基于稀疏去噪自编码器的癫痫脑电分类

发布时间：2020-08-18 19:57

【摘要】：癫痫是一种由于脑部神经元群异常放电而导致运动、意识、神经功能出现异常的疾病。癫痫发作时患者会出现突发性的身体抽搐与意识丧失,这给患者带来了生理和心理上的巨大痛苦。所以,癫痫的预防和治疗研究对于癫痫患者来说具有非常重要的意义。在诊断和治疗癫痫的过程中,脑电图发挥了不可替代的作用,医生通常通过观察患者的脑电图对患者的病情进行判断。但是,人工观察脑电图的工作量很大,十分耗费时间与体力,同时非常容易发生误判。随着计算机技术的发展,医生可以借助自动癫痫检测的方法对癫痫样脑电波进行标记,进而做出诊断。自动癫痫检测方法不但可以帮助医生提高癫痫诊断的准确性,而且大大地节约了时间。所以,自动癫痫检测的研究对癫痫疾病的预防、诊断和治疗都有着重要的价值。本文提出了一个新型的自动癫痫分类系统,这个系统是基于稀疏去噪自编码器(Denoising Sparse Autoencoder,DSAE)构建而成的。稀疏去噪自编码器基于自编码器(Autoencoder,AE)网络,在其中的隐藏层和输入数据中分别加入稀疏性约束和加噪操作。网络中的稀疏性约束使网络隐藏层中的大部分神经元处于抑制状态,从而模拟了人类大脑神经元的传递,获得输入数据更高层次、更有效的表达,有利于获得更加准确的分类结果。在输入信号中加入加噪操作,使系统学习到输入信号更鲁棒性的表达,提高了系统的泛化能力。本文提出的癫痫脑电分类系统的流程如下:首先,对原始脑电信号进行预处理操作,包括数据分段和归一化。数据分段可以增加脑电数据段,使脑电信号更易分析和计算;归一化采用Z-score标准化方法,使脑电信号的变化幅度与检测网络相匹配。然后,经过预处理后的脑电信号作为训练数据被输入到稀疏去噪自编码器网络中。网络通过学习算法自动进行参数调整,从而学习训练数据的特征,以获得输入数据的良好的表达。在编码器网络的最顶层设置了一个罗杰斯特回归分类器(Logistic regression),将编码器网络输入信号的有效表达和其所属类别联系起来,即对输入样本进行分类。最后,我们将分类器的分类结果进行多时间段融合后处理,以得到最终的分类结果。我们使用一个包含五种类别的癫痫脑电数据库对本文提出的分类系统进行了测试,得到了令人满意的分类结果。其中二分类和三分类的平均灵敏度、特异性、准确率三个统计指标均为100%,在五分类问题中的平均分类准确率为92%。实验结果表明,本文提出的脑电分类系统可以对癫痫脑电有效地进行分类,具有一定的可行性和临床应用价值。
【学位授予单位】：山东大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：R742.1;TP183
【图文】：

波形,癫痫发作,波形,棘慢复合波

图１－１常见的癫痫发作波形逡逑（３）棘慢复合波：棘慢复合波是由棘波和随后产生的慢波组合而成的复合波。逡逑棘波出现在慢波之前，在慢波的升支或降支。慢波是主要成分，比较有规则和有逡逑节律，幅度大约在１５０－５００邋＃Ｖ。棘慢复合波的频率有利于进行癫痫疾病的发作诊逡逑断，有时在浅睡时期也会出现一些良性的棘慢复合波，容易与发作期的棘慢复合逡逑波混淆。逡逑（４）尖慢复合波：尖慢复合波和棘慢复合波类似，是由一个尖波后紧跟着棘逡逑波复合而成。和棘慢复合波相同的是，有时在浅睡眠期会产生一些良性的尖慢复逡逑合波，需要和癫痫发作时的波形进行区分。逡逑（５）多棘慢复合波：多棘慢复合波是指多个棘波后紧跟着一个慢波，棘波的逡逑数量通常为２－１０个。多棘慢复合波的出现往往伴随着患者的肌阵挛抽搐，这时患逡逑

示意图,自编码,隐藏层,解码过程

过调整编码器和解码器的参数，并且使重建误差最小化，可以获得输入的一种表逡逑示，这个表示就是特征。逡逑如图３－２所示，单隐藏层自编码器网络有一个隐藏层。自编码器网络可以分逡逑为编码部分和解码部分。第一阶段是编码过程，假设，逡逑ｈ｛ｘ）邋＝邋ｓ（Ｗ｝ｘ邋＋邋ｂｘ）逦（３－２）逡逑其中ｘｅｉ？邋，邋ｓ（ｚ）是非线性激活函数，７Ｔ是隐层节点的激活值，妒，ｅ逡逑是输入层和隐层的权重矩阵，４邋ｅｉＴ是隐层的偏置向量。在实验中，我们选择了逡逑Ｓｉｇｍｏｉｄ函数作为激活函数。逡逑解码器逡逑Ｉ邋逦邋Ｉ逡逑！逦Ｉｌ＇邋１２＇逦１３＇逦／／逦…Ｉｎ＇逦｜逡逑￣？邋￥邋？邋？逦？￣￣逡逑Ｉ逦Ｉ逡逑Ｊ逦＆邋（ｘ？）邋（ｘ２＾）邋（ｘ？）邋（ｘ？）逦＊？＊逦！逡逑！：逦Ｉ逦！；逡逑Ｉ逦！逡逑１邋Ｍ逦ｊｆＴ邋ｊＳＴ邋ｊＳＴ逦ｊＣ逦ｆ逡逑Ｉ「工工丫下￣￣Ｘ逦！逡逑Ｌ」二逦丨」逡逑编码器逡逑图３－２单隐藏层自编码器示意图逡逑自编码器网络的输出是解码过程，逡逑１８逡逑

流程图,自编码,去噪,流程图

噪自编码器的基本原理、罗杰斯特回归分类器的分类原理、实验后处理部分，所逡逑以可以得到本文提出的基于稀疏去噪自编码器的癫痫脑电分类方法的流程，框架逡逑如图３－４所示。逡逑１００个单通道逦（逦预处理逦稀疏去噪自编码器￣逡逑Ｉ脑电信号ｍ处理逦特征提取ｊ逡逑＾＾逦４逡逑获得分类结果邋４ａ—＾逦后处理逦＾逡逑图３－４基于稀疏去噪自编码器的癫痫脑电分类流程图逡逑如图３－４所示，首先将数据库中１００个单通道脑电信号输入到搭建的癫痫脑电逡逑系统中，接着对原始脑电信号进行预处理（包括数据分段和标准化），然后将预逡逑２４逡逑

【相似文献】