基于脑电棘波频次和AR模型的癫痫发作预测算法

发布时间：2021-02-19 01:36

　　癫痫是一种由大量大脑神经元突发同步放电而引发的脑功能絮乱综合症。据统计,全球癫痫患者数量超过了5000万人,癫痫的反复发作严重威胁着患者的身心健康。若能够提前预测癫痫发作时间,不仅有利于对患者采取预防保护措施,也有助于对癫痫的发病机理及癫痫的诊断和治疗进行深入探索。因而,目前国内外有众多学者都致力于癫痫预测的研究工作。棘波是癫痫样放电最具特征性的表现之一。在脑电图（electroencephalogram, EEG）中,它是一种明显区别于背景的,突发性的波形变化,其波幅大小各异,棘波的出现说明脑部有刺激性病灶,因此在临床癫痫检查中,最重要的是观察脑电图中是否存在棘波。自回归（AutoRegressive, AR）模型是一种线性预测方法,可以很好的应用到脑电信号的分析处理中,假设脑电信号可以由线性滤波器描述其产生过程并可以用AR过程进行逼近,通过选取合适的阶次和参数就可以使AR过程尽可能逼近脑电信号。因此,本文在分析了四个不同脑电时期信号中棘波频次和AR参数变化规律的基础上,提出了一种以脑电棘波频次和AR参数为特征的癫痫预测算法。对于大多数线性分类算法,可以得到测试样本分类后的标签,但不... 

【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】：69 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
符号说明
第一章 绪论
    1.1 癫痫发作预测的研究背景和意义
    1.2 脑电图
    1.3 长程脑电图监测
    1.4 脑电信号处理方法
    1.5 癫痫发作预测的研究现状
    1.6 癫痫发作预测的一般流程
    1.7 本文的主要工作和章节安排
第二章 脑电特征分析
    2.1 AR参数
        2.1.1 经典谱估计算法
        2.1.2 谱估计的参数模型方法
        2.1.3 AR参数模型的正则方程
        2.1.4 不同脑电时期AR参数实验结果
    2.2 棘波频次
        2.2.1 数学形态学滤波
        2.2.2 基于形态学滤波的棘波检测方法
        2.2.3 棘波检测实验结果
        2.2.4 不同脑电时期棘波频次变化情况
    2.3 本章小结
第三章 分类器与后处理
    3.1 分类器
        3.1.1 线性判别分析
        3.1.2 Fisher线性判别分析
        3.1.3 贝叶斯线性判别分析
    3.2 后处理
    3.3 本章小结
第四章 本文方法和结果
    4.1 实验数据
        4.1.1 数据来源
        4.1.2 训练数据与测试数据
    4.2 本文癫痫发作预测算法
        4.2.1 本文算法流程
        4.2.2 脑电数据预处理
        4.2.3 提取脑电信号特征
        4.2.4 分类和后处理
    4.3 本文算法预测结果
    4.4 本章小结
第五章 两种典型的癫痫预测方法
    5.1 累积能量增量法
        5.1.1 算法介绍
        5.1.2 实验结果
    5.2 基于小波变换的相位同步法
        5.2.1 脑电信号预处理
        5.2.2 计算相位同步化
        5.2.3 实验结果
    5.3 三种癫痫预测方法的比较
        5.3.1 三种方法的比较
        5.3.2 本文方法与相位同步法的比较
    5.4 结论
    5.5 本章小结
总结和展望
参考文献
致谢
攻读硕士学位期间发表论文和参与项目
附件


【参考文献】：
期刊论文
[1]基于脑电棘波频次的癫痫发作预测算法[J]. 李淑芳,周卫东,袁琦,蔡冬梅.  中国生物医学工程学报. 2011(06)
[2]基于多分辨分析和近似熵的脑电癫痫波自动检测[J]. 汪春梅,邹俊忠,张见,张志锁.  计算机应用与软件. 2009(12)
[3]基于脑电的脑-机接口:关键技术和应用前景[J]. 尧德中,刘铁军,雷旭,杨平,徐鹏,张杨松.  电子科技大学学报. 2009(05)
[4]经典功率谱估计与现代功率谱估计的对比[J]. 冯磊.  商业文化(学术版). 2009(05)
[5]Probabilistic Methods in Multi-Class Brain-Computer Interface[J]. Ping Yang,Xu Lei,Tie-Jun Liu,Peng Xu,and De-Zhong Yao The authors are with the Key Laboratory for NeuroInformation of Ministry of Education,School of Life Science and Technology,University of Electronic Science and Technology of China,Chengdu,610054,China.  Journal of Electronic Science and Technology of China. 2009(01)
[6]经典功率谱估计及其仿真[J]. 宋宁,关华.  现代电子技术. 2008(11)
[7]一种基于经验模态分解的癫痫棘波检测方法[J]. 朱勇,初孟,邱天爽,鲍海平.  生物医学工程学杂志. 2008(02)
[8]基于小波变换的癫痫脑电相位同步化分析方法[J]. 王蕾,张华,付峰,于霄,姚庆和,高国栋,董秀珍.  医疗卫生装备. 2007(10)
[9]基于形态学滤波器的棘波提取技术[J]. 王晶,徐光华,张四聪,朱君明.  中国生物医学工程学报. 2007(01)
[10]基于小波变换与形态学运算的ECG自适应滤波算法[J]. 季虎,孙即祥,毛玲.  信号处理. 2006(03)

硕士论文
[1]基于脑电棘波频次的癫痫发作预测算法[D]. 李淑芳.山东大学 2012
[2]癫痫脑电信号识别算法及其应用[D]. 赵建林.山东大学 2010
[3]基于多路脑电分析的癫痫发作预测算法初步研究[D]. 王蕾.第四军医大学 2008
[4]基于AR模型的脑电信号特征提取与识别[D]. 邹清.中南大学 2008
[5]平稳AR模型阶数的贝叶斯因子判据[D]. 彭家龙.华中科技大学 2007
[6]数学形态学在信号处理方面的应用研究[D]. 刘姝.大连理工大学 2006
[7]数学形态学在语音增强中的应用[D]. 武睿.河北工业大学 2004
[8]癫痫脑电信息的非线性分析[D]. 许敏光.第四军医大学 2002



本文编号：3040400