內(nèi)容簡(jiǎn)介：
癲癇腦電的分類識(shí)別及自動(dòng)檢測(cè)方法研究，碩士學(xué)位論文，共55頁。
摘要
癲癇發(fā)作是腦內(nèi)神經(jīng)元陣發(fā)性異常超同步化電活動(dòng)的臨床表現(xiàn),具有反復(fù)性、突發(fā)性和暫時(shí)性等特點(diǎn)。作為研究癲癇發(fā)作特征的重要工具,腦電圖所反映的發(fā)作信息是其他生理學(xué)方法所不能提供的。利用信號(hào)處理技術(shù)和模式識(shí)別方法自動(dòng)檢測(cè)癲癇腦電信號(hào),對(duì)于減輕醫(yī)生負(fù)擔(dān)并提高癲癇的診斷效率具有重要意義。
目前,在腦電信號(hào)的分析研究中,非線性動(dòng)力學(xué)的應(yīng)用為癲癇腦電的識(shí)別提供了更加豐富的重要信息,但是多數(shù)非線性腦電特征具有較復(fù)雜的計(jì)算過程,無法保證檢測(cè)算法的實(shí)時(shí)性。同時(shí),傳統(tǒng)的“腦電特征提取+分類器”的自動(dòng)檢測(cè)方法會(huì)提取多個(gè)腦電特征,然后組成特征向量或進(jìn)行特征選擇,這樣進(jìn)一步加劇了算法的計(jì)算復(fù)雜度,并且增加了特征選取的難題。本文立足于腦電信號(hào)的特征提取、分類識(shí)別和癲癇發(fā)作的自動(dòng)檢測(cè)的研究,圍繞腦電信號(hào)的非線性特征提取、分形特性以及基于稀疏表示的腦電分類等內(nèi)容展開以下研究:首先,本文將非線性動(dòng)力學(xué)的重要分支——分形幾何理論應(yīng)用到腦電信號(hào)的分析與處理中。將常用于圖像分形計(jì)算的微分盒維算法引入到一維腦電信號(hào)的分形分析中,計(jì)算了腦電信號(hào)的盒維數(shù)及其分形截距,并發(fā)現(xiàn)與盒維數(shù)相比,其分形截距能夠更好的區(qū)分癲癇發(fā)作期和間歇期的腦電。之后,本文又通過改進(jìn)毯子覆蓋技術(shù)計(jì)算出腦電信號(hào)的多尺度毯子維及其分形截距,并發(fā)現(xiàn)在不同尺度上它們?cè)谂R近癲癇發(fā)作前均會(huì)出現(xiàn)明顯變化。其次,本文基于所提出的腦電分形特征進(jìn)一步提出了癲癇發(fā)作檢測(cè)與預(yù)測(cè)方法。將腦電信號(hào)的微分盒維的分形截距作為其非線性特征,然后結(jié)合極端學(xué)習(xí)機(jī)(ELM)分類器,提出了一種適于多導(dǎo)長(zhǎng)程腦電的癲癇發(fā)作檢測(cè)方法。采用BLDA算法對(duì)腦電的多尺度毯子維及其分形截距在發(fā)作前期的變化進(jìn)行檢測(cè),從而實(shí)現(xiàn)了對(duì)癲癇發(fā)作的預(yù)報(bào)。實(shí)驗(yàn)驗(yàn)證的結(jié)果不僅說明了本文所提出的腦電分形特征的有效性,而且體現(xiàn)了所提出的檢測(cè)和預(yù)測(cè)方法的良好性能。再次,本文依據(jù)稀疏表示分類方法,提出了一種基于Kernel稀疏表示的癲癇腦電識(shí)別算法。在該方法框架中,先通過求解最小A范數(shù)優(yōu)化問題求得待測(cè)腦電在腦電訓(xùn)練集上的稀疏表示系數(shù),然后,分別計(jì)算發(fā)作期訓(xùn)練樣本和間歇期訓(xùn)練樣本對(duì)待測(cè)腦電的稀疏表示重構(gòu)誤差,通過比較誤差的大小來確定待測(cè)腦電的類別。與常見的“腦電特征提取+分類器”的腦電分類方法不同,基于稀疏表示的腦電識(shí)別方法避免了腦電特征提取和選擇的問題,更加完整地保留了腦電信號(hào)所攜帶的信息。為了進(jìn)一步提高識(shí)別效果,本文將核函數(shù)技術(shù)與稀疏表示分類方法相結(jié)合,通過預(yù)先增強(qiáng)腦電樣本的可分性來進(jìn)一步提高對(duì)癲癇腦電的識(shí)別率。實(shí)驗(yàn)結(jié)果表明,基于Kernel稀疏表示的腦電分類方法取得了更加理想的分類性能。最后,在基于稀疏表示的癲癇腦電識(shí)別方法的基礎(chǔ)上,進(jìn)一步將計(jì)算待測(cè)腦電稀疏表示系數(shù)過程中所利用的最小“范數(shù)優(yōu)化問題替換為最小h范數(shù)優(yōu)化問題,從而可以通過正則化最小二乘算法(Regularized Least Square, RLS)解析地求得待測(cè)腦電的稀疏系數(shù),避免了復(fù)雜的迭代運(yùn)算,大大降低了算法的復(fù)雜性。由于改進(jìn)后的方法強(qiáng)調(diào)來自所有類別的訓(xùn)練樣本對(duì)測(cè)試樣本的協(xié)作表示所起到的關(guān)鍵作用,因此稱為協(xié)作表示分類方法。同樣,本文將核函數(shù)技術(shù)與協(xié)作表示分類方法相結(jié)合,并且將兩類腦電訓(xùn)練樣本所對(duì)應(yīng)的重構(gòu)誤差相減,所得的差值作為輸出的決策變量,從而引入了平滑濾波等后處理環(huán)節(jié),提出了較為完善的基于Kernel協(xié)作表示的癲癇發(fā)作檢測(cè)方法。利用連續(xù)長(zhǎng)程腦電數(shù)據(jù)對(duì)該方法的性能進(jìn)行評(píng)價(jià),實(shí)驗(yàn)發(fā)現(xiàn),所提出的檢測(cè)方法不但取得了較理想的檢測(cè)結(jié)果,而且其較快的運(yùn)算速度基本符合實(shí)時(shí)在線的發(fā)作檢測(cè)的需求。
本文的研究工作將有助于進(jìn)一步推動(dòng)癲癇自動(dòng)檢測(cè)在技術(shù)理論、算法和臨床應(yīng)用方面的研究,對(duì)于腦電信號(hào)的非線性特征提取、分形理論在腦電分析中的應(yīng)用以及腦電信號(hào)的稀疏表示分類方法起到了積極的推進(jìn)作用。由于實(shí)驗(yàn)所用腦電數(shù)據(jù)的局限性,本文所提出的幾種癲癇腦電識(shí)別和自動(dòng)發(fā)作檢測(cè)方法還需要更大量的臨床腦電數(shù)據(jù)來進(jìn)一步驗(yàn)證它們的性能。
關(guān)鍵詞:腦電信號(hào);癲癇發(fā)作;分形特征;微分盒維;毯子覆蓋技術(shù);稀疏表示;核函數(shù)技術(shù);協(xié)作表示
第一章緒論
1.1研究背景和意義
癲癇(epilepsy)是由多種病因引起的慢性腦功能障礙綜合癥。癲癇發(fā)作是由于腦部神經(jīng)細(xì)胞群異常放電⑴[2],從而引起腦功能失調(diào),具有反復(fù)性、突發(fā)性和暫時(shí)性等特點(diǎn)13]。癲癇患者常見的臨床表現(xiàn)為突然意識(shí)喪失、全身抽搐以及精神異常等[4],往往會(huì)給患者的身體帶來較大傷害,甚至危及生命,頻繁的發(fā)作也會(huì)給大腦帶來較大損害。目前,根據(jù)世界衛(wèi)生組織(WHO)調(diào)查顯示:全球約5億人口患有癲癇疾病,其中生活在發(fā)展中國(guó)家和地區(qū)的患有癲癇的人口占癲癇患者總?cè)丝跀?shù)的80%左右。長(zhǎng)期反復(fù)的癲癇發(fā)作,使患者不但身體上遭受痛苦,并且會(huì)導(dǎo)致其精神及心理障礙,極大地影響了患者的正常生活,同時(shí)也在物質(zhì)和精神兩方面為其家庭和社會(huì)增添了較大的負(fù)擔(dān)。所以,加強(qiáng)對(duì)癲癇疾病的防治和研究,不但可以進(jìn)一步減輕癲癇帶給患者的痛苦,改善其生活質(zhì)量,而且對(duì)于提高人口素質(zhì)和健康水平有著深遠(yuǎn)意義。
作為研究癲癇發(fā)作特征的重要工具tsi,腦電圖所反映的發(fā)作信息是其他生理學(xué)方法所不能提供的。腦電圖在癲癇疾病的診斷、癲癇發(fā)作的定性定位、類型判斷及治療效果的觀察中發(fā)揮著不可替代的作用,它不僅可以指導(dǎo)患者的用藥,是抗癲癇藥物療效的客觀評(píng)判標(biāo)準(zhǔn),而且還是癲癇發(fā)作分類、病灶定位的有力依據(jù),對(duì)于一些沒有形態(tài)改變的癲癇病灶,CT、核磁共振成像(MRI)可能無異常表現(xiàn),有時(shí)主要靠腦電圖來定位。因此,對(duì)于癲癇患者的腦電信號(hào)的處理與分析將為癲癇的診斷、治療、自動(dòng)檢測(cè)及揭示其發(fā)病機(jī)理提供極有價(jià)值的信息。
......
相關(guān)說明：
1. 如您下載的資料不止一份，建議您注冊(cè)成為本站會(huì)員。會(huì)員請(qǐng)登錄后下載。
2. 會(huì)員購買金幣50元以下，0.7元/個(gè)，50元以上，0.5元/個(gè)。具體請(qǐng)看：下載與付款。
3. 會(huì)員48小時(shí)內(nèi)下載同一文件，不重復(fù)扣金幣。
4. 下載后請(qǐng)用WinRAR或 WinZIP解壓縮后使用。
5. 如仍有其他下載問題，請(qǐng)看常見問題解答。
下載地址：
|