脉冲神经网络监督学习及癫痫脑电识别研究

发布时间：2021-06-14 10:14

　　随着脑科学的发展与神经科学研究成果的积累,人们对生物神经系统的构造和运行机理有了更加全面和深入的认识。生物神经系统中发现的脉冲时间编码和信息处理机制激发了研究者们对脉冲神经网络的探索热情。由更具生物真实性的脉冲神经元模型为基本单元构成的脉冲神经网络,与基于脉冲频率编码信息的传统人工神经网络相比,拥有更加强大的计算能力,非常适合于对大脑神经信号进行处理和分析。研究者构建了不同的脉冲神经网络模型以及学习机制,这些计算模型在模式识别、决策及预测等方面取得了显著的效果。精准的癫痫脑电识别结果,对癫痫病患者的诊断和治疗具有非常重要的现实意义。传统机器学习技术对脑电数据进行处理、分类时,模式识别的准确性依赖于得到的特征值,而特征值的选取通常由使用的提取方法和研究者的个人经验所决定,有时这样的特征值并不能准确地表征脑电数据的内在属性。如何克服脑电信号识别中正面临的这种困难,从而进一步推动脑科学与神经疾病诊断技术的发展,是一个具有挑战性的研究方向。（1）针对前馈结构的脉冲神经网络,根据神经网络输出层神经元的期望脉冲序列,反向重建了隐含层神经元的期望脉冲序列,提出了基于期望脉冲序列重建的监督学习算法。该... 

【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

【部分图文】：

0-20国际标准导联系统

西北师范大学硕士学位论文8连线为基准，从左到右可依次标出T3、C3、Cz、C4、T4；头部周线可划分为左半部周线FP1、F7、T3、T5、O1和右半部周线FP2、F8、T4、T6、O2；其余的F3、F4、P3、P4分别位于它们左右两侧点的中间位置，如图2-1（b）。这些即为10-20系统的21个电极位置，标记中的奇数数字代表大脑左侧，偶数数字代表大脑右侧。后来，美国脑电图学会在10-20系统的基础上，给出了安置附加电极的位置与标准[27]，如图2-1（c）。在新标准中，四个电极T7，T8，P7和P8具有不同的名称，这些电极在图中以黑色标出。除此之外，采集脑电信号的仪器按电极导联方式可以分为两种，即单极导联法和双极导联法，以不同方式记录的脑电图各有优缺点。表2-1五种基本脑电波的特征名称主要频率脑状态δ波（DeltaWave）0.5-4Hz昏迷，沉睡θ波（ThetaWave）4-8Hz深度放松，睡意，冥想，记忆和创造力得到增强α波（AlphaWave）8-12Hz非常放松、被动注意、安静β波（BetaWave）12-35Hz焦虑为主，活跃、警觉、专注、思考γ波（GammaWave）>35Hz注意集中图2-2主要频率分别属于δ、θ、α、β、γ波的不同脑电波样本每个人的脑波模式都是独特的，但人脑存在五种公认的脑电波，其主要频率及特征由表2-1列出。图2-2显示了不同波形的脑电波样本[26]。大脑的各个区域不会

西北师范大学硕士学位论文10脑电图并不会提示被试者患有潜在的癫痫。图2-4癫痫脑电特征波图2-5采集了一位27岁女性患者全身强直-阵挛性癫痫发作期间的脑电数据。A显示出癫痫发作时有弥漫性和节律性的快速活动；B中病人变得精神亢奋，脑电图完全被肌肉伪影所遮盖；C中呈现出阵挛发作时伴随着特有的节律性肌肉伪像；D中癫痫发作后，脑电波动有所减慢。整个癫痫发作持续了64秒。图2-5采集的癫痫脑电数据除诊断外，脑电图对于癫痫发作预测、精确定位致痫区和脑功能区、癫痫病的治疗等研究同样有所助益。然而，目前对于癫痫脑电数据的分析仍然依赖于大量的人力工作。因此，本文希望将脉冲神经网络监督学习方法尝试应用于癫痫脑电识别，为能实现癫痫的自动检测奠定技术基矗

【参考文献】：
期刊论文
[1]基于脑电EEG信号的分析分类方法[J]. 陈泽龙,谢康宁.  中国医学装备. 2019(12)
[2]脉冲神经网络的监督学习算法研究综述[J]. 蔺想红,王向文,张宁,马慧芳.  电子学报. 2015(03)
[3]国际标准脑电图术语[J]. 鲁在清.  现代电生理学杂志. 2004(03)

硕士论文
[1]基于脑电特征独立分量分析的癫痫检测[D]. 汪小双.大连理工大学 2018
[2]基于递归脉冲神经网络的脑时空数据分类研究[D]. 王立鹏.西北师范大学 2017
[3]基于形态成分分析的癫痫脑电棘波检测[D]. 马东华.天津医科大学 2013



本文编号：3229617