当前位置:主页 > 科技论文 > 网络通信论文 >

基于灵活分析小波变换的癫痫脑电信号自动检测算法研究

发布时间:2020-06-28 06:16
【摘要】:癫痫是一种发病规律难以预测的脑神经系统疾病,严重困扰着人类健康。脑电图(Electroencephalogram,EEG)可以记录大脑神经元系统电位变化情况,是癫痫诊断过程中重要手段。癫痫发作时脑部周期性高频率放电,产生棘波、尖波、慢波、棘慢复合波等特征波都可以通过EEG体现出来。目前临床上对癫痫的检测是通过观察、对比不同阶段的EEG从而对人体的状况做出判断,从直观的角度确定患者的癫痫疾病所属类型、推断出潜伏期、确定治疗方案或手术部位,这通常需要对癫痫病人的脑电信号进行长期地监测。这个过程产生的EEG数据量庞大,依靠医疗工作者的肉眼去诊断耗时耗力,且依据工作经验、诊断习惯和判断标准的不同,会产生偏差或者误诊。基于此,研究出一种能够应用于实现癫痫脑电信号自动检测的方法,意义重大。针对脑电信号复杂细致的特点,直接基于脑电信号的特征提取会使大量细节丢失,本文在脑电信号特征提取步骤上提出了一种基于灵活分析小波变换(Flexible Analytic Wavelet Transform,FAWT)的时频分析自动检测方法,通过实验数据验证了该方法的有效性。EEG的处理流程如下:首先,应用FAWT对信号进行分解重构,多尺度变换使重构信号比原始信号更细腻;其次,应用窗口宽度为256点,重叠数为200的短时傅里叶变换(Short-Time Fourier Transform)提取出EEG时频特征。然后,非负矩阵分解(Non-negative Matrix Factorization,NMF)对样本的时频特征矩阵降维。最后,将降维后的时频特征送入遗传算法优化的支持向量机(Support Vector Machine,SVM)中分类,以准确率为主要评价指标,程序运行10次,得出识别分类结果的平均准确率为99%。上述是本文提出自动检测方法的基本步骤,在上述工作上,本文还做了多组对比实验,包括:1.寻找FAWT的最佳分解层数。由于不同分解层数下EEG被分解的细致程度差异较大,本文在实验中使FAWT的分解层数J从1变换到16,将各个J值下分类准确率对比,实验结果表明J为6时分类准确率最高。2.确定FAWT的重构方式。针对不同重构方式下EEG被细化的频段不同,准确率结果差别较大的问题,本文在实验中对比了四种重构方法,实验结果表明,第一种重构方式下,高频段信息和较低频段信息被充分保留,分类的准确率最高。3.对比FAWT、可调Q因子小波变换(Tunable Q-factor Wavelet Transform,TQWT)和离散小波变换(Discrete Wavelet Transform,DWT)的多尺度时频分析性能。实验结果表明,FAWT进行6层分解以第一种方式重构时,准确率高于TQWT和DWT。4.对比STFT和快速傅里叶变换(Fast Fourier Transform,FFT)的时频特征。为了使实验结果更加客观,实验中调节STFT时频窗口大小,令STFT和FFT提取的时频特征个数一致,实验准确率表明,STFT的时频分析性能优于FFT。5.对比NMF、因子分析(Factor Analysis,FA)和奇异值分解(Singular Value Decomposition,SVD)降维性能,使降维维度k从1变化到30,从准确率变化曲线和时间上分析。结果表明,NMF对高维数据的降维性能优于FA和SVD。6.验证本文方法的有效性。将本文准确率与近几年该领域内文献准确率对比,结果表明本文准确率高于其他文献。
【学位授予单位】:吉林大学
【学位级别】:硕士
【学位授予年份】:2018
【分类号】:R742.1;TN911.7
【图文】:

流程图,自动检测,流程图,信号


医疗水平的革新,人们开始尝试在大脑内植入电极,用相应的脑电分析仪来理脑电信号,使数据更加精细化、准确化。“运动想象”概念的提出,人们开用“意念”(实则为想象某个运动时大脑中电位信号的变化)控制一些简单的作,旨在为残疾人或者身体某个部位不太灵活人群带来更多生活上的便利。中在 2015 年提出“一体两翼”的脑计划并列入十三五规划中,一体即以“认识”为主体,两翼以“保护脑”、“模拟脑”为目标,脑电信号学习与研究被提到战略性的高度上来。脑电信号的研究是癫痫脑电信号自动检测的基础,历经上述几十年的发展,系逐步完善,方法不断充实,认识不断创新,已经成为人类对脑认识、脑学习、控制的重要组成部分。科学家们呕心沥血的理论与实践表明,癫痫脑电的自动测过程包括以下 3 个部分[8]:脑电信号的预处理——脑电信号的特征提取——电信号的模式识别,流程图如图 1.1。其中预处理是一个去噪的过程,将脑电号中的眼电伪迹、心电伪迹、肌电伪迹以及其他噪声去除,得到较为纯净的脑信号。

结构示意图,突触,细胞体,树突


电信号产生机理和组成成分是人体的控制中心,结构复杂而又精巧,影响着人类的心理和生理讲,大脑是由成千上万的神经元细胞组成的,这些细胞在人体处于表现出内负外正的静息电位,当受到刺激后,钾、钠离子通过细胞活动完成一个电位活动,产生一个电位差[18]。电位活动不断传递,兴奋的地方,而这个过程常常是及其短暂的。神经元细胞由三部分树突(细胞体上大量的短纤维)和轴突(一段很长的神经纤维)。分为突触终末并与其它神经元或效应器的细胞接触形成突触。大部细胞体的树突基部,部分突触集中在顶树突。神经细胞相互之间通键)传递信息。一个神经细胞通常覆盖着几千个突触。当神经元活传入信息,传向细胞体,轴突把信号输出到另一个细胞[19]。如图 就是通过这些神经元细胞的电位活动传达着控制肢体、思想行为、的信息。

【参考文献】

相关期刊论文 前9条

1 席敏;朱国魂;;多尺度排列熵及其在癫痫发作识别中的应用[J];生物医学工程学杂志;2015年04期

2 莫家庆;王宏;许亮;俞潇;吕小毅;;基于DWT和MFCC的振动信号特征参数提取方法[J];新疆大学学报(自然科学版);2015年03期

3 卢艳军;周小敏;任艳;房芮;;基于遗传算法优化支持向量机的辐射测温方法[J];沈阳航空航天大学学报;2015年03期

4 计雨含;王晓东;姚宇;;基于张量奇异值分解的人脸识别方法[J];计算机应用;2015年S1期

5 张涛;陈万忠;李明阳;;基于AdaBoost算法的癫痫脑电信号识别[J];物理学报;2015年12期

6 王莹;侯凤贞;戴加飞;刘新峰;李锦;王俊;;改进的相对转移熵的癫痫脑电分析[J];物理学报;2014年21期

7 孟庆芳;陈珊珊;陈月辉;冯志全;;基于递归量化分析与支持向量机的癫痫脑电自动检测方法[J];物理学报;2014年05期

8 张鹏;李红斌;;一种基于离散小波变换的谐波分析方法[J];电工技术学报;2012年03期

9 胡丽莹;肖蓬;;快速傅里叶变换在频谱分析中的应用[J];福建师范大学学报(自然科学版);2011年04期

相关博士学位论文 前1条

1 张艳丽;癫痫脑电的分形分析及自动检测方法研究[D];山东大学;2016年



本文编号:2732665

资料下载
论文发表

本文链接:https://www.wllwen.com/kejilunwen/wltx/2732665.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户2ee79***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com