發(fā)布時(shí)間：2018-06-30 09:46

  本文選題：癲癇腦電 + 心電信號(hào)　； 參考：《南京郵電大學(xué)》2016年碩士論文

【摘要】：異常生理電信號(hào)的收集和分析對(duì)于評(píng)估病患人體機(jī)能的狀態(tài)具有重要的意義,并且能夠幫助醫(yī)生更好地進(jìn)行疾病的診斷和治療。本文在前人工作的基礎(chǔ)上,從實(shí)際應(yīng)用和理論分析兩個(gè)角度分別對(duì)異常腦電信號(hào)和異常心電信號(hào)進(jìn)行研究,具體的工作有如下幾個(gè)部分:(1)基于隱馬爾可夫模型的癲癇腦電信號(hào)識(shí)別算法癲癇腦電的采集需要醫(yī)生長期觀測患者的腦電圖,并且根據(jù)經(jīng)驗(yàn)做出判斷。自動(dòng)化的癲癇腦電識(shí)別方法可以減輕醫(yī)生工作量,減少主觀因素的影響。本文使用AR模型對(duì)腦電信號(hào)進(jìn)行特征提取,隱馬爾可夫模型(Hidden Markov Model,HMM)作為正常腦電和癲癇腦電的分類工具,可以準(zhǔn)確區(qū)分正常腦電和癲癇腦電。仿真結(jié)果表明,癲癇腦電的識(shí)別率可達(dá)90%。使用隱馬爾可夫模型建模的方法對(duì)正常腦電信號(hào)和癲癇腦電的識(shí)別率較高,算法可以達(dá)到癲癇腦電自動(dòng)識(shí)別的要求。(2)基于符號(hào)條件熵的心電信號(hào)冗余信息分析論文從混沌理論普適性的角度出發(fā),提出了一種使用符號(hào)條件熵的冗余信息計(jì)算方法,分析正常ECG和心肌梗塞異常ECG中含有的冗余信息,數(shù)值計(jì)算證明心肌梗塞異常ECG中含有的冗余信息相比于正常ECG來說更大,這表明冗余信息可以作為區(qū)分心電信號(hào)是否異常的一個(gè)指標(biāo)。(3)基于Java平臺(tái)的生理電信號(hào)分析系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)論文將上述兩種腦電、心電生理電信號(hào)的分析算法通過java語言進(jìn)行了編程實(shí)現(xiàn)。首先,分析系統(tǒng)可以對(duì)癲癇異常腦電信號(hào)和正常腦電信號(hào)進(jìn)行區(qū)分,并且顯示出識(shí)別率;其次,分析系統(tǒng)可以計(jì)算輸入的心電信號(hào)的冗余信息。該系統(tǒng)在腦機(jī)接口設(shè)備的開發(fā)和臨床心功能評(píng)估中有一定的參考價(jià)值和輔助作用。
[Abstract]:The collection and analysis of abnormal physiological signals are of great significance in evaluating the state of the patient's human function and can help doctors to better diagnose and treat diseases. In this paper, based on the previous work, the abnormal EEG and abnormal ECG are studied from the perspective of practical application and theoretical analysis. The specific work is as follows: (1) EEEG recognition algorithm based on Hidden Markov Model (hmm) requires doctors to observe EEG of patients for a long time and make a judgment based on experience. Automatic EEG recognition method can reduce the workload of doctors and reduce the influence of subjective factors. In this paper, AR model is used to extract the features of EEG. Hidden Markov Model (hmm) is used as a classification tool for normal EEG and epileptic EEG, which can accurately distinguish normal EEG from epileptic EEG. The simulation results show that the recognition rate of epileptic EEG can reach 90%. The recognition rate of normal EEG and epileptic EEG is higher by using hidden Markov model. The algorithm can meet the requirements of EEG automatic recognition. (2) based on symbol conditional entropy, the redundant information analysis of ECG signal is presented. From the point of view of the universality of chaos theory, a method of computing redundant information using symbol conditional entropy is proposed. The redundant information contained in normal ECG and abnormal ECG of myocardial infarction is analyzed. Numerical calculation shows that the redundant information in abnormal ECG of myocardial infarction is greater than that in normal ECG. This indicates that redundant information can be used as an index to distinguish whether ECG signal is abnormal. (3) the design and implementation of physiological signal analysis system based on Java platform. The algorithm of electrophysiological signal analysis is programmed by java language. Firstly, the analysis system can distinguish the abnormal EEG signal from the normal EEG signal and show the recognition rate. Secondly, the system can calculate the redundant information of the input ECG signal. The system has certain reference value and auxiliary function in the development of brain-computer interface equipment and the evaluation of clinical cardiac function.
【學(xué)位授予單位】：南京郵電大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：R318;TN911.7

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張慧麗;;基于混合二階隱馬爾可夫模型的基因結(jié)構(gòu)預(yù)測[J];電腦知識(shí)與技術(shù)(學(xué)術(shù)交流);2007年14期

2 侯昭武;;隱馬爾可夫模型的拓樸應(yīng)用[J];河南師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2009年06期

3 黃崗;;馬爾可夫及隱馬爾可夫模型的應(yīng)用[J];電子設(shè)計(jì)工程;2013年17期

4 王新民;基于因子分析的隱馬爾可夫模型(英文)[J];華中師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2004年02期

5 曹林;王東峰;鄒謀炎;;基于隱馬爾可夫模型的人像鑒別算法[J];中國科學(xué)院研究生院學(xué)報(bào);2006年01期

6 鄒凌云;王正志;黃教民;;基于序列拓?fù)浜投A隱馬爾可夫模型的跨膜蛋白亞細(xì)胞定位預(yù)測[J];激光生物學(xué)報(bào);2008年02期

7 馮志偉;;隱馬爾可夫模型及其在自動(dòng)詞類標(biāo)注中的應(yīng)用[J];燕山大學(xué)學(xué)報(bào);2013年04期

8 趙征鵬,楊鑒,普?qǐng)@媛,尉洪;基于隱馬爾可夫模型的非母語說話人口音識(shí)別[J];云南大學(xué)學(xué)報(bào)(自然科學(xué)版);2004年S1期

9 杜世平;;帶駐留時(shí)間隱馬爾可夫模型學(xué)習(xí)算法的改進(jìn)[J];西南民族大學(xué)學(xué)報(bào)(自然科學(xué)版);2008年04期

10 朱明;郭春生;;隱馬爾可夫模型及其最新應(yīng)用與發(fā)展[J];計(jì)算機(jī)系統(tǒng)應(yīng)用;2010年07期

相關(guān)會(huì)議論文 前10條

1 史笑興;王太君;何振亞;;論二階隱馬爾可夫模型與一階隱馬爾可夫模型的關(guān)系[A];第九屆全國信號(hào)處理學(xué)術(shù)年會(huì)（CCSP-99）論文集[C];1999年

2 馬勇;金峗;顧明亮;趙力;;基于隱馬爾可夫模型的漢語方言辨識(shí)[A];2009’中國西部地區(qū)聲學(xué)學(xué)術(shù)交流會(huì)論文集[C];2009年

3 吳志強(qiáng);陳珂;遲惠生;;基于隱馬爾可夫模型的有限詞匯集內(nèi)與文本無關(guān)的說話人辨認(rèn)的研究[A];第四屆全國人機(jī)語音通訊學(xué)術(shù)會(huì)議論文集[C];1996年

4 徐毅瓊;李弼程;王波;;隱馬爾可夫模型在人臉檢測與識(shí)別中的應(yīng)用[A];現(xiàn)代通信理論與信號(hào)處理進(jìn)展——2003年通信理論與信號(hào)處理年會(huì)論文集[C];2003年

5 吳成東;柴佩琪;;基于分類的隱馬爾可夫模型的聲母識(shí)別[A];第一屆全國語言識(shí)別學(xué)術(shù)報(bào)告與展示會(huì)論文集[C];1990年

6 徐東風(fēng);周萍;景新幸;;改進(jìn)隱馬爾可夫模型的非線性分段技術(shù)應(yīng)用[A];中國聲學(xué)學(xué)會(huì)2007年青年學(xué)術(shù)會(huì)議論文集（下）[C];2007年

7 邢穎;南敬昌;;基于隱馬爾可夫模型的人臉檢測與識(shí)別系統(tǒng)[A];2009年中國智能自動(dòng)化會(huì)議論文集（第三分冊(cè)）[C];2009年

8 秦勇;莫福源;李昌立;關(guān)定華;;基于隱馬爾可夫模型的漢語二字詞音調(diào)模式識(shí)別[A];第三屆全國人機(jī)語音通訊學(xué)術(shù)會(huì)議論文集[C];1994年

9 楊文強(qiáng);鄧明華;錢敏平;;隱馬爾可夫模型與剪切位點(diǎn)識(shí)別[A];中國運(yùn)籌學(xué)會(huì)第六屆學(xué)術(shù)交流會(huì)論文集（下卷）[C];2000年

10 馬曉川;劉冬;趙榮椿;;孤立短語隱馬爾可夫模型自動(dòng)建模軟件的實(shí)現(xiàn)[A];第四屆全國人機(jī)語音通訊學(xué)術(shù)會(huì)議論文集[C];1996年

相關(guān)博士學(xué)位論文 前4條

1 歐陽黜霏;基于隱馬爾可夫模型的車輛行程時(shí)間預(yù)測方法研究[D];武漢大學(xué);2015年

2 李杰;隱馬爾可夫模型的研究及其在圖像識(shí)別中的應(yīng)用[D];清華大學(xué);2004年

3 夏麗莎;基于隱馬爾可夫模型的故障診斷及相關(guān)算法研究[D];華中科技大學(xué);2014年

4 劉韜;基于隱馬爾可夫模型與信息融合的設(shè)備故障診斷與性能退化評(píng)估研究[D];上海交通大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 白雁飛;基于隱馬爾可夫模型的J波識(shí)別技術(shù)研究[D];太原理工大學(xué);2016年

2 崔晨雨;基于用戶經(jīng)驗(yàn)水平的推薦方法研究[D];清華大學(xué);2015年

3 李若冰;基于貝葉斯網(wǎng)絡(luò)和隱馬爾可夫模型的撲克對(duì)手建模研究[D];南京大學(xué);2013年

4 朱超然;基于隱馬爾可夫模型的無線傳感器網(wǎng)絡(luò)入侵檢測研究[D];華北電力大學(xué)(北京);2014年

5 李倫;基于隱馬爾可夫模型的VaR度量方法研究[D];華東政法大學(xué);2016年

6 李曉燕;基于隱馬爾科夫模型的軌跡聚類方法研究[D];華東師范大學(xué);2016年

7 關(guān)超;隱馬爾可夫模型在肝硬化進(jìn)展中的應(yīng)用[D];山西醫(yī)科大學(xué);2016年

8 李飛;基于隱馬爾可夫模型和符號(hào)條件熵的異常生理信號(hào)研究[D];南京郵電大學(xué);2016年

9 王宇寧;隱馬爾可夫模型在信息抽取中的應(yīng)用研究[D];大連理工大學(xué);2007年

10 楊戰(zhàn);基于隱馬爾可夫模型的自動(dòng)和弦識(shí)別[D];哈爾濱工業(yè)大學(xué);2010年

，

本文編號(hào)：2085866