腦電信號(hào)（Electroencephalogram,EEG）是附著在頭皮上的電極記錄下來的大腦的電活動(dòng)。腦電信號(hào)本質(zhì)上是高度隨機(jī)的,其中包含大量有關(guān)腦部狀態(tài)的有用信息。但是,僅通過觀察這些信號(hào)的時(shí)域信息很難直接獲得有用的信息,因?yàn)樗鼈儽举|(zhì)上通常是非平穩(wěn)且隨機(jī)的。因此,可以使用先進(jìn)的信號(hào)處理技術(shù)來提取重要特征以應(yīng)用于不同的研究方向。本文從麻醉狀態(tài)監(jiān)測(cè)和睡眠階段分類兩個(gè)具體應(yīng)用出發(fā),設(shè)計(jì)新型的腦電特征提取和分類算法。通過腦電監(jiān)測(cè)麻醉深度（Depth of Anesthesia,DoA）一直是臨床麻醉領(lǐng)域的重要研究方向。本文提出了一種基于長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)（Long Short Term Memory,LSTM）和稀疏降噪自動(dòng)編碼器（Sparse Denoising Autoencoder,SDAE）的新方法,結(jié)合腦電的混合特征用于監(jiān)測(cè)麻醉深度。首先使用濾波等方法對(duì)腦電信號(hào)進(jìn)行預(yù)處理,然后從中提取出樣本熵、排序熵、頻譜和α比率等數(shù)十個(gè)特征,輸入到SDAE-LSTM神經(jīng)網(wǎng)絡(luò)中進(jìn)行學(xué)習(xí),輸出一個(gè)用于監(jiān)測(cè)麻醉深度的連續(xù)指數(shù)。實(shí)驗(yàn)結(jié)果表明,本研究方法在標(biāo)準(zhǔn)數(shù)據(jù)集上取得了比傳統(tǒng)方法更好的預(yù)測(cè)結(jié)果。腦電... 

【文章來源】：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

【文章頁數(shù)】：64 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖３－５?ＳＤＡＥ－ＬＳＴＭ網(wǎng)絡(luò)結(jié)構(gòu)??接下來，提取第二章中所提到的熵，頻譜，和〇ｔ比率等作為特征，本實(shí)驗(yàn)提取??的特征代表了腦電圖的不同模式

山東大學(xué)碩士學(xué)位論文??網(wǎng)絡(luò)，實(shí)驗(yàn)中使用的標(biāo)簽是七氟醚效應(yīng)濃度，由ＰＫ模型根據(jù)七氟醚呼氣末濃度計(jì)??算。然后使用ＳＤＡＥ進(jìn)行逐一訓(xùn)練，在訓(xùn)練了第一個(gè)ＳＤＡＥ之后，將其編碼器的??輸出用作第二個(gè)ＳＤＡＥ的輸入，并將第二個(gè)ＳＤＡＥ的編碼器的輸出用作ＬＳＴＭ的??輸入特征，以進(jìn)行麻醉深度預(yù)測(cè)的訓(xùn)練。在訓(xùn)練完ＬＳＴＭ之后，對(duì)整個(gè)神經(jīng)網(wǎng)絡(luò)??進(jìn)行了微調(diào)。麻醉深度指數(shù)最終是通過ＳＤＡＥ－ＬＳＴＭ的輸出獲得的。圖３－６說明了??本章提出的整個(gè)框架。其中ＳＤＡＥ－ＬＳＴＭ網(wǎng)絡(luò)結(jié)構(gòu)是簡(jiǎn)略形式，代表網(wǎng)絡(luò)中有４６??個(gè)功能輸入，并輸出一個(gè)可以監(jiān)測(cè)ＤｏＡ的序列。完整的ＳＤＡＥ－ＬＳＴＭ結(jié)構(gòu)可以參??閱圖３－５。??＇腦電信號(hào)采集?［１?ｎ??預(yù)處理．ｌ?特征ｗ?＼＼?％［??雜．ｉ?＞?—從収?＾??Ｉ?Ｌ?＾?／ｉｉ??Ｖ?／?＾＾?ｌ．?Ｗ?＾????廣?＼??＇?麻醉深度指數(shù)１?ＳＤＡＥ－ＬＳＴＭ??廣＾＾?共４６個(gè)特征??ｖ；?Ｌ?，）??圖３－６?ＳＤＡＥ－ＬＳＴＭ實(shí)驗(yàn)框架??３．３．３實(shí)驗(yàn)結(jié)果分析方法??在本實(shí)驗(yàn)中，訓(xùn)練祌經(jīng)Ｍ絡(luò)所使用的標(biāo)簽，是通過ＰＫ７ＰＤ模型計(jì)算所得。??ＰＫ／ＰＤ模型描述了麻醉藥濃度與ＥＥＧ指數(shù)之間的關(guān)系。它由兩部分組成：藥??效學(xué)和藥代動(dòng)力學(xué)。模型的藥代動(dòng)力學(xué)方面描述了藥物的血液濃度如何隨時(shí)間變??化，藥效學(xué)方面代表了作用部位的藥物濃度與測(cè)量指標(biāo)之間的關(guān)系Ｍ６１。??ＭＣｋａｙ等人認(rèn)為七氟醚效應(yīng)的濃度與效應(yīng)室的分）玉有關(guān)１８？，并且效應(yīng)室的分??壓可以通過經(jīng)典的一階效應(yīng)室模型來計(jì)算：??ｄＣｅｆｆ／ｄｔ＾ＫＪＣｔ？－Ｃ＾］?（３－１２）??其中Ｃ；

山東大學(xué)碩士學(xué)位論文??Ｉｎｔｅｌ?Ｘｅｏｎ?ＣＰＵ?和?６４ＧＢ?ＤＤＲ４?內(nèi)存。實(shí)驗(yàn)用到的軟件是?Ｍａｔｌａｂ?Ｒ２０１７ａ?和?Ｐｙｔｈｏｎ??３．５。??２００?ｊ?廣?１?Ｊ?１?１?１?＇??山攜?Ｌ＿ＪＬＬ?ｉ?２?，?，?，?：??０?１００?２００?３００?４００?５００?６００?７００??Ｔｉｍｅ（ｓ）??Ｉ：：，?）?：??＜Ｖ?丨?－??ｑ?一－’’?ｉ?｜?ｉ?＾??—???－ｒ?－｜?ｉ??０?１００?２００?３００?４００?５００?６００?７００??Ｔｉｍｅ（ｓ）??４?ｊ?ｌ?｜?＿＿＿＿？?ｉ?！?Ｉ??－?Ｚ－ｚ?．、、、??ｇ２－?、、ｓ？、?＿??Ｓ＞??°?ｚ?ｚ??Ｑ???１?１?ｌ?Ｉ?１?Ｉ??０?１００?２００?３００?４００?５００?６００?７００??Ｔｉｍｅ（ｓ）??圖３－７來自患者的腦電數(shù)據(jù)以及七缻醚的呼氣末濃度，效應(yīng)室濃度??圖３－８顯示了計(jì)算的排序齓樣本熵和ａ比率以及本章提出的方法在此過程中??最終計(jì)算出的麻醉指數(shù)。??２３??


本文編號(hào)：3265109