基于复合域分析的癫痫脑电信号检测算法研究
发布时间：2021-05-22 02:21
癫痫是一种常见的神经系统疾病,通常以脑细胞突然过度放电引起的短暂脑功能失常为特征。脑电图中包含大量的生理和病理信息,临床上医生通过视觉分析24小时脑电图来诊断病情。脑电图在癫痫诊断工作中的必要性以及视觉检测存在的诸多不足,促使以信号处理为基础的自动检测技术成为目前的研究热点。计算机自动检测技术最核心的任务就是利用信号处理和模式识别方法实现脑电信号的解析与判读。美国、法国和奥地利等国家已开发出在线癫痫诊断系统,并成功应用于临床,而我国相关研究还主要停留在实验室阶段。主要是由于目前癫痫脑电分析算法采用单一算法域为主,对有效病理信息的挖掘与表征程度不高,分析效果难以满足临床应用的要求,在算法稳定性、适应性和泛化性方面还存在问题。在此情况下,寻求一种高效、可靠的癫痫脑电信号分析方法就显得尤为迫切和必要。本文从癫痫脑电信号的特点入手,研究各个不同发作期脑电信号的差异性,并在此基础上提出了复合域分析算法。分别针对目前检测算法在稳定性、适应性和泛化性方面存在的问题展开深入研究,建立相应的基于复合域分析的癫痫脑电信号检测模型,探索所提算法在癫痫自动诊断中的应用。本文的主要工作及创新点如下:（1）针对癫...
【文章来源】：吉林大学吉林省 211工程院校 985工程院校 教育部直属院校
【文章页数】：120 页
【学位级别】：博士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 研究背景及意义
1.1.1 脑电研究背景
1.1.2 癫痫脑电信号
1.1.3 本文研究意义
1.2 癫痫检测系统研究现状及算法发展趋势
1.2.1 癫痫检测系统国内外研究现状
1.2.2 研究算法概述
1.2.3 癫痫脑电分析算法存在的问题
1.3 本文研究内容及技术路线
1.3.1 本文研究内容
1.3.2 技术路线
1.3.3 章节安排
第2章 癫痫脑电信号分析算法框架及实验数据来源
2.1 癫痫脑电信号处理流程
2.1.1 预处理
2.1.2 特征提取
2.1.3 分类
2.2 算法性能评价方法
2.2.1 交叉验证
2.2.2 评价标准
2.2.3 Wilcoxon秩和检验
2.3 癫痫脑电数据来源
2.3.1 波恩大学癫痫脑电数据
2.3.2 CHB-MIT长程癫痫脑电数据
2.4 本章小结
第3章 基于小波-包络谱的癫痫脑电分析模型
3.1 引言
3.2 小波分析
3.2.1 小波变换定义
3.2.2 双密度离散小波变换
3.3 包络谱分析
3.4 集成BP神经网络设计
3.4.1 BP神经网络
3.4.2 Adaboost-BP分类模型搭建
3.5 基于DDDWT-HT的癫痫脑电信号检测算法
3.5.1 脑电信号的小波包络谱分析
3.5.2 统计特征提取
3.5.3 Adaboost-BP网络设置
3.6 实验结果与分析
3.6.1 实验结果
3.6.2 讨论
3.7 本章小结
第4章 基于多阶次FrFT-WPT的癫痫脑电分析模型
4.1 引言
4.2 分数阶傅立叶变换
4.3 小波包变换
4.3.1 小波包变换基本原理
4.3.2 常用小波函数系
4.4 多阶次FrFT-WPT算法设计
4.4.1 FrFT和WPT联合分析
4.4.2 基于模糊熵的脑电信号特征提取
4.4.3 基于PCA-KW的特征选择
4.4.4 基于RF的特征分类
4.5 实验结果与分析
4.5.1 实验结果
4.5.2 讨论
4.6 本章小结
第5章 基于MODWT-KDE的癫痫脑电分析模型
5.1 引言
5.2 极大模值离散小波变换
5.3 核密度估计
5.4 基于MODWT-KDE的癫痫脑电检测算法
5.4.1 预处理
5.4.2 导联选择
5.4.3 数据分段
5.4.4 基于MODWT-KDE复合域的特征提取
5.4.5 分类方法
5.5 实验结果与分析
5.5.1 实验结果
5.5.2 讨论
5.6 本章小结
第6章 总结与展望
6.1 论文总结
6.2 研究展望
参考文献
在学期间研究成果
致谢
本文编号：3200794
【文章来源】：吉林大学吉林省 211工程院校 985工程院校 教育部直属院校
【文章页数】：120 页
【学位级别】：博士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 研究背景及意义
1.1.1 脑电研究背景
1.1.2 癫痫脑电信号
1.1.3 本文研究意义
1.2 癫痫检测系统研究现状及算法发展趋势
1.2.1 癫痫检测系统国内外研究现状
1.2.2 研究算法概述
1.2.3 癫痫脑电分析算法存在的问题
1.3 本文研究内容及技术路线
1.3.1 本文研究内容
1.3.2 技术路线
1.3.3 章节安排
第2章 癫痫脑电信号分析算法框架及实验数据来源
2.1 癫痫脑电信号处理流程
2.1.1 预处理
2.1.2 特征提取
2.1.3 分类
2.2 算法性能评价方法
2.2.1 交叉验证
2.2.2 评价标准
2.2.3 Wilcoxon秩和检验
2.3 癫痫脑电数据来源
2.3.1 波恩大学癫痫脑电数据
2.3.2 CHB-MIT长程癫痫脑电数据
2.4 本章小结
第3章 基于小波-包络谱的癫痫脑电分析模型
3.1 引言
3.2 小波分析
3.2.1 小波变换定义
3.2.2 双密度离散小波变换
3.3 包络谱分析
3.4 集成BP神经网络设计
3.4.1 BP神经网络
3.4.2 Adaboost-BP分类模型搭建
3.5 基于DDDWT-HT的癫痫脑电信号检测算法
3.5.1 脑电信号的小波包络谱分析
3.5.2 统计特征提取
3.5.3 Adaboost-BP网络设置
3.6 实验结果与分析
3.6.1 实验结果
3.6.2 讨论
3.7 本章小结
第4章 基于多阶次FrFT-WPT的癫痫脑电分析模型
4.1 引言
4.2 分数阶傅立叶变换
4.3 小波包变换
4.3.1 小波包变换基本原理
4.3.2 常用小波函数系
4.4 多阶次FrFT-WPT算法设计
4.4.1 FrFT和WPT联合分析
4.4.2 基于模糊熵的脑电信号特征提取
4.4.3 基于PCA-KW的特征选择
4.4.4 基于RF的特征分类
4.5 实验结果与分析
4.5.1 实验结果
4.5.2 讨论
4.6 本章小结
第5章 基于MODWT-KDE的癫痫脑电分析模型
5.1 引言
5.2 极大模值离散小波变换
5.3 核密度估计
5.4 基于MODWT-KDE的癫痫脑电检测算法
5.4.1 预处理
5.4.2 导联选择
5.4.3 数据分段
5.4.4 基于MODWT-KDE复合域的特征提取
5.4.5 分类方法
5.5 实验结果与分析
5.5.1 实验结果
5.5.2 讨论
5.6 本章小结
第6章 总结与展望
6.1 论文总结
6.2 研究展望
参考文献
在学期间研究成果
致谢
本文编号：3200794
本文链接：https://www.wllwen.com/kejilunwen/xinxigongchenglunwen/3200794.html
