基于突变点检测的癫痫数据异常及其关联网络结构的分析方法
发布时间：2021-03-26 19:59
癫痫是由于大脑神经非正常放电导致的脑部障碍,如果癫痫发作时,病人没有得到及时治疗,将会增加其死亡率。目前脑电图检测是一种比较有效的癫痫疾病检测方法,但是仅仅靠人工检测分析达到对病人病情的实时监控几乎是不可能实现的,因此有关癫痫脑电信号的自动检测技术受到很大的关注。根据癫痫脑电信号的特点,本文中将脑电信号看作时间序列,病人处于正常状态时,时间序列是平稳的,当癫痫发作时,时间序列中则会出现异常。由于病理信号的规模较大,时间序列通常是无界流,直接分析是比较耗时的,计算起来需要大量时间。本文针对现有的癫痫疾病分析方法时间复杂度较大、对不同数据段不同位置的数据不敏感、且未能分析病理信号之间的关联关系等问题,提出单路脑电数据异常的快速检测方法即TSTKS方法;基于KST理论框架给出了多变量时序集的数据波动异常及其关联网络结构的分析方法;最后将TSTKS、KST与KS等多种方法综合应于构建关联网络。首先,基于突变点检测理论,实现了单路脑电数据异常的快速检测方法即TSTKS方法,通过合成数据和脑癫痫时序数据验证了TSTKS方法的快速性、准确性。TSTKS方法结合Harr小波和KS统统计在原始时间序列中...
【文章来源】：东华大学上海市 211工程院校 教育部直属院校
【文章页数】：62 页
【学位级别】：硕士
【部分图文】：
A=耳垂，C=中央，Pg=鼻咽，P=顶叶，F=额叶，Fp=额叶，O=枕叶，T=颞
基于突变点检测的癫痫数据异常及其关联网络结构的分析方法31.2癫痫数据检测、突变点检测、关联网络研究现状1.2.1癫痫数据检测研究现状1924年，德国精神病学家汉斯·伯格在耶拿首次记录了人脑的电常他把这段记录叫做脑电图（Berger，1929年）。诱发电位改变的因素是脑电信号中响应于刺激（可能是电的、听觉的、视觉的等）而产生的那些成分，这些信号通常低于噪声水平，因此不容易区分，必须使用一系列刺激来提高信噪比。相关研究表明脑电信号与人的意识水平密切相关。随着脑电活动的增加，脑电信号的主控频率升高，幅度降低。当眼睛闭上时，相应脑电波开始支配脑电图。当人睡着时，主要的脑电图频率降低。在睡眠的某一阶段，快速眼动被称为（REM）睡眠，即人做梦时眼睛有活动的动作，这可以看作是一种特征性的EEG信号。通常采用国际标准的10-20系统记录自发脑电。在这个系统中，21个电极位于头皮表面，从(A)左边和(B)头顶看国际10-20系统[23]，如图1-1所示。图1-1A=耳垂，C=中央，Pg=鼻咽，P=顶叶，F=额叶，Fp=额叶，O=枕叶，T=颞。图1-2美国脑电图学会标准化的中间10%电极的位置和命名。除了国际10-20系统的21个电极外，还使用中间10%的电极位置。这些电极的位置和名称由美国脑电图学会标准化如图1-2所示[24]。脑电图是一种检测癫痫疾病特征的非常重要的工具[25]，它能反映的癫痫病理特征信息是其他医学检测手段远远比不上的。癫痫的类型判别和治疗效果观测等
基于突变点检测的癫痫数据异常及其关联网络结构的分析方法16图3-1TSTcA和TSTcD示意图k,j;McA和k,j;McD的定义如公式(3-1)和(3-2)：,:M-2,4-2-2,4-11cA(cAcA)(2)kjkjkj\*MERGEFORMAT(3-1),:-2,4-2-1,4-11cD(cA-cA)(2)kjMkjkj\*MERGEFORMAT(3-2)并且把初始时间序列分为三个相邻时间段：SL={Xa,…,Xc},SM={XaM,…,XbM},SR={Xc+1,…,Xb}，那么TSTcA和TSTcD就构建完成。为了寻找一条从TSTcD或TSTcA发现突变的最佳搜索路径，给出三条检测突变点的搜索策略。3.2.1三条搜索策略一、基于差值波动的搜索策略本节所提出的搜索策略是对HWKS算法中针对差值二叉树的搜索策略做出的改进，即增加了对TcD中虚拟非叶子中间节点的比较过程。TSTcD的当前非叶节点为k,jcD，k,j:McD的差值波动的定义如公式(3-3)所示：,:11-2,4-2-2,4-11()(2)^(1)1(cAcA)(2)cbMkjMlrlaMrckjkjDXXk\*MERGEFORMAT(3-3)若,:,;,;,:,,1(())kjMkjLkjRkjMDmaxDDDCa为真，表示突变点在中间分支发生的概率比在左边分支和右边分支发生的概率大，因此选择以k,j:McD开始的一条分支作为当前搜索路径，而另外两支舍弃。同理，若k,j;LD或k,j;RD取得最大值，那么选择相对应的分支作为当前搜索策略。这样就可检测到从TSTcD中的根节点到最后一个非叶节点的最优搜索路径。二、基于统计波动的搜索策略
【参考文献】：
期刊论文
[1]癫痫儿童发作期37例心电图与脑电图的特点分析[J]. 鲁亚蕊,毕宠刚,张晓楠,苏魏魏. 基层医学论坛. 2017(13)
[2]关于t检验方差分析及多重比较的研究[J]. 冯变英,张旭,张春枝. 太原师范学院学报(自然科学版). 2012(04)
[3]伴中央颞区棘波的42例良性儿童癫痫临床及脑电图分析[J]. 邓施平,危宏晖. 江西医药. 2012(08)
[4]基于统计特征的时序数据符号化算法[J]. 钟清流,蔡自兴. 计算机学报. 2008(10)
[5]小波变换的离群时序数据挖掘分析[J]. 文琪,彭宏. 电子科技大学学报. 2005(04)
[6]脑电图诊断要点[J]. 周昌贵. 现代电生理学杂志. 2005(01)
博士论文
[1]时序、图像特征检测的理论、方法及应用研究[D]. 钟清流.中南大学 2008
[2]时序数据挖掘及其在故障诊断中的应用研究[D]. 侯澍旻.武汉科技大学 2006
硕士论文
[1]基于多路搜索的时序突变异常快速分析[D]. 艾辣椒.东华大学 2018
[2]一种数据流突变点快速探测算法的研究与实现[D]. 宋巧红.东华大学 2018
本文编号：3102163
【文章来源】：东华大学上海市 211工程院校 教育部直属院校
【文章页数】：62 页
【学位级别】：硕士
【部分图文】：
A=耳垂，C=中央，Pg=鼻咽，P=顶叶，F=额叶，Fp=额叶，O=枕叶，T=颞
基于突变点检测的癫痫数据异常及其关联网络结构的分析方法31.2癫痫数据检测、突变点检测、关联网络研究现状1.2.1癫痫数据检测研究现状1924年，德国精神病学家汉斯·伯格在耶拿首次记录了人脑的电常他把这段记录叫做脑电图（Berger，1929年）。诱发电位改变的因素是脑电信号中响应于刺激（可能是电的、听觉的、视觉的等）而产生的那些成分，这些信号通常低于噪声水平，因此不容易区分，必须使用一系列刺激来提高信噪比。相关研究表明脑电信号与人的意识水平密切相关。随着脑电活动的增加，脑电信号的主控频率升高，幅度降低。当眼睛闭上时，相应脑电波开始支配脑电图。当人睡着时，主要的脑电图频率降低。在睡眠的某一阶段，快速眼动被称为（REM）睡眠，即人做梦时眼睛有活动的动作，这可以看作是一种特征性的EEG信号。通常采用国际标准的10-20系统记录自发脑电。在这个系统中，21个电极位于头皮表面，从(A)左边和(B)头顶看国际10-20系统[23]，如图1-1所示。图1-1A=耳垂，C=中央，Pg=鼻咽，P=顶叶，F=额叶，Fp=额叶，O=枕叶，T=颞。图1-2美国脑电图学会标准化的中间10%电极的位置和命名。除了国际10-20系统的21个电极外，还使用中间10%的电极位置。这些电极的位置和名称由美国脑电图学会标准化如图1-2所示[24]。脑电图是一种检测癫痫疾病特征的非常重要的工具[25]，它能反映的癫痫病理特征信息是其他医学检测手段远远比不上的。癫痫的类型判别和治疗效果观测等
基于突变点检测的癫痫数据异常及其关联网络结构的分析方法16图3-1TSTcA和TSTcD示意图k,j;McA和k,j;McD的定义如公式(3-1)和(3-2)：,:M-2,4-2-2,4-11cA(cAcA)(2)kjkjkj\*MERGEFORMAT(3-1),:-2,4-2-1,4-11cD(cA-cA)(2)kjMkjkj\*MERGEFORMAT(3-2)并且把初始时间序列分为三个相邻时间段：SL={Xa,…,Xc},SM={XaM,…,XbM},SR={Xc+1,…,Xb}，那么TSTcA和TSTcD就构建完成。为了寻找一条从TSTcD或TSTcA发现突变的最佳搜索路径，给出三条检测突变点的搜索策略。3.2.1三条搜索策略一、基于差值波动的搜索策略本节所提出的搜索策略是对HWKS算法中针对差值二叉树的搜索策略做出的改进，即增加了对TcD中虚拟非叶子中间节点的比较过程。TSTcD的当前非叶节点为k,jcD，k,j:McD的差值波动的定义如公式(3-3)所示：,:11-2,4-2-2,4-11()(2)^(1)1(cAcA)(2)cbMkjMlrlaMrckjkjDXXk\*MERGEFORMAT(3-3)若,:,;,;,:,,1(())kjMkjLkjRkjMDmaxDDDCa为真，表示突变点在中间分支发生的概率比在左边分支和右边分支发生的概率大，因此选择以k,j:McD开始的一条分支作为当前搜索路径，而另外两支舍弃。同理，若k,j;LD或k,j;RD取得最大值，那么选择相对应的分支作为当前搜索策略。这样就可检测到从TSTcD中的根节点到最后一个非叶节点的最优搜索路径。二、基于统计波动的搜索策略
【参考文献】：
期刊论文
[1]癫痫儿童发作期37例心电图与脑电图的特点分析[J]. 鲁亚蕊,毕宠刚,张晓楠,苏魏魏. 基层医学论坛. 2017(13)
[2]关于t检验方差分析及多重比较的研究[J]. 冯变英,张旭,张春枝. 太原师范学院学报(自然科学版). 2012(04)
[3]伴中央颞区棘波的42例良性儿童癫痫临床及脑电图分析[J]. 邓施平,危宏晖. 江西医药. 2012(08)
[4]基于统计特征的时序数据符号化算法[J]. 钟清流,蔡自兴. 计算机学报. 2008(10)
[5]小波变换的离群时序数据挖掘分析[J]. 文琪,彭宏. 电子科技大学学报. 2005(04)
[6]脑电图诊断要点[J]. 周昌贵. 现代电生理学杂志. 2005(01)
博士论文
[1]时序、图像特征检测的理论、方法及应用研究[D]. 钟清流.中南大学 2008
[2]时序数据挖掘及其在故障诊断中的应用研究[D]. 侯澍旻.武汉科技大学 2006
硕士论文
[1]基于多路搜索的时序突变异常快速分析[D]. 艾辣椒.东华大学 2018
[2]一种数据流突变点快速探测算法的研究与实现[D]. 宋巧红.东华大学 2018
本文编号：3102163
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/3102163.html
最近更新
教材专著
