(jié)
3 基于極端學(xué)習(xí)機(jī)的腦電信號(hào)分類器研究
    3.1 概率判決極端學(xué)習(xí)機(jī)
        3.1.1 算法原理
        3.1.2 概率判決極端學(xué)習(xí)機(jī)在癲癇發(fā)作預(yù)報(bào)系統(tǒng)中的應(yīng)用
    3.2 集成極端學(xué)習(xí)機(jī)
        3.2.1 集成學(xué)習(xí)策略
        3.2.2 集成極端學(xué)習(xí)機(jī)算法原理
        3.2.3 集成極端學(xué)習(xí)機(jī)在癲癇發(fā)作預(yù)報(bào)系統(tǒng)中的應(yīng)用
    3.3 小結(jié)
4 癲癇發(fā)作預(yù)報(bào)動(dòng)態(tài)更新框架研究
    4.1 動(dòng)態(tài)更新框架描述
        4.1.1 基本框架
        4.1.2 異常樣本檢測與樣本庫更新準(zhǔn)則
    4.2 動(dòng)態(tài)更新框架下的癲癇發(fā)作預(yù)報(bào)系統(tǒng)仿真分析
        4.2.1 實(shí)驗(yàn)設(shè)計(jì)
        4.2.2 仿真結(jié)果分析
    4.3 小結(jié)
結(jié)論
參考文獻(xiàn)
課題資助情況
攻讀碩士學(xué)位期間發(fā)表學(xué)術(shù)論文情況
致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于AR模型和Lempel-Ziv復(fù)雜度的癲癇發(fā)作預(yù)報(bào)[J]. 韓敏,曹占吉,孫磊磊,洪曉軍.  北京生物醫(yī)學(xué)工程. 2012 (03)
[2]基于回聲狀態(tài)網(wǎng)絡(luò)的腦電信號(hào)特征提取[J]. 韓敏,孫磊磊,洪曉軍.  生物醫(yī)學(xué)工程學(xué)雜志. 2012(02)
[3]基于概率判決極端學(xué)習(xí)機(jī)的癲癇發(fā)作預(yù)報(bào)研究[J]. 韓敏,王明慧,洪曉軍,韓杰.  中國生物醫(yī)學(xué)工程學(xué)報(bào). 2012(02)
[4]磁刺激神門穴腦電信號(hào)的樣本熵分析與誘發(fā)電位的研究[J]. 耿躍華,徐桂芝,于洪麗,楊碩,李文文,陳亞靜.  中國生物醫(yī)學(xué)工程學(xué)報(bào). 2010(06)
[5]腦電信號(hào)同步的研究方法[J]. 周群,堯德中.  生物醫(yī)學(xué)工程學(xué)雜志. 2009(06)
[6]腦死亡與腦昏迷腦電信號(hào)的復(fù)雜度研究[J]. 蔣辰偉,章悅,曹洋,朱國行,顧凡及,王斌.  生物物理學(xué)報(bào). 2008(02)
[7]基于二階C0復(fù)雜度的癲癇發(fā)作預(yù)測[J]. 卞寧艷,曹洋,王斌,顧凡及,張立明.  生物物理學(xué)報(bào). 2007(01)
[8]想象動(dòng)作中動(dòng)態(tài)腦電的信息熵研究[J]. 綦宏志,程龍龍,陳濱津,趙翔,明東,萬柏坤.  中國生物醫(yī)學(xué)工程學(xué)報(bào). 2007(01)
[9]基于經(jīng)驗(yàn)?zāi)Ｊ椒纸馀c樣本熵的癲癇預(yù)測方法[J]. 白冬梅,邱天爽,鮑海平.  中國生物醫(yī)學(xué)工程學(xué)報(bào). 2006(05)
[10]不同生理狀態(tài)時(shí)腦電時(shí)間序列的三神復(fù)雜度計(jì)算比較[J]. 楊斯環(huán)，楊秦飛，石繼明，劉仁.  生物物理學(xué)報(bào). 1996(03)

碩士論文
[1]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



本文編號(hào)：3668224