基于局部模式的癫痫脑电信号自动分类方法研究

发布时间：2021-03-08 03:04

　　脑电图（Electroencephalogram,EEG）信号代表人类脑部的电活动。由于其准确度高、安全、无创、廉价,因此成为目前癫痫诊断的主流技术。但是癫痫脑电信号的分类研究中仍存在算法复杂度过高、数据类别不平衡导致性能不稳定、样本量太少导致分类效果差等问题。为了有效地检测脑电图中的癫痫信号,本论文针对局部模式下的脑电信号分类进行重点研究,将局部模式、多粒度扫描、极限学习机引入癫痫脑电信号检测中进行进一步的探讨,本文的创新和主要贡献如下:（1）提出了局部模式下改进的多粒度局部二值模式算子（Multi-Granularity Local Binary Pattern,M-LBP）,使用多粒度扫描处理多种不同类型的脑电信号获得多个粒度下包含更多细节信息的相应高维度脑电信号;通过计算各粒度下高维度脑电信号的局部二值变换码的均值、标准差作为最终的特征向量馈送至五种不同分类器中进行分类。在波恩大学癫痫数据集上进行了实验,实验结果表明,该方法对二分类,三分类不同数据集均有较好的分类效果,尤其是二分类Z-S、Z-F等分类精度达到99.5%。该算子通过分析计算不同粗细粒度下信号的节点信息,从而达到了... 

【文章来源】：西北师范大学甘肃省

【文章页数】：55 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第1章 绪论
    1.1 研究背景和意义
    1.2 国内外研究现状分析
        1.2.1 癫痫脑电信号处理的研究现状
        1.2.2 目前研究主要存在的问题
    1.3 论文研究内容
    1.4 论文结构安排
第2章 癫痫脑电信号分类基础
    2.1 相关知识
        2.1.1 EEG简介
        2.1.2 癫痫脑电信号分析方法
        2.1.3 癫痫检测数据集
        2.1.4 性能评价指标
    2.2 相关原理
        2.2.1 一维局部二值模式
        2.2.2 主成分分析原理
        2.2.3 极限学习机原理
    2.3 本章小结
第3章 基于多粒度局部二值模式变换的癫痫脑电信号检测方法
    3.1 系统框架
        3.1.1 多粒度扫描
        3.1.2 算法描述
    3.2 实验结果与仿真分析
    3.3 本章小结
第4章 基于局部三值模式和极限学习机的癫痫脑电信号检测方法
    4.1 系统模型
    4.2 算法描述
    4.3 实验验证与性能分析
        4.3.1 基于直方图的特征向量
        4.3.2 特征降维及分类
        4.3.3 实验结果与分析
    4.4 本章小结
结论
    1.总结
    2.展望
参考文献
主要符号对照表
致谢
附录A 图索引
附录B 表索引
个人简历、在学期间发表的学术论文及研究成果



本文编号：3070300