面向智慧医疗的生物电信号分类识别算法研究
发布时间：2021-06-07 05:38
人口老龄化进程及人类寿命的延长使人们患慢性疾病,比如心血管疾病、老年痴呆、中风等的风险大大增加,而我国基层医疗资源严重不足。人口和社会发展迫切需要建立针对慢性疾病的新型智慧医疗体系,即融合可穿戴诊疗、远程监测、智能诊断和服务为一体的医疗系统。心电图（ECG）和脑电图（EEG）不仅是心血管疾病、老年痴呆和中风等慢性疾病监测和诊疗的基础,而且此类生物电信号具有非侵入、经济、便捷灵活等特点,在未来可穿戴智慧医疗中具有重要应用价值。心电和脑电等生物电信号具有噪声强、随机性强、非线性、混沌性等特点,并且针对不同个体和场景具有较大变异性。对这些信号的处理和自动诊断方法的研究是可穿戴医疗及智能诊断装备的关键技术和难点。目前在有关心电及脑电信号智能识别方面,尤其是针对临床数据,具有精度低、诊断效率不高、个体和不同时间变异性较大等问题,严重阻碍了智能诊疗系统的临床应用。针对上述关键技术问题,深入分析了心电和脑电信号的生理学机理,研究了信号特征与其所反映疾病现象的相关性,提出了先进信号处理算法和高效自适应的机器学习算法及训练机制,设计了适合大数据实时辅助诊断的深度残差神经网络等算法,并且用于心电和脑电信号...
【文章来源】：北京邮电大学北京市 211工程院校 教育部直属院校
【文章页数】：142 页
【学位级别】：博士
【部分图文】：
图２－１?ＥＣＧ单心搏波形??如图２－１所示，一个完整的心动周期包括心房除极、心室除极和心室复极，??
图２－２几种心律不齐心搏信号??挖掘反映心脏异常的ＥＣＧ信号形态特征，进行快速准确地疾病预测和难点，也是本课题后续章节的研究重点。??２．２基于ＥＥＧ的运动想象康复治疗的机理分析??２．２．１运动想象疾病康复机理??脑卒中（中风）是一种典型的脑血管疾病，它的症状是感知和行为功能失通常遗留有远端肢体功能障碍，利用常规康复治疗比较难改善。运动想一种通过干预患者相关认知过程，达到肢体功能康复目的的新疗法［２？２１２基于ＥＥＧ信号的运动想象脑机接口（ＢＣＩ）技术进行患者（闭锁综合症、、脊髓损伤、脊髓侧索硬化、偏瘫等）的康复，正成为国际上的研究ｖ。这类脑神经损伤所致疾病的原因是皮层异常兴奋和抑制，长期的抑相应肢体的萎缩。如何激发抑制的皮层区域，使其正常支配人体相应部是康复的一个重要研宄内容。运动想象能够提高初级运动区域的皮层
ＥＥＧ信号的频率＿幅度谱，图（ｂ）为右侧脑半球（Ｃ４通道）ＥＥＧ信号的频率－??幅度谱。可以ｔ出，该受试者的事件同步去相关现象主要体现在Ｍｕ频带及Ｂｅｔａ??频带附近，但Ｂｅｔａ频带现象较弱。图２－３和２－４的数据来源于ＢＣＩ?Ｃｏｍｐｅｔｉｔｉｏｎ?ＩＶ??数据集Ｉｌａ，该数据集包括９个受试者的运动想象测试数据，图中是第８个受试??者（Ａ０８）的测试数据。数据集的详细介绍请参考本论文３．２．１节。??２．２．３感觉运动节律（ＳＭＲ）变异性分析??尽管人们在想象或执行运动时，大脑皮层ＥＥＧ的ｍｕ和ｂｅｔａ节律出现很显??著的ＥＲＳ／ＥＲＤ现象。但是运动想象的ＥＲＳ／ＥＲＤ模态具有较大的变异性，即不??同人的ＥＲＳ／ＥＲＤ感觉运动节律的频带有差异，甚至同一个体不同时间的测试结??果也有变异。大部分受试者ｍｕ频带、ｂｅｔａ频带节律出现ＥＲＳ／ＥＲＤ现象，但个??体间差异较大。图２－５是受试者想象右手运动时的ＥＲＳ／ＥＲＤ现象，分别选择不??同频带ｍｕ节律（８－１３Ｈｚ）、ｂｅｔａ节律（１８－３０ＨＺ）和３０－４５ＨＺ频带成分，其左右??半球所对应的Ｃ３和Ｃ４通道的ＥＥＧ振幅分别用黑色和红色。数据来源于ＢＣＩ??竞赛ＩＶ数据集ＩＩＡ
【参考文献】：
期刊论文
[1]脑机接口技术在脑卒中偏瘫患者下肢运动功能康复治疗中的应用[J]. 方文垚,刘昊,杨柳,林思俭,刘邦亮,罗军. 山东医药. 2018(10)
[2]开启人工智能心电分析系统新时代[J]. 卢喜烈. 实用心电学杂志. 2018(01)
[3]人工智能与医疗深度融合[J]. 陈建伟. 中国卫生. 2017(09)
[4]基于集成卷积神经网络的肺部肿瘤计算机辅助诊断模型[J]. 王媛媛,周涛,陆惠玲,吴翠颖,杨鹏飞. 生物医学工程学杂志. 2017(04)
[5]《中国心血管病报告2016》概要[J]. 陈伟伟,高润霖,刘力生,朱曼璐,王文,王拥军,吴兆苏,李惠君,顾东风,杨跃进,郑哲,蒋立新,胡盛寿. 中国循环杂志. 2017(06)
[6]基于MI-BCI的上肢在线运动康复原型系统[J]. 李明爱,罗新勇,崔燕,杨金福. 北京生物医学工程. 2017(03)
[7]基于集成学习的临床心电图分类算法研究[J]. 金林鹏,董军. 生物医学工程学杂志. 2016(05)
[8]我国智慧医疗建设的现状及发展策略研究[J]. 沈甦. 上海医药. 2016(15)
[9]基于流形正则化的半监督投影双子支持向量机[J]. 陈伟杰,邵元海,李春娜,邓乃扬. 模式识别与人工智能. 2016(02)
[10]生物医学信号处理研究综述[J]. 胡广书,汪梦蝶. 数据采集与处理. 2015(05)
博士论文
[1]脑电分析技术在帕金森病并发认知功能损害及无认知损害者早期诊断的应用研究[D]. 何雪桃.南方医科大学 2016
[2]面向健康监护的穿戴式体征信息感知技术研究[D]. 罗堪.东南大学 2015
[3]基于非平行超平面支持向量机的分类问题研究[D]. 王震.吉林大学 2014
硕士论文
[1]外骨骼上肢机器人运动康复虚拟现实训练与评价研究[D]. 王源.上海交通大学 2013
[2]独立分量分析及其在脑电信号噪声分离中的应用[D]. 李婷.大连理工大学 2005
本文编号：3215978
【文章来源】：北京邮电大学北京市 211工程院校 教育部直属院校
【文章页数】：142 页
【学位级别】：博士
【部分图文】：
图２－１?ＥＣＧ单心搏波形??如图２－１所示，一个完整的心动周期包括心房除极、心室除极和心室复极，??
图２－２几种心律不齐心搏信号??挖掘反映心脏异常的ＥＣＧ信号形态特征，进行快速准确地疾病预测和难点，也是本课题后续章节的研究重点。??２．２基于ＥＥＧ的运动想象康复治疗的机理分析??２．２．１运动想象疾病康复机理??脑卒中（中风）是一种典型的脑血管疾病，它的症状是感知和行为功能失通常遗留有远端肢体功能障碍，利用常规康复治疗比较难改善。运动想一种通过干预患者相关认知过程，达到肢体功能康复目的的新疗法［２？２１２基于ＥＥＧ信号的运动想象脑机接口（ＢＣＩ）技术进行患者（闭锁综合症、、脊髓损伤、脊髓侧索硬化、偏瘫等）的康复，正成为国际上的研究ｖ。这类脑神经损伤所致疾病的原因是皮层异常兴奋和抑制，长期的抑相应肢体的萎缩。如何激发抑制的皮层区域，使其正常支配人体相应部是康复的一个重要研宄内容。运动想象能够提高初级运动区域的皮层
ＥＥＧ信号的频率＿幅度谱，图（ｂ）为右侧脑半球（Ｃ４通道）ＥＥＧ信号的频率－??幅度谱。可以ｔ出，该受试者的事件同步去相关现象主要体现在Ｍｕ频带及Ｂｅｔａ??频带附近，但Ｂｅｔａ频带现象较弱。图２－３和２－４的数据来源于ＢＣＩ?Ｃｏｍｐｅｔｉｔｉｏｎ?ＩＶ??数据集Ｉｌａ，该数据集包括９个受试者的运动想象测试数据，图中是第８个受试??者（Ａ０８）的测试数据。数据集的详细介绍请参考本论文３．２．１节。??２．２．３感觉运动节律（ＳＭＲ）变异性分析??尽管人们在想象或执行运动时，大脑皮层ＥＥＧ的ｍｕ和ｂｅｔａ节律出现很显??著的ＥＲＳ／ＥＲＤ现象。但是运动想象的ＥＲＳ／ＥＲＤ模态具有较大的变异性，即不??同人的ＥＲＳ／ＥＲＤ感觉运动节律的频带有差异，甚至同一个体不同时间的测试结??果也有变异。大部分受试者ｍｕ频带、ｂｅｔａ频带节律出现ＥＲＳ／ＥＲＤ现象，但个??体间差异较大。图２－５是受试者想象右手运动时的ＥＲＳ／ＥＲＤ现象，分别选择不??同频带ｍｕ节律（８－１３Ｈｚ）、ｂｅｔａ节律（１８－３０ＨＺ）和３０－４５ＨＺ频带成分，其左右??半球所对应的Ｃ３和Ｃ４通道的ＥＥＧ振幅分别用黑色和红色。数据来源于ＢＣＩ??竞赛ＩＶ数据集ＩＩＡ
【参考文献】：
期刊论文
[1]脑机接口技术在脑卒中偏瘫患者下肢运动功能康复治疗中的应用[J]. 方文垚,刘昊,杨柳,林思俭,刘邦亮,罗军. 山东医药. 2018(10)
[2]开启人工智能心电分析系统新时代[J]. 卢喜烈. 实用心电学杂志. 2018(01)
[3]人工智能与医疗深度融合[J]. 陈建伟. 中国卫生. 2017(09)
[4]基于集成卷积神经网络的肺部肿瘤计算机辅助诊断模型[J]. 王媛媛,周涛,陆惠玲,吴翠颖,杨鹏飞. 生物医学工程学杂志. 2017(04)
[5]《中国心血管病报告2016》概要[J]. 陈伟伟,高润霖,刘力生,朱曼璐,王文,王拥军,吴兆苏,李惠君,顾东风,杨跃进,郑哲,蒋立新,胡盛寿. 中国循环杂志. 2017(06)
[6]基于MI-BCI的上肢在线运动康复原型系统[J]. 李明爱,罗新勇,崔燕,杨金福. 北京生物医学工程. 2017(03)
[7]基于集成学习的临床心电图分类算法研究[J]. 金林鹏,董军. 生物医学工程学杂志. 2016(05)
[8]我国智慧医疗建设的现状及发展策略研究[J]. 沈甦. 上海医药. 2016(15)
[9]基于流形正则化的半监督投影双子支持向量机[J]. 陈伟杰,邵元海,李春娜,邓乃扬. 模式识别与人工智能. 2016(02)
[10]生物医学信号处理研究综述[J]. 胡广书,汪梦蝶. 数据采集与处理. 2015(05)
博士论文
[1]脑电分析技术在帕金森病并发认知功能损害及无认知损害者早期诊断的应用研究[D]. 何雪桃.南方医科大学 2016
[2]面向健康监护的穿戴式体征信息感知技术研究[D]. 罗堪.东南大学 2015
[3]基于非平行超平面支持向量机的分类问题研究[D]. 王震.吉林大学 2014
硕士论文
[1]外骨骼上肢机器人运动康复虚拟现实训练与评价研究[D]. 王源.上海交通大学 2013
[2]独立分量分析及其在脑电信号噪声分离中的应用[D]. 李婷.大连理工大学 2005
本文编号：3215978
本文链接：https://www.wllwen.com/kejilunwen/xinxigongchenglunwen/3215978.html
