基于S变换和双向LSTM网络的癫痫自动检测研究

发布时间：2021-01-28 18:24

　　癫痫是一种由脑部神经元异常放电引起的神经系统疾病,具有反复性、突发性等特点。据世卫组织统计,全球约有5000万人遭受癫痫的困扰。该病患者会出现功能障碍、意识丧失、昏厥等临床表现,这严重危害了人们的身心安全,也给家庭和社会增加了负担。脑电图是医生在诊断和治疗癫痫的过程中十分重要的工具。专家通过肉眼分析脑电记录中包含的信息来确定癫痫病灶区以及每次发作事件的开始和结尾,并依此确定诊疗方案。由于脑电图的数据规模非常庞大,记录时长通常在24小时左右,人工分析脑电图不仅耗时耗力,也可能发生误判和漏判。随着信息技术的发展,越来越多的重复工作可以由计算机辅助完成。因此,利用计算机辅助技术实现癫痫自动检测对减轻医疗工作者负担和提高检测准确率有着十分重要的意义。自动癫痫检测技术迄今己有几十年的发展历史。最早的癫痫分析方法是半波脑电特征提取,随后逐渐演变到时频分析、稀疏表示、机器学习、深度神经网络等多种方法。癫痫检测技术的基本思路就是提取出癫痫脑电的特征波,并与正常脑电进行分析对比来判定癫痫发作。目前常用的方法是特征提取器和分类器相结合。特征提取器主要使用包括时域分析、频域分析、小波变换、非线性动力学分析等... 

【文章来源】：山东大学山东省 211工程院校 985工程院校 教育部直属院校

【文章页数】：66 页

【学位级别】：硕士

【部分图文】：

图１－１国际通用的１０－２０脑电系统??

?山东大学硕士学位论文???由于神经元异常放电的位置不同，癫痫的发作特点也各不相同，其在临床上??表现的较为复杂。依据发作特点的不同，癫痫发作可以分为简单部分性发作、复??杂部分性发作、全身强直痉挛发作等。简单部分性发作一般持续时间较短，不超??过１分钟，会出现部分运动性发作或部分感觉性发作，患者通常处在意识清醒状??态。复杂部分性发作通常表现为不同程度的意识障碍，可能出现进食样自动症以??及手势性自动症。全面强直痉挛发作由复杂部分性发作演化而来，临床表现为突??发性的意识丧失，面部表情异常，肢体不自主抽动等。采集癫痫病人的脑电可以??看到异常放电活动，临床上将其称之为痫样放电。据统计，８０％的癫痫脑波都有??异常Ｍ，因此我们可以通过分析脑电图来检测并预测癫痫发作事件。图１－２展示??了一些常见的癫痫脑电波形，包括刺波、尖波、刺－慢复合波、尖－慢复合波、多??刺－慢复合波、高度失律、正相刺波以及发作性节律波等。不同病人在发病的不同??时期其脑电波形也具有很大差别，例如刺波和刺－慢复合波是癫痫脑电最基本的??波形，在各类癫痫发作中都很常见。在全面强直痉挛发作时癫痫波的主要成分是??多刺－慢复合波，有时为尖－慢复合波。婴儿在出现痉挛状态时脑电可能会呈现高??度失律状态。图１－３展示了癫痫脑电和正常脑电的对比，相比于正常脑电，大部??分癫痫特征波都具有尖锐、密集的特点，因此可以通过提取信号特征加以分辨。??雜?尖屬?ｊｆＷＷｌ??蒜－題ｈ?ｉｆ＾?１４或＆馬，教正相韓波＇??图１－２常见的癫痫波形??４??

?山东大学硕士学位论文???５０００，?⑷正ｆ脑电???－５０００??１???０?４?８??５０００，?［ｔ）ｍｍ???？５０００??１???０?４?８??时间（ｍｉｎ）??图１－３正常脑电图和癫痫脑电图的对比??癫痫会给患者带来生理上和心理上的痛苦，同时给家庭和社会增加了许多负??担。目前癫痫检测和治疗都要依据患者脑电图记录，医生通过检查患者脑电来诊??断患病类型和确定诊疗方案，这一过程存在着很多问题，如主观性强、费时费力??等。因此，通过计算机技术实现快速、高效地癫痫信号识别是十分必要的。??１．２癱痫自动检测的研究现状??１．２．１癱痫自动检测研究方法??癫痫自动检测是指通过计算机辅助技术，快速识别并标注出长程脑电中异常??片段的方法。该方法不仅有效解决了医生读图的主观性问题，同时也减轻了医务??人员负担，并且较好地提高了系统识别率。??最早的癫痫自动检测系统由〇〇加＾１）｜１（）］在１９８２年提出，他首先将脑电分解??为“半波”，随后提取了半波信号的坡度、峰度等时域特征进行判断。在这之后，他??的团队对这一方法做了改进，并在临床上开展实验［１１，１２］。经过几十年的快速发展，??国内外研宄人员已经提出了许多不同的癫痫自动检测系统。常见的癫痫检测系统??可以概括为特征提取器加分类器的组合，通过特征提取方法来找出癫痫脑电信号??的独有特征，随后由分类器根据一定规则做出判别。特征提取方法主要包括时域??５??

【参考文献】：
硕士论文
[1]基于S变换和奇异值分解的自动癫痫检测算法[D]. 夏玉丹.山东大学 2016



本文编号：3005465